做搜狗pc网站排名,濮阳网站建设优化,godaddy wordpress 备,wordpress重置密码代码索引的数据结构
部分资料来自B站尚硅谷-宋红康老师
1. 为什么使用索引
使用索引是为了加快数据库的查询速度和提高数据库的性能。索引是数据库表中的一种数据结构#xff0c;它可以帮助数据库快速定位并检索所需的数据。
当数据库表中的数据量较大时#xff0c;如果没有索…索引的数据结构
部分资料来自B站尚硅谷-宋红康老师
1. 为什么使用索引
使用索引是为了加快数据库的查询速度和提高数据库的性能。索引是数据库表中的一种数据结构它可以帮助数据库快速定位并检索所需的数据。
当数据库表中的数据量较大时如果没有索引数据库系统需要逐行扫描整个表来查找满足查询条件的数据这将会消耗大量的时间和资源。而有了索引数据库系统可以根据索引中存储的信息快速缩小查询范围直接定位到符合条件的数据从而大大减少查询所需的时间和资源。
2. 索引及其优缺点
索引是数据库管理系统中重要的组成部分
优点 快速查询: 索引可以大幅度加快数据库查询的速度。它通过使用树状结构通常是B树或B树来快速定位数据行避免了全表扫描从而减少了查询所需的时间。 提高性能: 通过加速查询过程索引可以显著提高数据库的性能。特别是在大型数据库中索引的使用对于处理复杂查询和连接操作非常重要。 唯一性约束: 索引可以强制表中某列的唯一性确保在该列中不会出现重复的数据从而保护数据的完整性。 加速排序: 如果查询需要排序结果索引可以加速排序操作避免对所有数据进行排序。 加速连接操作: 在关联查询中如果连接字段上有索引那么连接操作的效率会大大提高。
缺点 占用存储空间: 索引通常需要占用额外的存储空间。在表中创建索引会增加数据文件的大小特别是对于大型表和复合索引来说存储空间的开销会更大。 降低写操作性能: 当对表进行插入、更新或删除操作时数据库不仅需要修改数据还需要更新索引结构。这会增加写操作的开销降低写操作的性能。 增加维护成本: 随着数据的变化索引也需要维护。随着数据的插入、更新和删除索引可能会变得不再有效因此需要定期进行维护和重建。 过多索引的问题: 过多或不必要的索引可能导致性能下降。每个索引都需要数据库付出维护的代价而不是所有查询都会使用到索引。因此创建过多的索引可能会浪费资源并且在写操作时增加负担。
综上所述索引在数据库中发挥着重要的作用可以极大地提高查询性能但需要在权衡利弊后进行合理的使用和规划以确保数据库的整体性能和稳定性。
3. InnoDB中索引的推演
3.1 索引之前的查找
在没有索引的情况下数据库系统通常采用全表扫描Table Scan的方式来进行数据查找。全表扫描是一种线性查找方式它会逐行遍历整个数据表直到找到满足查询条件的数据或者扫描完整个表。这种方法适用于小型数据表但对于大型数据表来说全表扫描会带来很高的时间复杂度和资源消耗。
在全表扫描的情况下数据库需要从磁盘读取每一行数据并逐行比较以找到符合查询条件的数据。由于磁盘IO操作是相对较慢的全表扫描对于大量数据的表来说可能会非常耗时。这样的查询方式在性能上往往无法满足较高的查询需求。
以下是一个没有索引的示例查询假设查询名为SELECT * FROM employees WHERE department ‘HR’的工作流程
数据库系统开始扫描employees表的第一行数据。对比department列的值是否为’HR’如果满足条件将该行数据加入结果集。继续扫描下一行数据重复步骤2。重复以上过程直到扫描完整个employees表。
当数据表很大时这个过程将非常耗时并且会占用大量的CPU和内存资源。
索引的作用是为了避免这种全表扫描的情况通过构建索引结构数据库可以更高效地定位满足查询条件的数据行从而提高查询效率和性能。使用索引后数据库系统可以跳过许多不满足条件的数据行直接定位到可能包含查询结果的数据块或数据页减少了不必要的数据访问提高了查询的速度。
3.2 设计索引
create table index_demo
(c1 int,c2 int,c3 char(1),primary key (c1)
) row_foramt Compact;这个新建的index_demo表中有2个INT类型的列1个CHAR1类型的列而且我们规定了c1列为主键这个表使用Compact行格式来实际存储记录的。这里我们简化了index_demo表的行格式示意图 我们只在示意图里展示记录的这几个部分
record_type记录头信息的一项属性表示记录的类型0表示普通记录、2表示最小记录、3表示最大记录、1暂时还没用过下面讲。next_record记录头信息的意向属性表示下一条地址相对于本条记录的地址偏移量我们用箭头来表明下一条记录是谁。各个列的值这里只记录在index_demo表中的三个列分别是c1、c2和c3。其他信息除以上3种信息以外的所有信息包括其他隐藏列的值以及记录的额外信息。
将记录格式示意图的其他信息项暂时去掉并把它竖起来的效果就是这样 把一些记录放到页里的示意图 3.2.1 一个简单的索引设计方案
我们在根据某个搜索条件查找一些记录时为什么要遍历所有的数据页内因为各个页中的记录并没有规律我们并不知道我们的搜索条件匹配哪些页中的记录所以不得不一次遍历所有的数据页。所以如果我们想快速的定位到需要查找的记录在哪些数据页中该咋办我们可以为快速定位记录所在数据页而建立一个目录建这个目录必须完成下边这些事 下一个数据页中用户记录的主键值必须大于上一个页中用户记录的主键值。 假设每个数据页最多能存放3条记录实际上一个数据页非常大可以存放下好多记录。有了这个假设后我们上index_demo表插入3条记录 INSERT INTO index_demo VALUES (1,4,u),(3,9,d),(5,3,y);那么这些记录已经按照主键值的大小串联成一个单向链表了如图所示 如图中可以看出来index_demo表中的3条记录都被插入到了编号为10的数据页中了。此时我们再来插入一条记录
INSERT INTO index_demo VALUES (4,4,a)因为页10最多只能放3条记录所以我们不得不再分配一个新页 注意新分配的数据页编号可能并不是连续的。他们只是通过维护者上一页和下一页的编号而建立了链表关系。另外页10中记录最大的主键值是5而页28中有一条记录的主键值是4因为54所以这就不符合下一个数据页中用户记录的主键值必须大于上一个页中用户记录的主键值的要求所以在插入主键值为4的记录的时候需要伴随着一次记录移动也就是把主键值为5的记录移动到页28中然后再把主键为4的插入到页10中这个过程的示意图如下 这个过程表明了在对页中的记录仪进行增删改操作的过程中我们必须通过一些诸如记录移动的操作来始终保证这个状态一直成立下一个数据页中用户记录的主键值必须大于上一个页中用户记录的主键值。这个过程我们称为页分裂。
给所有的页建立一个目录项
由于数据页的编号可能是不连续的所以在想index_demo表中插入许多条记录后可能是这样的效果 因为这些16KB的页在物理存储上是不连续的所以如果想从这么多页中根据主键值快速定位某些记录所在的页我们需要给它们做个目录.每个页对应一个目录想每个目录想包括下面两个部分
页的用户记录中最小的主键值我们用key来标识。页号我们用page_no标识。
所以我们为上边几个页做好的目录就像这样子 以页28为例它对应目录项2这个目录项中包含着该页的页号28以及该页中用户记录的最小主键值5。我们只需要把几个目录项在物理存储器上连续存储比如数组就可以实现根据主键值快速查找某条记录的功能了。比如查找主键值为20的记录具体查找过程分两步
先从目录想中根据二分法快速确定为主键值为20的记录在目录项3中因为 12 20 209它对应的页是页9。再根据前边说的在页中查找记录的方式去页9中定位具体的记录。
至此针对数据页做的简易目录就搞定了。这个目录有一个别名称为索引。
3.2.2 InnoDB中的索引方案
①迭代1次目录项记录的页
上边称为一个简易的索引方案是因为我们为了在根据主键值查找时使用二分法快速定位具体的目录项而假设所有目录项都可以子啊物理存储器上连续存储但是这样做有几个问题
InnoDB是使用页来作为管理存储空间的基本单温最多能保证16KB的连续存储空间而随着表中记录数量的增多需要非常大的连续的存储空间才能把所有的目录项放下这对记录数量非常多的表是不现实的。我们时常会对记录进行增删假设我们把页28中的记录都删除了那意味着目录项2也就没有存在的不要了这就需要把目录项2后的目录项都向前移动一下这样牵一发而动全身的操作效率很差。
所以我们需要一种可以灵活管理所有目录项的方式。我们发现目录项其实长得跟我们的用户记录差不多只不过目录项中的两个列是
主键和页号而已为了和用户记录做一下区分我们把这些用来表示目录项的记录称为目录项记录。那么InnoDB怎么区分一条记录是普通的用户记录和目录项记录呢使用记录头信息里的record_type属性它的各个取值代表的意思如下
0普通的用户记录1目录项记录2最小记录3最大记录
我们把前边使用到的目录项放到数据页中的样子就是这样 从图中可以看出来我们新分配了一个编号为30的页专门存储目录项记录。这里再次强调目录项记录和普通的用户记录的不同点:
目录项记录的record_type值是1而普通用户记录的record_type值是0。目录项记录只有主键值和页的编号两个列而普通的用户记录的列是用户自己定义的可能包含很多列另外还有InnoDB自己添加的隐藏列.了解记录头信息里还有一个叫min_rec_mask的属性只有在存储目录项记录的页中主键值最小的目录项记录的min_rec_mask
值为1其他别的记录的min_rec_mask值都是0。
相同点两者用的是一样的数据页都会为主键值生成Page Directory页目录从而在按照主键值进行查找时可以使用二分法来加快查询速度。
现在以查找主键为20的记录为例根据某个主键去查找记录的步骤就可以大致拆分成下边两步
1、先存储目录项记录的页也就是页30中根据二分法快速定位到对应目录项因为12 20 209所以
2、再到存储用户记录的页9中根据二分法快速定位到主键为20的用户记录。
②迭代2次多个目录项记录的页
虽然说目录项记录中只存储主键值和对应的页号比用户记录需要的存储空间小多了但是不论怎么说一个页只有16KB大小能存放的目录项记录也是有限的那如果表中的数据太多以至于一个数据页不足以存放所有的目录项记录的页
这里我们假设一个存储目录项记录的页最多只能存放4条目录项记录所以如果此时我们再向上图插入一条主键值为320的用户记录的话那就需要分配一个新的存储目录项记录的页 从图中可以看出我们插入了一条主键值为320的用户记录之后需要两个新的数据页
为存储该用户记录而新生成了页31。因为原先存储目录项记录的页30的容量已满我们前边假设只能存储4条目录项记录所以不得不需要一个新的页32来存放页31对应的目录项。
现在因为存储目录项记录的页不止一个所以如果我们向根据主键值查找一条用户记录大致需要3个步骤以查找主键值为20的记录为例 确定目录项记录页 我们现在的存储目录项记录的页有两个即页30和页32又因为页30表示的目录项的主键值的范围是[1,320页32表示的目录项的主键值不小于320所以主键值为20的记录对应的目录项记录在页30中。 通过目录项记录页确定用户记录真实所在的页。 在一个存储目录项记录的页中通过主键值定位一条目录项记录的方式说过了。 在真是存储用户记录的页中定位到具体的记录。
③ 迭代3次目录项记录页的目录页
问题来了在这个查询步骤的第1步中我们需要定位存储目录项记录的页但是这些页是不连续的,如果我们表中的数据非常多则会产生很多存储目录项记录的页那我们怎么根据主键值快速定位一个存储目录项记录的页呢那就位这些存储目录项记录的页再生成一个更高级的目录就像是一个多级目录一样大目录里嵌套小目录小目录里才是实际的数据所以现在各个页的示意图就是这样子 如图我们生成了一个存储更高级目录项的页33这个页中的两条记录分别代表页30和页32如果用户记录的主键值在[1, 320)之间则到页30中查找更详细的目录项记录如果主键值不小于320就到页32中查找更详细的目录项记录。
随着表中记录的增加这个目录的层级会继续增加如果简化一下那么我们可以用下边这个图来描述它这个数据结构就是B树。 ④BTree
不论是存放用户记录的数据页还是存放目录项记录的数据页我们都把它们存放到B树这个数据结构中了所以我们也称这些数据页为节点。从图中可以看出我们的实际用户记录其实都存放在B树的最底层的节点上这些节点也被称为叶子节点其余用来存放目录项的节点称为非叶子节点或者内节点其中B树最上边的那个节点也称为根节点…
一个B树的节点其实可以分成好多层规定最下边的那层也就是存放我们用户记录的那层为第0层之后依次往上加。之前我们做了一个非常极端的假设存放用户记录的页最多存放3条记录存放目录项记录的页最多存放4条记录。其实真实环境中一个页存放的记录数量是非常大的假设所有存放用户记录的叶子节点代表的数据页可以存放100条用户记录所有存放目录项记录的内节点代表的数据页可以存放1000条目录项记录那么
如果B树只有1层也就是只有1个用于存放用户记录的节点最多能存放100条记录。如果B数有2层最多能存放1000 * 100 100000条记录如果B数有3层最多能存放1000 * 1000 * 100 一亿条记录如果B数有4层最多能存放1000 * 1000 * 1000 * 100 一千亿条记录
你的表里能存放一千亿条记录吗所以一般情况下我们用到的B树都不会超过4层那我们通过主键值取查找某条记录最多只需要做4个界面内的查找查找3个目录项页和一个用户记录页又因为在每个页面内有所谓的Page Directory页目录所以在页面内页可以通过二分法实现快速定位记录。
3.3 常见索引概念
索引按照物理实现方式索引可以分2种聚簇聚集和非聚簇聚集索引我们也把非聚簇索引称为二级索引或者辅助索引。
3.3.1. 聚簇索引
聚簇索引并不是一种单独的索引类型而是一种数据存储方式所有的用户记录都存储在了叶子节点也就是所谓的索引即数据数据即索引。 术语聚簇表示数据行和相邻的键值聚簇的存储在一起。 特点 使用记录主键值的大小进行记录和页的排序这包括三个方面的含义 页内的记录是按照主键的大小顺序排成一个单向链表。各个存放用户记录的页也是根据页中用户记录的主键带下顺序排成一个双向链表。存放目录项记录的页分为不同的层次在同一层次中的页也是根据页中 目录项记录的主键大小顺序排成一个双向链表。 B树的叶子节点存储的是完整的用户记录。 所谓完整的用户记录就是指这个记录中存储了所有列的值包括隐藏列。
我们把具有这两种特性的B树称为聚簇索引所有完整的用户记录都存放在这个聚簇索引的叶子节点处。这种聚簇索引并不需要我们在MySQL语句中显式的使用INDEX语句去创建InnoDB存储引擎会自动的为我们创建聚簇索引。
优点
数据访问更快因为聚簇索引将索引和数据保存在同一个B树中因此从聚簇索引中获取数据比非聚簇所以更快聚簇索引对主键的排序查找和范围查找速度非常快按照聚簇索引排列顺序查找显示一定范围数据的时候由于数据都是紧密相连数据库不用从多个数据块中提取数据所以节省了大量的IO操作。
缺点
插入速度严重依赖于插入顺序按照主键的顺序插入是最快的方式否则将会出现页分裂严重影响性能。因此对于InnoDB表我们一般都会定义一个自增的ID列为主键更新主键的代价很高因为将会导致被更新的行移动。因此对于InnoDB表我们一般定义主键为不可更新二级索引访问需要两次索引查找第一次找到主键值第二次根据主键值找到行数据
限制
对于MySQL数据库目前只有InnoDB数据引擎支持聚簇索引而MyISAM并不支持聚簇索引。由于数据物理存储排序方式只能有一种所以每个MySQL的表只能有一个聚簇索引。一般情况下就是该表的主键如果没有定义主键InnoDB会选择非空的唯一索引代替如果没有这样的索引。InnoDB会隐式的定义一个主键来作为聚簇索引。为了充分利用聚簇索引和聚簇的忒性索引InnoDB的主键列尽量选用有序的顺序id而不建议用无序的id比如UUID、MD5、HASH、字符串列作为主键无法保证数据的顺序增长。
3.3.2 二级索引辅助索引、非聚簇索引
上边介绍的聚簇索引只能在搜索条件是主键值时才能发挥作用因为B树种的数据都是按照主键进行排序的。那如果我们想以别的列作为搜索条件该怎么办呢肯定不能是从头到尾沿着链表依次遍历记录一遍。
答案我们可以多建几颗B树不同的B树中的数据采用不同的排序规则。比方说我们用c2列的大小作为数据页、页中记录的排序规则再建一棵B树效果如下图所示 这B树与上边介绍的聚簇索引有几处不同
使用记录c2列的大小进行记录和页的排序这包括三个方面的含义 页的记录是按照c2列的大小顺序排成一个单向链表。各个存放用户记录的页也是根据页中记录的c2列大小顺序排成一个双向链表。存放目录项记录的页分为不同的层次在同一层次中的页也是根据页中目录项记录的c2列大小顺序排成一个双向链表。 B树的叶子节点存储的并不是完整的用户记录而只是c2列页号的搭配。目录项记录中不再是主键页号的搭配而变成了c2列页号的搭配。
所以如果我们现在想通过c2列的值查找某些记录的话就可以使用我们刚刚建好的这个B树了。以查找c2列的值为4为例查找过程如下 确定目录项记录页 根据根界面也就是页44可以快速定位到目录项记录所在的页为页42因为2 4 9。 通过目录项记录页确定用户记录真实所在的页。 在页42中可以快速定位到实际存储用户记录的页但是由于c2列并没有唯一性约束所以c2列值为4的记录可能分布在多个数据页中又因为2 4 所以确定实际存储用户记录的页在页34和页35中。 在真实存储用户记录的页中定位到具体的记录。 到页34和页35中定位到具体的记录。 但是这个B树的叶子节点中的记录只存储了c2和c1也就是主键两个列所以我们必须再根据主键值取聚簇索引中再查找一遍完整的用户记录。
概念回表
我们根据这个以c2列大小排序的B树只能确定我们要查找记录的主键值所以如果我们想根据c2列的值查找到完整的用户记录的话仍然需要到聚簇索引中再查一遍这个过程称为回表。也就是根据c2列的值查询一条完整的用户记录需要使用2棵B树
问题为什么我们还需要一次回表操作呢直接把完整的用户记录放到叶子节点不OK吗
回答
如果把完整的用户记录放到叶子节点是可以不用回表。但是太占地方了相当于每建立一棵B树都需要把所有的用户记录再拷贝一遍这就有点太浪费存储空间了。
因为这种按照非主键列建立的B树需要一次回表操作才可以定位到完整的用户记录所以这种B树也称为二级索引英文名secondary index或者辅助索引。由于我们使用的是c2列的大小作为B树的排序规则所以我们也称这个B树是为c2列创建的索引。
非聚簇索引的存在不影响数据在聚簇索引中的值所以一张表可以有多个非聚簇索引。 小结聚簇索引与非聚簇索引的原理不同在使用上也有一些区别
聚簇索引的叶子节点存储的就是我们的数据记录非聚簇索引的叶子节点存储的是数据位置。非聚簇索引不会影响数据表的物理存储顺序。一个表只能有一个聚簇索引因为只能有一种排序存储的方式但可以有多个非聚簇索引也就是多个索引目录提供数据检索。使用聚簇索引的时候数据的查询效率高但如果对数据进行插入、删除、更新等操作效率会比非聚簇索引低。
3.3.3 联合索引
我们也可以同时以多个列的大小作为排序规则也就是同时为多个列创建索引比方说我们想让B树按照c2和c3列的大小进行排序这个包含两层含义
先把各个记录和页按照c2列进行排序。在记录的c2列相同的情况下采用c3列进行排序
为c2和c3列创建的索引的示意图如下 如图所示我们需要注意以下几点
每条目录项记录都由c2、c3、页号这三个部分组成各条记录先按照c2列进行排除如果记录的c2列相同则按照c3列的值进行排序。B树叶子节点处的用户记录由c2、c3和主键c1列组成。
注意一点以c2和c3列的大小为排序规则建立的B树称为联合索引本质上也是一个二级索引。它的意思与分别为c2和c3列分别创建索引的表述是不同的不同点如下
建立联合索引只会建立如上图一样的1棵B树。为c2和c3分别建立索引会分别以c2和c3列的大小为排序规则建立2棵B树。
3.4 InnoDB的B树索引的注意事项
3.4.1 根界面位置万年不动
前边介绍B树索引的时候为了大家理解上的方便先把存储用户记录的叶子节点都画出来然后接着画存储目录项记录的内节点实际上B树的行程过程是这样的
每当为某个表创建一个B树索引聚簇索引不是认为创建的默认就有的时候都会为这个索引创建一个根节点页面最开始表中没有数据的时候每个B树索引对应的根节点中既没有用户记录也没有目录项记录。随后向表中插入用户记录时先把用户记录存储到这个根节点中。当根节点中的可用空间用完时继续插入记录此时会将根节点中的所有记录复制到一个新分配的也比如页a中然后对这个新页进行页分裂的操作得到另一个新页比如页b。这是新插入的记录根据简直也就是聚簇索引中的主键值二级索引中对应的索引列的值的大小就会被分配到页a或者页b中跟根节点便升级为存储目录项记录的页。
这个过程特别注意的是一个B树索引的根节点自诞生之日起便不会再移动这样只要我们对某个表建立一个索引那么它的根节点的页号便会被记录到某个地方然后凡是InnoDB存储引擎需要用到这个索引的时候都会从那个固定的地方取出根节点的页号从而来访问这个索引。
3.4.2 内节点中目录项记录的唯一性
我们知道B树索引的内节点中目录项记录的内容是索引列 页号的搭配但是这个搭配对于二级索引来说有点不严谨。还拿index_demo表为例假设这个表中的数据是这样的
c1c2c311‘u’31‘d’51‘y’71‘a’
如果二级索引中目录项记录的内容只是索引列 页号的搭配的话那么为c2建议索引后的B树应该长这样 如果我们想新插入一行记录其中c1、c2、c3的值分别是9、1、c那么在修改这个为c2列建立二级索引对应B树时便碰到了个大问题由于页3中存储的目录项记录是由c2列 页号的值构成的页3中的两条目录项记录对应的c2列的值都是1而我们新插入的这条记录的c2列的值也是1那我们这条新插入的记录到底应该放到页4中还是应该放到页5中啊答案是对不起懵了。
为了让新插入记录能找到自己在哪个页中我们需要保证在B树的同一层内节点的目录项记录除页号这个字段以外是唯一的。所以对二级索引的内节点的目录项记录的记录的内容实际上是有三个部分构成的
索引列的值主键值页号
也就是我们把主键值也添加到二级索引内节点中的目录项记录了这样就能保证B树每一层节点中各条目录项记录除页号这个字段外是唯一的所以我们为c2列建议二级索引后的示意图实际上应该是这样子的 这样我们再插入记录(91c)时由于页3中存储的目录项记录是由c2列 主键 页号的值构成的可以先把新记录的c2类的值和页3中各目录项记录的c2l列的值作比较如果c2列的值相同的话可以接着比较主键值因为B树同一层中不同目录项记录的c2列 主键的值肯定是不一样的所以最后肯定能定位唯一的一条目录项记录在本例中最后确定新记录应该被插入页5中。
3.4.3 一个页面最少存储2条记录
一个B树只需要很少的层级就可以轻松存储数亿条记录查询速度相当不错这是因为B树本质上就是一个大的多层级目录每经过一个目录时都会过滤调许多无效的子目录直到最后访问到存储真实数据的目录。那如果一个大的目录中只存放一个子目录是个啥效果呢那就是目录层级非常非常多而且最后的那个存放真实数据的目录中只能存放一条记录。费半天劲只能存放一条真实的用户记录所以InnoDB的一个数据页至少可以存放两条记录。
4. MyISAM中索引方案
4.1 B树索引使用存储引擎如表所示
索引/存储引擎MyISAMInnoDBMemoryB-Tree索引支持支持支持
即使多个存储引擎支持同一种类型的索引但是他们的实现原理也是不通的。InnoDB和MyISAM默认的索引是Btree索引而Memory默认的索引是Hash索引。
MyISAM引擎使用BTree作为索引结构叶子节点的data域存放的是数据记录的地址。
4.2 MyISAM索引的原理
下图是MyISAM索引的原理图。
我们知道InnoDB中索引即数据也就是聚簇索引的那棵B树的叶子节点中已经把所有完整的用户记录都包含了而MyISAM的索引方案虽然也是使用树形结构但是却将索引和数据分开存储
将表中的记录按照记录的插入顺序单独存储在一个文件中称为数据文件。这个文件并不划分为若干个数据页有多少记录就往这个文件中塞多少记录就成了。由于在插入数据的时候没有可以刻意按照主键大小排序所以我们并不能在这些数据上使用二分法查找。使用MyISAM存储引擎的表会把索引信息另外存储到一个称为索引文件的另一个文件中。MyISAM会单独为表的主键创建一个索引只不过在索引的叶子节点中存储的不是完整的用户记录而是主键值 数据记录地址的组合。
MyISAM的索引文件仅仅保存数据记录的地址。在MyISAM中主键索引和二级索引Secondary key)在结构上没有任何区别只是主键索引要求key是唯一的而二级索引的key可以重复。如果我们在Col 2上建立一个二级索引则此索引的结结构图如下 同样也是一颗BTreedata域保存数据记录的地址。因此MyISAM中索引检索的算法为首先按照BTree搜索算法搜索索引如果指定的key存在则取出其data域的值然后以data域的值为地址读取相应数据记录。
4.3 MyISAM与InnoDB对比
MyISAM的索引方式都是“非聚簇”的与InnoDB包含1个聚簇索引是不同的。
小结两种引擎中索引的区别
① 在InnoDB存储引擎中我们只需要根据主键值对聚簇索引进行一次查找就能找到对应的记录而在MyISAM中却需要进行一次回表操作以为着MyISAM中建立的索引相当于全部都是二级索引。
② InnoDB的数据文件本身就是索引文件而MyISAM索引文件和数据文件是分离的索引文件仅保存数据记录的地址
③ InnoDB的非聚簇索引data域存储响应记录主键的值而MyISAM索引记录的是地址。换句话说InnoDB的所有非聚簇索引都应用主键作为data域。
④ MyISAM的回表操作是十分快速的因为是拿着地址偏移量直接到文件中取数据的反观InnoDB是通过获取主键之后再去聚簇索引里找记录虽然说也不满但还是比不上直接用地址去访问。
⑤ InnoDB要求表必须有主键MyISAM可以没有。如果没有指定显示指定则MySQL系统会自动选择一个可以非空且唯一表示数据记录的列作为主键。如果不存在这种列则MySQL自动为InnoDB表生成一个隐含字段作为主键这个字段长度为6个字节类型为长整型。
小结
了解不同存储引擎的索引实现方式对于正确使用和优化索引都非常有帮助。比如
举例1知道了InnoDB的索引实现后就很容易明白为什么不建议使用过长的字段作为主键,因为所有二级索引都引用主键索引过长的主键索引会令二级索引变得过大。
举例2用非单调的字段作为主键在InnoDB中不是个好主意因为InnnoDB数据文件本身是一棵BTree非单调的主键会造成在插入新记录时数据文件为了维持BTree的特性而频繁的分裂调整十分抵消而使用自增字段作为主键是一个很好的选择。 5. 索引的代价
索引是好东西可不能乱建它在空间和时间上都会有消耗 空间上的代码 每建立一个索引都要为它建立一棵B树每一棵B树的每一个节点都是一个数据页一个页默认会占用16KB的存储空间一棵很大的B树由许多数据页组成那就是很大的一片存储空间。 时间上的代价 每次对表中的数据进行增、删、改操作时都需要去修改各个B树索引。而且我们讲过B树每层节点都是按照索引列的值从小到大的顺序排序而组成了双向链表。不论是叶子节点中的记录还是内节点中的记录也就是不论是用户记录还是目录项记录都是按照索引列的值从小到大的顺序而形成了一个单向链表。而增、删、改操作可能会对节点和记录的排序造成破坏所以存储引擎需要额外的时间进行记录移位页面分裂、页面回收等操作来维护好节点和记录的排序。如果我们建了许多所以每个索引对应的B树都要进行相关的维护操作会给性能拖后腿。 一个表上索引建的越多就会占用越多的存储空间在增删改记录的时候性能就越差。为了能建立又好又少的索引我们需要学习这些索引在哪些条件下起作用的。 6 MySQL数据结构选择的合理性
从MySQL的角度讲不得不考虑一个现实问题就是磁盘I/O。如果我们能让索引的数据结构尽量减少磁盘的I/O操作锁消耗的时间也就越小。可以说磁盘的I/O操作次数对索引的使用效率至关重要。
查找都是索引操作一般来说索引非常大尤其是关系型数据库当数据量比较大的时候索引的大小有可能几个G甚至更多为了减少索引在内存的占用数据库索引是存储在外部磁盘上的。当我们利用索引查询的时候不可能把整个索引全部加载到内存只能逐一加载那么MySQL衡量查询效率的标准就是磁盘IO次数。
6.1 全表遍历
。。。。。。。
6.2 Hash结构
Hash本身是一个函数又被称为散列函数它可以帮助我们大幅体会是能检索数据的效率。
Hash算法是通过某种确定的算法(比如MD5、SHA1、SHA2、SHA3) 将输入转变为输出。相同的输入永远可以得到相同的输出假设输入内容有微小偏差在输出中通常会有不同的结构。
举例如果你想要验证两个文件是否相同那么你不需要把两份文件直接拿来比对只需要让对方把Hash函数计算得到的结果告诉你即可然后在本地同样对文件进行Hash函数的运算最后通过比较这两个Hash函数的结构是否相同就可以知道这两个文件是否相同。
加速查找速度的数据结构常见的有两类
1树例如平衡二叉搜索树查询/插入/修改/删除的平均时间复杂度都是O(log2N)
2哈希例如HashMap查询/插入/修改/删除的平均时间复杂度都是O(1) 采用Hash进行检索效率非常高基本上一次检索就可以周到数据而B树需要自顶向下依次查找多次访问节点才能找到数据中间需要多次I/O操作从效率来说Hash比 B树更快。
在哈希的方式下一个元素K处于h(k)中即利用哈希函数h根据关键字k计算出槽的位置。函数h将关键字域映射到哈希表[0…m-1]的槽位上 上图中哈希函数h有可能将两个不同的关键字映射到相同的位置这叫做碰撞在数据库中一般采用链接法来解决。在链接法中将散列在同一槽位的元素放在一个链表中如下图所示 Hash结构效率高那为什么索引结构要设计成树形呢
原因1Hash索引仅满足)和IN查询。如果进行范围查询哈希型的索引时间复杂度会退化为O(n);而树形的“有序”特性依然能够保持O(log2N)的高效率。
原因2Hash索引还有一个缺陷数据的存储是没有顺序的在ORDER BY的情况下使用Hash索引还需要对数据重新排序。
原因3: 对于联合索引的情况Hash值是将联合索引合并后一起来计算的无法对单独的一个键或者几个索引健进行查询。
原因4对于等值查询来说通常Hash索引的效率更高不过也存在一种情况就是索引列的重复值付过很多效率就会降低。这是因为遇到Hash冲突时需要遍历桶中的行指针来进行比较找到查询的关键字非常耗时。所以Hash索引通常不会用到重复值多的列上比如列为性别、年龄的情况等。
*Hash索引使用存储引擎如表所示
索引/存储引擎MyISAMInnoDBMemory·HASH索引不支持不支持支持
Hash索引的适用性
Hash索引存在着很多限制相比之下在数据库中B树索引的使用面更广不过也有一些场景采用Hash索引效率更高比如在键值型Key-Value数据库中Redis存储的核心就是Hash表。
MySQL中Memory存储引擎支持Hash索引如果我们需要用到查询的临时表是就可以选择Memory存储引擎把某个字段设置为Hash索引比如字符串了类型的字段进行Hash计算之后长度可以缩短到资格字节当字段的重复度低并且经常需要进行等值查询的时候采用Hash索引是个不错的选择。
另外InnoDB本身不支持Hash索引但是提供自适应Hash索引Adaptive Hash Index)。什么情况下才会使用自适应Hash索引呢如果某个数据经常被访问当满足一定条件的时候就会将这个数据页的地址存放到Hash表中。这样下次查询的时候就可以直接找到这个页面的所在位置。这样让B树也具备了Hash索引的优点。 采用自适应Hash索引目的是方便根据SQL的查询条件加速定位叶子节点特别是当B树比较深的时候通过自适应Hash索引可以明显提高数据的检索效率。
我们可以通过innodb_adaptive_hash_index变量来查看是否开启了自适应Hash比如
show variables like innodb_adaptive_hash_index;6.3 二叉搜索树
如果我们利用二叉树作为索引结构那么磁盘的IO次数和索引树的高度是相关的。
如果我们利用二叉树作为索引结构那么磁盘的IO次数和索引树的高度是相关的。
1. 二叉搜索树的特点
一个节点只能有两个子节点也就是一个节点度不能超过2左子节点 本节点; 右子节点 本节点比我大的向右比我小的向左
2. 查找规则
我们先来看下最基本的二叉搜索树Binary Search Tree)搜索某个节点和插入节点的规则一样我们假设搜索插入的数值为key:
如果key大于根节点则在右子树中进行查找如果key小于根节点则在左子树中进行查找如果key等于根节点也就是找到了这个节点返回根节点即可。
举个例子我们对数列34,22,89,5,23,77,91创造出来的二分查找树如下图所示 但是存在特殊的情况就是有时候二叉树的深度非常大比如我们呢给出的数据顺序是5,22,23,34,77,89,91创造出来的二分搜索树如下图所示 上面第二棵树也属于二分查找树但是性能上已经退化成了一条链表查找数据的时间复杂度变成了0(n)。你能看出来第一颗树的深度是3也就是说最多只需3次比较就可以找到节点而第二个树的深度是7最多需要7次比较才能找到节点。
为了提高查询效率就需要减少磁盘IO数。为了减少磁盘IO的次数就需要尽量降低树的高度需要把原来瘦高的树结构变成矮胖.树的每层的分叉越多越好。
6.4 AVL树 平衡二叉搜索树
为了解决上面二叉查找树退化成链表的问题人们提出了平衡二叉搜索树(Balanced Binary Tree)又称为AVL树(有别于AVL算法)它在二叉搜索树的基础上增加了约束具有以下性质
它是一棵空树或它的左右两个子树的高度差的绝对值不超过1并且左右两个子树都是一棵平衡二叉树。
常见的平衡二叉树有很多种包括了平衡二叉搜索树、红黑树、数堆、伸展树。平衡二叉搜索树是最早提出的自平衡二叉搜索树当我们提高平衡二叉树时一般指的就是平衡二叉搜索树。事实上第一颗树就属于平衡二叉搜索树搜索时间复杂度就是O(log2n)。
数据查询的时间主要依赖于磁盘I/O的次数如果我们采用二叉树的形式即使通过凭证二叉搜索树进行了改进树的深度也是O(log2n)当n比较大时深度也是比较高的比如下图的情况 每访问一次节点就需要进行一次磁盘I/O操作,对于上面的树来说我们需要进行5次I/O操作。虽然平衡二叉树的效率高但是树的深度也同样高这就意味着磁盘I/O次数多会影响整体数据查询的效率。
针对同样的数据如果我们把二叉树M叉树M 2呢当M 3 时同样的31个结点可以由下面的三叉树来进行存储 你能看到此时树的高度降低了当数据量N大的时候以及树的分叉树M大的时候M叉树的高度会远小于二叉树的高度M 2)。所以我们需要把树从“瘦高”变成“矮胖”。
6.5 B-Tree
B树的英文是Balance Tree就是多路平衡查找树。简写为B-Tree注意横杆表示这两个单词连起来的意思不是减号。它的高度远小于平衡二叉树的高度。
B树的结构如下图所示 B树作为多路平衡查找树它的每一个节点最多可以包含M个子节点M称为B树的阶。每个磁盘块中包括了关键字和子节点的指针。如果一个磁盘块中包括了x个关键字那么指针就是x 1。对于一个100阶的B树来说如果有3层的话最多可以存储约100万的索引数据。对于大量的索引数据来说采用B树的结构是非常合适的因为树的高度远小于二叉树的高度。
一个M阶的B树M 2有以下的特性
跟节点的儿子数的范围是[2,M]。每个中间节点包含k-1个关键字和k个孩子孩子的数量 关键字的数量 1, k的取值范围为[ceil(M/2)],叶子节点包括k - 1 个关键字叶子节点没有孩子k的取值范围为[ceil (M/2),M]。假设中间节点的关键字为Key[1], key[2],…,key[k-1]且关键字按照升序排序即key[i] key[i 1]。此时k - 1 关键字相当于划分了k个范围也就是对应着k个指针即为P[1]P[2]…, P[k]其中P[1]指向关键字小于Key[1]的子树p[i]指向关键字属于Key[i - 1]Key[i]的子树P[i]指向关键字属于Key[i - 1] Key[i]的子树。P[k]指向关键字大于Key[k - 1]的子树。所有叶子节点位于同一层。
上面的那张图所表示的B树就是一棵3阶的B树。我们可以看下磁盘块2里面的关键字为8,12,它有3个孩子3,59.10和13,15,你能看到3,5小于89,10在8和12之间而13,15)大于12刚好符合刚才我们给出的特征。
然后我们来看下如何用B树进行查找。假设我们想要查找的关键字是9那么步骤可以分为一下几步
我们与根节点的关键字17,35进行比较9小于17那么得到指针P1;按照指针P1找到磁盘块2关键字为8,12,因为9在8和12之间所以我们得到指针P2;按照指针P2找到磁盘块6关键字为9,10然后我们找到了关键字9。
你能看出来在B树的搜索过程中我们比较的次数并不少但如果把数据读取出来然后在内存中进行比较这个时间就是可以忽略不计的。而读取磁盘块本身需要进行I/O操作消耗的时间比在内存中进行比较所需要的时间要多是数据查找用时的重要因素。B树相当于比平衡二叉树来说磁盘I/O操作要少在数据查询中比平衡二叉树效率要高。所以只要树的高度足够低,IO次数足够少就可以提高查询性能。
小结
B树在插入和删除节点的时候如果导致树不平衡就通过自动调整节点的位子来保持树的自平衡。关键字集合分布在整棵树中即叶子节点和非叶子节点都存放数据。搜索有可能在非叶子节点结束。其搜索性能等价于在关键字全集内做一次二分查找。
再举例 6.6 B树
B树也是一种多路搜索树基于B树做出了改进主流的DBMS都支持B树的索引方式比如MySQL。相比于B-TreeBTree适合文件索引系统。
MySQL官网说明 B树和B树的差异在于以下几点
有k个孩子节点就有k个关键字。也就是孩子数量 关键字数而B树中孩子数量 关键字数 1.非叶子节点的关键字也会同时存在在子节点中并且是在子节点中所有关键字的最大或最小。非叶子节点仅用于索引不保存数据记录跟记录有关的信息都放在叶子节点中。而B树中非叶子节点既保存索引也保存数据记录。所有关键字都在叶子节点出现叶子节点构成一个有序链表而且叶子节点本身按照关键字的大小从小到大顺序链接。
下图就是一棵B树阶数为3根节点中的关键字1、18、35分别是子节点1,8,14,(18,24,31)和35,41,53中最小值每一层父节点的关键字都会出现在下一层的子节点的关键字中因此在叶子节点中包括了所有的关键字信息并且每一个叶子节点都有一个指向下一个节点的指针这样就形成了链表。
整个过程一共进行了3次I/O操作看起来B树和B树查询过程差不多但是B树和B树有个根本的差异在于B树的中间节点并不直接存储数据。这样的好处都有什么呢
首先B树查询效率更稳定。因为B树每次只有访问到叶子节点才能找到对应的数据而在B树中非叶子节点也会存储数据这样就会造成查询效率不稳定的情况有时候访问到了非叶子节点就可以找到关键字而有时需要访问到叶子节点才能找到节点关键字。
其次B树的查询效率更高。这是因为通常B树比B树更矮胖阶树更大深度更低查询所需要的磁盘I/O也会更少。同样的磁盘页大小B树可以存储更多的节点关键字。
不仅是对单个关键字的查询上在查找范围上B树的效率也比B树高。这是因为所有关键字都出现在B树的叶子节点中叶子节点之间会有指针数据又是递增的这使得我们范围查找可以通过指针连接查找。而在B树种则需要通过中序遍历才能完成查找范围的查找效率要低很多。 B树和B树都可以作为索引的数据结构在MySQL中采用的是B树。 但B树和B树各有自己的应用场景不能说B树完全比B树好反之亦然。 思考题为了减少IO索引树会一次性加载吗 1、数据库索引是存储在磁盘上的如果数据量很大必然导致索引的大小也会很大超过几个G。 2、当我们利用索引查询时候是不可能将全部几个G的索引都加载进内存的我们能做的只能是逐一加载每一个磁盘页因为磁盘页对应着索引树的节点。 思考题B树的存储能力如何?为何说一般查找行记录最多只需1~3次磁盘IO InnoDB存储引擎中页的大小为16KB一般表的主键类型为INT(占用4个字节)或BIGINT占用8个字节指针类型也一般为4或8个字节也就是说一个页BTree中的一个节点中大概存储16KB/(8B 8B) 1k个键值因为是估值为方便计算这里的K取值为10 ^ 3。也就是说一个深度为3的BTree索引可以维护 10 ^ 3 * 10^3 * 10^3 10亿条记录。这里假定一个数据页也存储10 ^ 3条行记录数据了 实际情况中每个节点可能不能填充满因此在数据库中BTree的高度一般都在2~4层。MySQL的InnoDB存储引擎在设计时是将根节点常驻内存的也就是说查找某一键值的行记录时最多只需要1~3次磁盘I/O操作。 思考题为什么说B树比B-树更适合实际应用中操作系统的文件索引和数据库索引 1、B树的磁盘读写代价更低 B树的内部节点并没可有指向关键字具体信息的指针。因此其内部节点相对B树更小。如果把所有同一内部节点的关键字存放到同一盘块中那么盘块所能容纳的关键字数量也越多。一次性读入内存中需要查找的关键字也就越多。相对来说IO读写次数也就降低了。 2、B树查询效率更加稳定 由于非终结点并不是最终指向文件内容的节点而只是叶子节点中关键字的索引。所以任何关键字的查找必须走一条从根节点到叶子节点的路。所有关键字查询的路径长度相同导致每个数据的查询效率相当。 思考题Hash索引与B树索引的区别 1、Hash索引不能进行范围查找而B树可以。这是因为Hash索引指向的数据是无序的而B树的叶子节点是个有序的链表。 2、Hash索引不支持联合索引的最左侧原则即联合索引的部分索引无法使用而B树可以。对于联合索引来说Hash索引在计算Hash值的时候是将索引健合并后再一起计算Hash值所以不会针对每个索引单独计算Hash值。因此如果用到联合索引的一个或者几个索引时联合索引无法被利用。 3、Hash索引不支持ORDER BY排序因为Hash索引指向的数据是无序的因此无法起到排序优化的作用而B树索引数据是有序的可以起到对该字段ORDER BY排序优化的作用。同理我们也无法用Hash索引进行模糊查询,而B树使用LIKE进行模糊查询的时候LIKE后面后模糊查询比如%结尾的话就可以起到优化作用。 4、InnoDB不支持哈希索引 思考题Hash索引与B树索引是在建索引的时候手动指定的吗 如果使用的是MySQL的话我们需要了解MySQL的存储引擎都支持哪些索引结构如下图所示参考来源https://dev.mysql.com/doc/refman/8.0/en/create-index.html。如果是其他的DBMS可以参考相关的DBMS文档。 你能看到针对InnoDB和MyISAM存储引擎都会默认采用B树索引无法使用Hash索引。InnoDB提供的自适应Hash是不需要手动指定的。如果是Memory/Heap和NDB存储引擎是可以进行选择Hash索引的。 6.7 R树
R-Tree在MySQL很少使用仅支持geometry数据类型,支持该类型的存储引擎只有MyISM、bdb、InnoDB、ndb、archive几种。举个R树在现实领域中能解决的例子查找20英里以内所有的餐厅。如果没有R树你会怎么解决一般情况下我们会把餐厅的坐标x,y)分为两个字段存放在数据库中一个字段记录经度另一个字段记录纬度。这样的话我们就需要遍历所有的餐厅获取其位置信息然后计算是否满足要求。如果一个地区有100家餐厅的话我们就要进行100次位置计算操作了如果应用到谷歌、百度地图这种超大数据库中这种方法变必定不可行了。R树就很好的解决了这种高纬空间搜索问题。它把B树的思想很好的拓展到了多维空间采用了B树分割空间的思想并在添加、删除操作时采用合并、分解节点的方法保证树的平衡性。因此R树就是一棵用来存储高维数据的平衡树。相对于B-TreeR-Tree的优势在于范围查找。
索引/存储引擎MyISAMInnoDBMemoryR-Tree索引支持支持不支持
6.8 小结
使用索引可以帮助我们从海量的数据中心快速定位想要查找的数据不过索引也存在一些不足比如占用存储空间、降低数据库写操作的性能等如果有多个索引还会增加索引选择的时间。当我们使用索引时需要平衡索引的利提升查询效率和弊(维护索引所需的代价)。
在实际工作中我们还需要基于需求和数据本身的分布情况来度额定是否使用索引尽管索引不是万能的但数据量大的时候不使用索引是不可想象的毕竟索引的本质是帮助我们提升数据检索的效率。
