「前言」文章内容大致是MySQL索引的学习。

「归属专栏」MySQL

「主页链接」个人主页

「笔者」枫叶先生(fy)

一、索引概念

• 如果没有索引，那么在查询数据时是直接一条条遍历表中的数据，那么查询的时间复杂度将会是O(N)
• 如果数据库表有索引，就能提高海量数据的检索速度，就能大大提高查找的效率
• 索引概念：索引是指对数据库中的数据进行结构化的组织和管理，以提高数据的检索效率。
• 索引的本质就是一种数据结构

MySQL是一款网络服务器，MySQL服务端是一直在内存中，MySQL客户端的CURD操作都会交给MySQL的服务端完成，即MySQL的所有CURD操作都是在内存中进行的，即索引也是在内存中的进行的。

比如，假设数据库组织数据的方式是线性的，查询的时间复杂度将会是O(N)；如果数据库组织数据的方式是以二叉树的，那么查询的时间复杂度将会大大降低。

所以，索引虽然提高了数据的查询速度，但在一定程度上也会降低数据增删改的效率，因为这时在对表中的数据进行增删改操作时，除了需要进行对应的增删改操作之外，可能还需要对底层建立的数据结构进行调整维护，维护结构是需要成本的。

即查询速度的提高是以插入、更新、删除的速度为代价的

常见的索引分为：

• 主键索引（primary key）
• 唯一索引（unique）
• 普通索引（index）
• 全文索引（fulltext）

先见一见索引

使用如下SQL创建一个海量数据表

drop database if exists `index_demon`;
create database if not exists `index_demon` default character set utf8;
use `index_demon`;-- 构建一个8000000条记录的数据
-- 构建的海量表数据需要有差异性，所以使用存储过程来创建-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;-- 产生随机数字
delimiter $$
create function rand_num( )
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;-- 创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;-- 雇员表
CREATE TABLE `EMP` (`empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',`ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',`job` varchar(9) DEFAULT NULL COMMENT '雇员职位',`mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',`hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',`sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',`comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',`deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

上述SQL中创建了一个名为index_demon的数据库，在该数据库中创建了一个名为EMP的员工表，并向表当中插入了八百万条记录。

将上述的SQL语句保存在一个文件中，然后MySQL中使用source命令执行文件中的SQL

等待SQL语句执行完成（时间有点久）

查看数据库就能看到一个名为index_demon的数据库

在查看EMP表中的数据时可以带上limit子句（数据量太大）

查询EMP表中指定工号的员工信息（该表没有索引），每次查询都要花费几秒进行查询（在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机）

下面给该表创建索引

再查询EMP表中指定工号的员工信息，发现查询的效率大大提高了

根据实验结果，发现索引能大大提高查询数据的效率，这就是索引的价值所在。

二、从硬件角度理解

2.1 磁盘

• MySQL给用户提供存储服务，存储的数据在磁盘这个外设当中
• 磁盘是计算机中的一个机械设备，相比于计算机的其他电子元件，磁盘的效率是比较低的
• 而如何提高效率是MySQL的一个重要话题，因此我们有必要了解一下磁盘的相关内容

磁盘在该文章有详细介绍，文章链接：点击传送，这里就简单说一下概念

磁盘的整体结构如下：（物理结构）

磁盘的存储结构

• 磁道（Tracker）：磁盘表面被分为许多同心圆，每个同心圆称为一个磁道，每个磁道都有自己的编号
• 柱面（Cylinder）：多个磁盘的同一个磁道重叠起来叫做磁柱
• 磁面（Head）：一个盘面，每个盘面都有自己的编号
• 扇区（Sector）：磁道的一个扇形区，每个扇区都有自己的编号

磁盘的基本读写单位是扇区，扇区大小一般是 512字节（512byte） ，每个盘片被分为若干个同心圆，每一个同心圆就是一个磁道，而每个磁道被划分为若干个扇区，每个扇区的大小都是 512字节

注意：近三十年来，扇区大小一直是512字节，但最近几年正在迁移到更大、更高效的4096字节扇区，通常称为4K扇区

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)

比如：数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件

在该目录下存储着mysql的文件

 ls /var/lib/mysql

新建一个数据库，本质上就是在该目录下创建一个目录（图中颜色没有高亮，普通用户查看）

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区

而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的

扇区的定位方式

定位扇区时采用CHS寻址方式

注：通过 柱面Cylinder —— 磁头Head —— 扇区Sector进行寻址，这种寻址方法为 CHS寻址

说明一下：

• CHS寻址方式是磁盘定位扇区的方式，但实际CHS寻址方式对磁盘以外的设备来说没什么作用，因此系统软件在定位磁盘上的数据时采用的是LBA（LogicalBlock Address，逻辑区块地址）
• LBA是描述计算机存储设备上数据所在区块的通用机制，LBA和CHS之间可以通过计算公式进行相互转换，LBA存在的意义就是对底层逻辑器件进行虚拟化，让系统软件可以不用关心底层硬件具体的寻址方式，而实际底层硬件采用的还是CHS寻址方式

注：以上在磁盘篇章有详细介绍，这里就不再谈论。

2.2 结论

操作系统与磁盘交互的基本单位

操作系统与磁盘进行IO交互的基本单位是4KB，而不是扇区的大小512字节，原因如下：

• 操作系统与磁盘进行IO交互时，如果直接以扇区的大小作为IO的基本单位，那么这时系统的IO代码和硬件就是强相关的，将来当硬件的扇区大小发生变化时就需要对应修改操作系统的IO代码
• 此外，以扇区的大小作为IO的基本单位太小了，这就意味着读取同样的数据内容，需要进行更多次的磁盘访问，而磁盘的效率是比较低的，这样IO效率就降低了
• 即以下两个点：
• 不想让 OS 的代码和硬件强耦合，实现硬件和系统的解耦
• 操作系统与磁盘以4KB作为IO交互的基本单位，是为了提高IO效率（局部性原理）

磁盘随机访问(Random Access)与连续访问(Sequential Access)

• 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。
• 连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问

因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问

连续访问中的连续指的是访问的扇区地址的连续，而不是访问时间的连续，由于连续访问不需要过多的定位，因此效率比较高

三、从软件角度理解

MySQL与磁盘交互的基本单位

MySQL作为一款应用软件，可以想象成是一种特殊的文件系统，它有着更高频的IO场景，因此为了提高基本的IO效率，MySQL与磁盘交互的基本单位是16KB

通过show命令查看系统中的全局变量，可以看到InnoDB存储引擎交互的基本单位是16KB

mysql> show global status like 'innodb_page_size';

注：后面统一使用InnoDB存储引擎进行讲解

也就是说，磁盘这个硬件设备的基本单位是512字节，而 MySQL InnoDB引擎 使用 16KB 进行IO交互。即， MySQL 和磁盘进行数据交互的基本单位是16KB。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分）

Buffer Pool

• 实际上MySQL服务器在启动的时候会预先申请一块内存空间来进行各种缓存，这块内存空间叫做Buffer Pool，后续磁盘中加载的数据就会保存在Buffer Pool中，刷新数据时也就是将Buffer Pool中的数据刷新到磁盘
• 然而，OS是有内核缓冲区的。
• 因此MySQL从磁盘读取数据时，需要先将数据从磁盘读取到内核缓冲区，再将数据从内核缓冲区读取到Buffer Pool，MySQL将数据刷新到磁盘时，同样需要先将数据从Buffer Pool刷新到内核缓冲区，再将数据从内核缓冲区刷新到磁盘。

四、共识

为了方面下面理解，我们需要有以下共识：

• MySQL 中的数据文件，是以page为单位保存在磁盘当中的（MySQL的page）
• MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中
• 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。
• 而这时，就涉及到磁盘和内存的数据交互，也就是IO了，而此时IO的基本单位就是Page
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。
• 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数

五、索引的理解

5.1 一个现象和结论

建立一个测试表，表当中包含用户的id、年龄和姓名，并将用户的id设置成主键

create table if not exists user (
id int primary key, -- 一定要添加主键，只有这样才会默认生成主键索引
age int not null,
name varchar(16) not null
);

然后插入多条记录，并且插入数据时没有按照主键的大小顺序插入，即乱序插入

insert into user (id, age, name) values(3, 18, '张三');
insert into user (id, age, name) values(4, 16, '李四');
insert into user (id, age, name) values(2, 26, '王五');
insert into user (id, age, name) values(5, 36, '赵六');
insert into user (id, age, name) values(1, 56, '田七');

插入完成后，查看表中的数据时，却发现显示出来的数据是按照主键进行有序排列的

引入主键之后，插入的数据自动按照主键排序这个排序工作是谁做的，为什么要这么做？

• 这个排序工作是MySQL自己做的，进行排序的目的是为了方便引入目录（下面谈）

重谈MySQL的page，MySQL与磁盘进行交互时为什么不是按需交互，而是以Page为基本单位进行交互（16KB）？

• 比如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO
• 但是，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录)，那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。
• 往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。
• 所以，就在单Page里面，就可以大大减少IO的次数
• 往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数导致IO效率低下

怎么保证，用户一定下次找的数据，就在这个Page里面？

• 这个是无法保障的，但是用户要找的数据会有很大的概率会在这个page里面（局部性原理）
• 局部性原理：当一个数据正在被访问时，那么下一次有很大可能会访问其周围的数据
• 如果局部性原理没有起作用，那就再把对应的Page加载到内存当中即可

综上，MySQL与磁盘进行交互时以Page为基本单位，可以减少与磁盘IO交互的次数，进而提高IO的效率

5.2 对Page进行建模

• MySQL中要管理很多数据文件，在运行期间一定有大量的Page需要被换入换出，因此MySQL一定需要将内存中大量的Page管理起来
• 要管理MySQL内部的所有的Page，就需要对Page进行先描述，再组织
• 所以，不能简单认为Page就是一个内存块，Page内部也必须写入对应的管理信息

对Page进行建模如下：

struct page
{struct page *next;struct page *prev;char buffer[NUM];
}
// 一个Page大小16KB

不同的Page ，在 MySQL 中，都是16KB ，都是使用prev和next指针构成双向链表，从而用链表的形式对Page进行了管理

假设测试表中的记录都在同一个Page当中，那么该Page的结构大致如下：

• 每个Page结构体内部的数据会按照主键进行排序，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。目的是为了优化数据查询的效率
• 只要设置了主键，即便向表中插入的数据是乱序的，MySQL底层也会自动按照主键对插入的数据进行排序（创建了主键便是使用了索引，后序谈）

单个Page内创建页内目录（引入页目录）

• Page结构体内部存储的数据记录是以单链表的形式组织起来的。当页内部的数据量增多时，如果直接进行线性遍历，会导致效率低下。为了提高查询效率，可以在Page结构体内部引入页内目录
• 页内目录将Page结构体内部存储的数据记录按照主键划分为若干区域，并存储了这些区域的最小键值。在查询数据时，可以先通过页内目录找到目标数据所在区域的起始记录，然后再从该记录开始向后遍历，找到目标记录。
• 通过引入页内目录，可以减少不必要的线性遍历，提高查询效率

什么是页目录

比如我们在看《谭浩强C程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法：

• 第一种：从头逐页的向后翻，直到找到目标内容
• 第二种：通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位
• 本质上，书中的目录，是多花了纸张的，但是却提高了效率
• 所以，目录，是一种“空间换时间的做法
• 每个Page结构体内部的数据会按照主键进行排序，其实就是为了引入页内目录，因为只有数据按照主键排序后引入页内目录才有意义，就像书中每一页都是按照页码进行排序的一样，如果一本书的页码是乱序的，那么它的目录根本就没有意义

上面是理解单个Page，下面理解多个Page

多个Page

• 随着数据量不断增大，单个Page中无法存下所有数据，这时就需要用多个Page来存储数据
• 这时在查询数据时就需要，先遍历Page双链表确定目标数据在哪一个Page，然后再在该Page内部找到目标数据

Page之上创建页目录

• 随着Page的增多，遍历Page数量太大（本质也是线性遍历），也会导致查找效率降低
• 这时可以给各个Page结构体也建立页目录
• 页目录中的每个目录项都指向一个Page，而这个目录项存放的就是其指向的Page中存放的最小数据的键值
• 其中，每个目录项的构成是：键值+指针，该目录不存储数据，只存放页目录
• 着数据量不断增大，Page变得越来越多，这时一个页目录无法管理所有的Page，这时就需要更多个的页目录

注意：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

页目录之上再创建页目录

• 随着数据量不断增大，我们可以不断在页目录之上再创建页目录，最终就一定能够得到一个入口页目录
• 这时在查询数据时就可以从入口页目录开始不断查询页目录，最终找到目标数据所在的Page，然后再在该Page内部找到目标数据

• 这个矮胖的树，实际就是一棵B+树，这棵B+树就是InnoDB的索引结构（存储结构）
• 查找的时候，自定向下找，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

B+树中的Page结点无需全部加载到Buffer Pool中：

• 当对MySQL中的某张表进行增删查改操作时，不需要将其对应B+树的所有结点全量加入到Buffer
  Pool中，甚至在刚开始时只需要将B+树的根结点加入到Buffer Pool中
• 当后续访问表中的数据时，再将该数据对应路径上的结点加入到Buffer Pool中即可，对于其他不需要的结点根本不用加入到Buffer Pool中，这一点和操作系统中的页表是很像

5.3 索引可以采用的数据结构

• 链表：查找时是线性遍历，效率太低。
• 普通二叉搜索树：可能退化成线性结构，这时查找还是线性遍历。
• AVL树和红黑树：虽然保证了二叉树是绝对或近似平衡的，不会退化成线性结构，但AVL树和红黑树都是二叉树结构，这就意味着树的层高会比较高，而查询数据时都是从根结点开始向下进行查找的，这也就意味着在查询过程中需要遍历更多结点，如果这些结点还没有被加载到Buffer
  Pool中，这时就需要进行更多次的IO操作
• 哈希表（可以）：官方的索引实现方式中MySQL是支持HASH的，只不过InnoDB和MyISAM存储引擎并不支持。哈希表的优点就是它的时间复杂度是 O(1) 的，但哈希表也有一个缺点就是不利于进行数据的范围查找

常见的存储引擎，与其所支持的索引类型：

注：这里的BTREE指的是B+树

B树 VS B+树

B+树是B树的一种变形结构

• B树中的所有结点中都同时包括索引信息和数据信息，由于一个Page的大小是固定的，因此非叶子结点中如果包含了数据信息，那么这些结点中能够存储的索引信息一定会变少，这时这棵树形结构一定会变得更高更瘦，当查询数据时就可能需要与磁盘进行更多次的IO操作（IO效率降低）
• B树中的各个叶子结点之间没有连接起来，这将不利于进行数据的范围查找

B树结构如下：

• B+树的每个节点只包含键值，所有的数据记录都存储在叶子节点中，并且叶子节点之间通过指针连接成一个有序链表（范围查询非常高效）
• 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

B+树结构如下：

5.4 聚簇索引和非聚簇索引

MyISAM存储引擎 - 主键索引结构

• InnoDB存储引擎采用B+树作为索引的基本数据结构
• MyISAM存储引擎同样采用B+树作为索引的基本数据结构
• 与InnoDB存储引擎的B+树不同的是，MyISAM存储引擎的B+树的叶子结点存放的不是数据记录，而是数据记录对应的地址
• 非聚簇索引：像MyISAM存储引擎这种，将数据记录与索引结构分离的索引方案，叫做非聚簇索引

注：图中Col1列为主键

InnoDB存储引擎 - 主键索引结构

• InnoDB是将索引和数据放在一起的
• 聚簇索引：像InnoDB存储引擎这种，将数据记录与索引结构放在一起的索引方案，叫做聚簇索引

聚簇索引 VS 非聚簇索引（实验）

创建一个是InnoDB为索引的表

mysql> create table if not exists test1(-> id int unsigned auto_increment primary key,-> name varchar(20)-> )engine=InnoDB;

进入该路径，找到自己所在的数据库

ls /var/lib/mysql -l

进入自己所在的数据库

当采用InnoDB存储引擎创建表时，在数据库对应的目录下会新增两个文件

• xxx.frm文件，该文件中存储的是表结构相关的信息
• 采用InnoDB存储引擎创建表时会生成一个xxx.ibd文件，该文件中存储的是索引和数据相关的信息，这就是所谓的聚簇索引，索引和数据是存储在同一个文件中的

再创建一个test2的表，使用MyISAM存储引擎创建表

mysql> create table if not exists test1(-> id int unsigned auto_increment primary key,-> name varchar(20)-> )engine= MyISAM;

当采用MyISAM存储引擎创建表时，在数据库对应的目录下会新增三个文件

• xxx.frm文件，该文件中存储的是表结构相关的信息
• 采用MyISAM存储引擎创建表时会生成一个xxx.MYD文件和一个xxx.MYI文件
• 其中xxx.MYD文件中存储的是数据相关的信息
• 而xxx.MYI文件中存储的是索引相关的信息
• 这就是所谓的非聚簇索引，索引和数据是分开存储的

普通索引

• 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

MyISAM存储引擎 - 普通索引结构

• MyISAM存储引擎的普通索引采用的也是B+树结构，与主键索引唯一不同的地方就是普通索引的B+树中的键值可以重复。
• 因此一张表可能会同时存在多个B+树结构，但由于MyISAM存储引擎的B+树叶子结点中，存储的是对应的数据记录的地址，因此有效数据只会存储一份

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，如下图：

InnoDB存储引擎 - 普通索引结构

同样， InnoDB除了主键索引，用户也会建立辅助（普通）索引

• InnoDB存储引擎的普通索引采用的也是B+树结构，但普通索引的B+树中的键值可以重复，并且B+树的叶子结点中存储的不是数据记录，而是对应数据记录的主键值。
• 当根据普通索引查询数据时，会先查找普通索引对应的B+树找到目标记录的主键值，然后再查找主键索引对应的B+树找到目标记录，这个过程就叫做回表查询
• InnoDB存储引擎的普通索引的B+树叶子结点中没有保存整条数据记录，是为了节省空间，因为同一张表可能会创建多个普通索引，每个普通索引的B+树中都保存一份数据会造成数据冗余，所以通过回表查询主键索引对应的B+来获取整个数据记录

以上表中的 Col3 建立对应的辅助索引如下图：

注意：采用InnoDB存储引擎建立的每张表都会有一个主键，就算用户没有设置，InnoDB也会自动帮你创建一个不可见的主键

六、索引操作

6.1 创建主键索引

创建主键索引方式一

在创建表的时候，直接在字段名后指定primary key

mysql> create table if not exists user1(-> id int primary key,-> name varchar(20)-> );

创建主键索引方式二

在创建表的最后，指定某列或某几列为主键索引

mysql> create table if not exists user2(-> id int,-> name varchar(20),-> primary key(id)-> );

创建主键索引方式三

创建表以后再添加主键

alter table user3 add primary key(id);

主键索引的特点：

• 一个表中，最多有一个主键索引，当然可以使符合主键
• 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
• 主键索引的列基本是整型类型

6.2 唯一索引的创建

唯一索引的创建方式一

在表定义时，在某列后直接指定unique唯一属性

mysql> create table user4(-> id int primary key,-> name varchar(20) unique-> );

唯一索引的创建方式二

创建表时，在表的后面指定某列或某几列为unique

mysql> create table user5(-> id int primary key,-> name varchar(20),-> unique(name)-> );

唯一索引的创建方式三

创建表以后再添加唯一键

alter table user6 add unique(name);

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

6.3 普通索引的创建

普通索引的创建方式一

在表的定义最后，指定某列为索引

create table user7(id int primary key,
name varchar(20),
email varchar(30),
index(name)
);

普通索引的创建方式二

创建完表以后指定某列为普通索引

alter table user8 add index(name);

普通索引的创建方式三

创建表后，使用create命令给指定字段创建普通索引，并指定索引名

-- 创建一个索引名为 idx_name 的索引
create index idx_name on user9(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

6.4 查询索引

查询索引方式一

语法：

 show keys from 表名;

例如，查询user1表

部分说明：

• Table： 表示创建索引的表的名称
• Non_unique： 表示该索引是否是唯一索引，如果是则为0，如果不是则为1
• Key_name： 表示索引的名称（索引也有名字）
• Column_name： 表示定义索引的列字段
• Index_type： 显示索引使用的类型和方法（BTREE、FULLTEXT、HASH、RTREE）

第二种方法

语法：

show index from 表名;

比如查询user4的索引，有两行说明有两个索引

第三种方法

语法：（查出的信息比较简略）

 desc 表名;

比如查询user7表的索引

6.5 删除索引

删除主键索引

语法：

alter table 表名 drop primary key;

例如，删除user1的主键索引

删除非主键索引

语法：

alter table 表名 drop index 索引名;

注：索引名就是show keys from 表名 中的Key_name字段

例如，删除user4表的唯一键索引

第三种方法

该语法可以删除指定的非主键索引：

drop index 索引名 on 表名;

6.6 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)

全文索引案例

创建一个文章表，表当中包含文章的id、文章名称、文章内容，并在创建表的最后通过fulltext给title和body列创建全文索引

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

插入数据

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 ...');

如果要查询哪些文章中包含database关键字，我们可以通过模糊匹配进行查找（没有使用到全文索引）

select * from articles where body like '%database%';

可以用explain工具看一下，是否使用到索引

在SQL语句前面加上explain，可以看到key对应的值为NULL，表示这条SQL在执行过程中没有用到任何索引

如果要通过全文索引来查询，需要使用match against进行搜

SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');

在这条SQL语句前面加上explain，可以看到key对应的值为title，表示这条SQL在执行过程中用到了索引名为title的索引

注：MyISAM存储引擎是支持全文索引的，而InnoDB存储引擎是在5.6以后才开始支持全文索引的

6.7 索引创建原则

索引创建的原则如下：

• 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创建索引
• 不会出现在where子句中的字段不应该创建索引

--------------------- END ----------------------

「 作者 」 枫叶先生
「 更新 」 2023.9.1
「 声明 」 余之才疏学浅，故所撰文疏漏难免，或有谬误或不准确之处，敬请读者批评指正。