标签：结点 存储 笔记 查询 叶子 索引 MySql 数据

索引是什么

    索引：对数据库表中的一列或者多列数据进行排序的一种结构。使用索引可以快速查询数据库表中的特定信息。

存储引擎都用了哪些索引

      InnoDB:B+树索引，叶子结点保存的是完整的数据记录。

      Memory:hash索引。

      MyISAM:B+树索引，叶子结点保存的是数据记录的地址。

为什么InnoDB存储引擎底层数据结构使用B+树，而不是B树？

• 数据结构的角度

• 哈希表，HashMap：会出现哈希冲突的问题，如果使用这种结构，那么就需要设计很好的避免哈希冲突的算法，保证数据尽可能的更加的散列；使用这种数据结构要一次性申请很多的内存，比较浪费内存空间；在查找数据的时候，需要进行挨个的匹配，不适合进行范围查询。

• 二叉树/二叉搜索树：在数据全部是升序或者降序的时候，二叉树就退化成了链表，查询数据比较慢。

• 二叉平衡树：通过左旋、右旋和双旋的操作，使得树尽量保持平衡；这样一来，查询的性能就能够提升，但是如果需要频繁的插入操作，不断的通过旋转来调整树结构，那么插入的效率就会降低。

• 使用各种类型的二叉树存储数据的时候，每个结点只能保存一个数据，如果需要插入更多的数据的话，那么只能通过增加树的深度来保存数据，但是加深数据的深度在操作数据库的时候IO次数就会增多。

• 为什么树越深，IO次数越多？在读取数据的时候，需要磁盘预读，使用树结构的时候，每次读取数据都是4k，但是每一个结点存储的都是一条数据，这样就造成了空间的浪费。

• 读取数据时的两个概念B树：我们考虑每一个结点多保存一些数据，二叉树变成多茶树的结构，这样一来就可以降低树的深度；每一个结点可以多存放几个结点，结点中的值保存key和value。B树存储数据多，可能树高会高一些，IO效率低。B+树IO次数少。

  • 局部性原理：数据和程序都有聚集成群的倾向，之前被访问过的数据很可能再次被访问到
  • 磁盘预读：内存与磁盘进行交互的时候有一个最小的逻辑单元：页，一般是由操作系统决定他都多大（4k/8k）,数据交互的时候可以取页的整数倍进行读写。InnoDB每次读取16K。

• B+树：在创建索引的时候，尽量给整型的数据创建索引，因为整型占用的字节数小；B+树的非叶子结点只是存储了key值，value由叶子结点保存，叶子结点保存了这些key和对应的value；千万级别的数据可能树能够达到3-4层，尽量不要多于3层，多一层就会增加更多的内存占用，多出来一点内存占用其实影响很大，多个人并发操作的时候，相当于每个人在请求的时候都多出来这么多内存；主键最好是自增的，在插入数据的时候，树的结构不容易发生很大的变化，如果不是自增的数据可能造成树的结构发生改变，增加索引维护的成本。

• 数据库的角度

• 存储引擎：不同的存储引擎表示了不同的文件在磁盘上面的表现形式（不同的存储引擎数据的存储形式不同）。

• InnoDB B+树索引：非叶子结点放入的key值，叶子结点放入的key值和整行的行记录。其数据文件和索引文件是放在一起的。在存储数据的时候必然会有一个key作为聚簇索引，可能是主键，唯一键，或者rowid（rowid占6个字节）

• MyISAM B+树索引：非叶子结点放入的key值，叶子结点放入的是存储文件的一个地址。其数据文件和存储文件是分开存放的。MyISAM中没有聚簇索引。

• B+树是B树的变种，B+树的非叶子结点只用来保存索引，不存储数据，所有的数据都保存在叶子节点上。而B树的非叶子结点也会保存数据。B+树的查询效率更加的稳定，都是从根节点到叶子结点。

• B+树的内部节点没有指向关键字具体信息的指针，其内部节点相对于B树来说更小，同样的空间可以读入更多的节点，B+树磁盘读写代价更低。

• 聚簇索引与非聚簇索引　　

  • 聚簇索引：索引树的叶子结点存储的是整行数据，一个表只能有一个聚簇索引；数据和索引是一起存放的，聚簇索引的key值可以是主键、唯一键或者rowid。

  • 非聚簇索引：普通索引，叶子结点存储的是主键的值；在InnoDB中，非聚簇索引也叫做二级索引；如果创建了一个普通索引，那么叶子结点中存放的值是聚簇索引的key值。

索引分类

　 数据库：哈希索引，全文索引，空间索引，B+树索引

    InnoDB存储引擎：单列索引，主键索引（聚簇索引），唯一索引，联合索引

    经常进行查询的数据，并且很少进行修改的数据适合创建索引。在插入数据的时候会重新创建索引树，对性能会造成一定的影响。

相关名词

回表

    主键查询方式：搜索主键索引树，其叶子结点保存了整行数据记录，直接获取即可。

    普通查询方式：首先搜索普通索引树，得到对应的主键值，然后根据主键值去主键索引树中在搜索数据，即可获得相应的数据，这个过程就是回表，普通索引树上没有相应的数据，需要回表到主键索引树中在查询一次。回表操作增加了IO次数。

索引覆盖

    查询结果中的字段是索引字段的子集，这个就是覆盖索引。如果顺序不一样的时候，底层优化器会进行优化。

    如果在普通索引树上的查询已经直接提供了结果，不需要进行回表的操作，这样的普通索引就叫做覆盖索引。覆盖索引可以有效的提高查询的效率，是常见的MySql性能优化的手段。

最左匹配

    在联合索引的情况下，不需要定义全部的索引，只要索引满足最左前缀，索引就可以生效，可以利用索引提高查询效率。

索引下推

      MySql5.6之后引入了索引下推优化，在索引遍历的过程中，对索引中包含的字段优先做判断，直接过滤掉不满足条件的记录，减少回表的次数，提高查询的效率。

select * from table where name=? and age=?

    如果没有索引下推：数据存储在存储引擎中，server层负责数据的筛选，先根据name的值从存储引擎中把符合条件的过滤出来，然后在server层对age进行筛选。

    有索引下推：可以直接根据name和age的值从存储引擎中进行筛选数据，不需要在server层中做任何的处理。减少了server层和存储引擎之间的IO次数，回表的次数也减少了。

MySql逻辑架构

• server层

  • 连接器：验证客户端权限，建立和断开MySql连接
  • 分析器：进行Sql语句的语法分析
  • 优化器：选择索引，生成具体的Sql语句执行计划
  • 执行器：操作存储引擎，执行Sql，返回执行结果

• 存储引擎层：各个不同的存储引擎都提供了一套读写接口来操作数据库

Sql执行计划

    explain分析执行计划

    show profile分析Sql

索引优化

• explain分析执行计划

• 慢查询日志

  • 数据库层面可以看日志
  • MyBatis-Plus插件

• 避免索引失效

  • 全值匹配：对索引中的具体的列都指定具体的值；进行查询的时候联合索引中的每一个索引都有值；
  • 最左索引法则
  • 尽量使用覆盖索引，避免使用select *
  • 回表查询
  • 通过覆盖索引解决like模糊查询索引失效
  • in走索引，not in索引失效

• 索引失效

  • 违背最左索引法则
  • 范围查询
  • 索引列有运算操作
  • 字符串不加单引号
  • 使用or分割条件，or前面有索引列，后面没有
  • %开头的模糊查询
  • is null，is not null可能会失效，全表扫描块全表扫描，否则就走索引

 

标签：结点,存储,笔记,查询,叶子,索引,MySql,数据
来源： https://www.cnblogs.com/zut-syp/p/15313179.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。