MySQL索引特性——会涉及索引的底层B+树

1 没有索引，可能会有什么问题

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

常见索引分为：主键索引(primary key)，唯一索引(unique)，普通索引(index)，

全文索引(fulltext)——解决中子文索引问题

案例：

--进入随便一个数据库后将下面的内容粘贴即可创建一张海量数据表
DROP TABLE IF EXISTS `EMP`;
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'
);
--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， 拷贝下面代码就可以了，暂时不用理解
-- 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 ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

在不创建索引的情况下，查询员工编号为998877的员工，话费了1.99秒

这仅仅是一个人查询的情况，如果放在公网同时有多个人并发查询，很有可能死机。

下面我们创建索引，然后查询员工编号为123456的员工，基本不需要时间

2 认识磁盘

MySQl与存储：MySQL给用户提供存储服务，而存储的是数据，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，相比与计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提升效率是MySQL的一个重要话题

先来研究一下磁盘

再看看磁盘中的一个盘片

扇区：数据库文件，本质其实就是保存在磁盘的磁片中，也就是上面的一个个小格子中，就是我们经常说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区

从图上看距离圆心越近的扇区越小，所以扇区存储内容并不是通过面积来衡量的，而是通过比特位密度决定的，不过最新的磁盘技术，已经慢慢的让扇区大小不同了。

我们使用的linux，所看到的大部分目录或者文件，其实就是保存在磁盘当中。（当然，有一些内存文件系统，如proc、sys之类的我们并不考虑）

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。

柱面（磁道）：多盘磁道，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面

每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的

所以，我们只需要知道，磁头（Heads）、柱面（Cylinder）（等价于磁道）、扇区（Sector）对应的编号，即可在磁盘上定位要访问的扇区，这种磁盘数据定位的方式叫做CHS。不过实际系统软件使用的并不是CHS（但是硬件是），而是LBA，一种线性地址，可以想象成虚拟地址和物理地址。系统将LBA地址最后会转化成为CHS，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个细节，让我们逻辑自洽起来即可。

结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？不是

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化

从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

故，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

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，需要做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给出的扇区地址于上次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，但如果他们的请求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。

磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高

3 MySQL与磁盘交互基本单位

MySQL作为一款应用软件，可以想像成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高基本的IO效率，MySQL进行IO的基本单位是16KB

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）

4 建立共识

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。（CPU只与内存进行交互）

所以在特定的时间内，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，就涉及到了内存和磁盘的数据交互，也就是IO了。而此时IO的基本单位就是page（16KB）。

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的大空间，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

5 索引的理解

建立测试表

插入多条数据

查询插入结果，我们发现默认是有序的！

为何IO交互要是Page

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢？用多少，加载多少不香吗？

如上面的记录，如果MySQL要查询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，如果需要找id=5那么就需要5次IO

但，如果这5条记录（或者更多）都被保存在一个Page中（16KB，可以保存很多数据），那么第一次IO查询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，但是往后如果在查询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，大大减少了IO次数

怎么保证，用户下一次找的数据，就在这个Page里面？我们不能严格保证，但是有很大的概率，因为局部性原理

往往IO效率低下的最主要矛盾不是IO单次数据的大小，而是IO的次数

理解单个Page：MySQL中要管理很多数据表文件，而要管理好这些文件，就需要先描述，在组织，我们目前可以简单理解成一个独立文件是由一个或者多个Page构成的。

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

因为主键的问题，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挺好的吗？

插入数据时排序的目的是优化查询的效率。

页内部存放数据的模块，实质上也是一个链表的结构，链表的特点就是增删块，查询修改慢，所以优化查询的效率是必须的。

正是因为有序，在查询的时候，从头到后都是有效查找，没有任何一个查询是浪费的，而且，如果运气好，是可以提前结束查询过程的。

理解多个Page：通过上面的分析，我们知道上面页模式，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。但是我们可以看到现在的页模式内部，实际上采用了链表的结构，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。

如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的，那么，查找特定一条记录，也一定是线性查找。这效率太低了。

页目录

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

从头逐页的向后翻，直到找到目标内容

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

单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以

那么当前，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，才能拿到结果。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。现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？

可以很方便引入目录

多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么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。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，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，貌似这样也有效率问题，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。这样就显得我们之前的Page内部的目录，有点杯水车薪了。那么如何解决呢？解决方案，其实就是我们之前的思路，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。