MySQL 索引原理：B+ 树演进与操作实战

不同的 Page，在 MySQL 中，都是 16KB，使用 prev 和 next 构成双向链表

因为有主键的问题，MySQL 会默认按照主键给我们的数据进行排序，从上面的 Page 内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？

插入数据时排序的目的，就是优化查询的效率。页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，可以提前结束查找过程。

【多个 Page】

• 上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘 IO 次数，从而提高性能。现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。
• 如果数据比较的多，多个 Page 彼此使用双链表链接起来，每个 Page 内部的数据也是基于链表的。那么，查找特定一条记录，线性查找，效率低下。

怎么解决上面出现的线性查找效率低下？——引入页目录

第二层—引入目录

书中的目录多花了纸张，却提高了效率。so，目录，是一种'空间换时间的做法'

【单页情况】

在一个 Page 内部，我们引入了目录

比如，我们要查找 id=4 记录，之前必须线性遍历 4 次。现在直接通过目录 2[3] 直接进行定位新的起始位置，提高了效率，省去前面无用的遍历

通过键值，MySQL 会自动排序，为了什么？——方便引入目录

【多页情况】

MySQL 里面单个 page 大小固定只有 16KB，随着数据量不断增大，必定会有多个页来存储数据

在单表数据不断被插入的情况下，MySQL 会在容量不足的时候，自动开辟新的 Page 来保存新的数据，然后通过指针的方式，将所有的 Page 组织起来。

上面的图，是理想结构，新插入的数据，不一定会在新 Page 上面，这里仅仅做演示。

这样，我们就可以通过多个 Page 遍历，Page 内部通过目录来快速定位数据。可是，这样也有效率问题，在 Page 之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的 IO，将下一个 Page 加载到内存，进行线性检测。

那么如何解决上面需要大量 IO+ 遍历 Page 时的时间成本问题？——给 Page 也带上目录。

第三层—给 Page 也带上目录

• 使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
• 和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
• 其中，每个目录项的构成是：键值 + 指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个 Page，进而通过指针，找到下一个 Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？——可以再加目录页

第四层—继续加目录页

这就是 B+ 树

现在查找的 Page 数一定减少了，也就意味着 IO 次数减少了，那么效率也就提高了。只有叶子结点才会用指针级联起来。

复盘：

Page 分为目录页和数据页。目录页只放各个下级 Page 的最小键值。查找的时候，自顶向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了 IO 次数

（3）InnoDB 在建立索引结构来管理数据时，为什么不选择其他数据结构？

链表？线性遍历

二叉搜索树？退化问题，可能退化成为线性结构

AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶 B+，意味着树整体过瘦高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的 IO Page 交互。虽然你很秀，但是有更秀的。

Hash？官方的索引实现方式中，MySQL 是支持 HASH 的，不过 InnoDB 和 MyISAM 并不支持.Hash 跟进其算法特征，决定了虽然有时候也很快 (O(1))，不过，在面对范围查找就明显不行，另外还有其他差别，有兴趣可以查一下。

（4）B+ vs B

B 树？最值得比较的是 InnoDB 为何不用 B 树作为底层索引？

数据结构演示链接：数据结构可视化

这两棵树，对我们最有意义的区别是：

• B 树节点，既有数据，又有 Page 指针，而 B+，只有叶子节点有数据，其他目录页，只有键值和 Page 指针
• B+ 叶子节点，全部相连，而 B 没有

为何选择 B+？

• 节点不存储 data，这样一个节点就可以存储更多的 key。可以使得树更矮，所以 IO 操作次数更少。
• 叶子节点相连，更便于进行范围查找

（5）聚簇索引 VS 非聚簇索引

MyISAM 存储引擎 - 主键索引

MyISAM 引擎同样使用 B+ 树作为索引结果，叶节点的 data 域存放的是数据记录的地址。下图为 MyISAM 表的主索引，Col1 为主键。

其中，MyISAM 最大的特点是，将索引 Page 和数据 Page 分离，也就是叶子节点没有数据，只有对应数据的地址。（非聚簇索引）

相较于 InnoDB 索引，InnoDB 是将索引和数据放在一起的。（聚簇索引）

--终端 A mysql> create database myisam_test;  --创建数据库 Query OK, 1 row affected (0.00 sec) 
mysql> use myisam_test; Database changed 
mysql> create table mtest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=MyISAM;             --使用 engine=MyISAM Query OK, 0 rows affected (0.01 sec)
--终端 B [root@VM-0-3-centos mysql]# ls myisam_test/ -al  --mysql 数据目录下 total 28 drwxr-x--- 2 mysql mysql 4096 Jun 13 13:33 . drwxr-x--x 13 mysql mysql 4096 Jun 13 13:32 .. -rw-r----- 1 mysql mysql 61 Jun 13 13:33 db.opt -rw-r----- 1 mysql mysql 8586 Jun 13 13:33 mtest.frm   --表结构数据 -rw-r----- 1 mysql mysql 0 Jun 13 13:33 mtest.MYD   --该表对应的数据，当前没有数据，所以是 0 -rw-r----- 1 mysql mysql 1024 Jun 13 13:33 mtest.MYI   --该表对应的主键索引数据

可见，MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

--终端 A mysql> create database innodb_test;       --创建数据库 Query OK, 1 row affected (0.00 sec) 
mysql> use innodb_test; Database changed 
mysql> create table itest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=InnoDB;                 --使用 engine=InnoDB Query OK, 0 rows affected (0.02 sec)
--终端 B [root@VM-0-3-centos mysql]# ls innodb_test/ -al total 120 drwxr-x--- 2 mysql mysql 4096 Jun 13 13:39 . drwxr-x--x 14 mysql mysql 4096 Jun 13 13:38 .. -rw-r----- 1 mysql mysql 61 Jun 13 13:38 db.opt -rw-r----- 1 mysql mysql 8586 Jun 13 13:39 itest.frm     --表结构数据 -rw-r----- 1 mysql mysql 98304 Jun 13 13:39 itest.ibd     --该表对应的主键索引和用户数据，虽然现在一行数据没有，但是该表并不为 0，因为有主键索引数据

其中，InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引。

当然，MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。

对于 MyISAM，建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别

同样，InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：

可以看到，InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的 key 值。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主键索引中检索获得记录。这种过程，就叫做回表查询

为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了。

总结：如何理解硬盘如何理解柱面，磁道，扇区，磁头 InnoDB 主键索引和普通索引 MyISAM 主键索引和普通索引其他数据结构为何不能作为索引结构，尤其是 B+ 和 B 聚簇索引 VS 非聚簇索引

6. 索引操作

（1）创建 + 删除主键索引

第一种创建方式：

-- 在创建表的时候，直接在字段名后指定 primary key

第二种方式：

-- 在创建表的最后，指定某列为主键索引

第三种方式：

create table user3(id int, name varchar(30)); -- 创建表以后再添加主键 alter table user3 add primary key(id);

删除主键索引：

alter table 表名 drop primary key;

主键索引的特点：

• 一个表中，最多有一个主键索引，当然可以使复合主键
• 主键索引的效率高（主键不可重复）
• 创建主键索引的列，它的值不能为 null，且不能重复
• 主键索引的列基本上是 int

（2）唯一索引的创建 + 删除

我们创建 unique 约束时，会默认为我们创建唯一键索引

第一种创建方式：

-- 在表定义时，在某列后直接指定 unique 唯一属性。 create table user4(id int primary key, name varchar(30) unique);

第二种方式：

-- 创建表时，在表的后面指定某列或某几列为 unique create table user5(id int primary key, name varchar(30), unique(name));

第三种方式：

create table user6(id int primary key, name varchar(30)); alter table user6 add unique(name);

删除唯一键索引：

注意和删除主键索引不同，由此看出唯一键索引本质上也是普通索引

alter table 表名 drop index 索引名;

索引名就是 show keys from 表名中的 Key_name 字段

唯一索引的特点：

• 一个表中，可以有多个唯一索引
• 查询效率高
• 如果在某一列建立唯一索引，必须保证这列不能有重复数据
• 如果一个唯一索引上指定 not null，等价于主键索引

（3）普通索引的创建

第一种方式：

create table test4( id int primary key, name varchar(20), email varchar(30), index(name) --在表的定义最后，指定某列为索引 );

第二种方式：

create table user9(id int primary key, name varchar(20), email varchar(30)); alter table user9 add index(name); --创建完表以后指定某列为普通索引

第三种方式：

create table user10(id int primary key, name varchar(20), email varchar(30)); -- 创建一个索引名为 idx_name 的索引 create index idx_name on user10(name);

普通索引的特点：

• 一个表中可以有多个普通索引，普通索引在实际开发中用的比较多
• 如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

（4）全文索引的创建

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL 提供全文索引机制，但是有要求，要求表的存储引擎必须是 MyISAM，而且默认的全文索引支持英文，不支持中文。如果对中文进行全文检索，可以使用 sphinx 的中文版 (coreseek)。

CREATE TABLE articles ( id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY, title VARCHAR(200), body TEXT, FULLTEXT (title,body) )engine=MyISAM;

INSERT INTO articles (title,body) VALUES ('MySQL Tutorial','DBMS stands for DataBase ...'), ('How To Use MySQL Well','After you went through a ...'), ('Optimizing MySQL','In this tutorial we will show ...'), ('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'), ('MySQL vs. YourSQL','In the following database comparison ...'), ('MySQL Security','When configured properly, MySQL ...');

• 查询有没有 database 数据

如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

可以用 explain 工具看一下，是否使用到索引

• 如何使用全文索引呢？

通过 explain 来分析这个 sql 语句

key 用到了 title

（5）查询索引

• show keys from 表名\G

• show index from 表名\G;
• desc 表名；

（6）删除索引

第一种 - 删除主键索引：

alter table 表名 drop primary key;

第二种 - 其他索引的删除：

索引名就是 show keys from 表名中的 Key_name 字段

alter table 表名 drop index 索引名；

第三种：

drop index 索引名 on 表名

drop index name on user8;

（7）索引创建原则

• 比较频繁作为查询条件的字段应该创建索引
• 唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件
• 更新非常频繁的字段不适合作创建索引
• 不会出现在 where 子句中的字段不该创建索引

其他概念：

• 复合索引，用多列构建的索引

//添加复合索引 alter table test1 add index(name,email); //删除复合索引 alter table test4 drop index name;

• 索引最左匹配原则
• 索引覆盖：减少回表。如果查询的「筛选字段 + 查询字段」刚好全部包含在复合索引中，MySQL 无需回表查询原数据（即「覆盖索引」），性能会大幅提升。

索引完结。下节事务。