我相信大家在數(shù)據(jù)庫(kù)優(yōu)化的時(shí)候都會(huì)說(shuō)到索引缨硝，我也不例外摩钙，大家也基本上能對(duì)數(shù)據(jù)結(jié)構(gòu)的優(yōu)化回答個(gè)一二三，以及頁(yè)緩存之類的都能扯上幾句查辩，但是有一次阿里P9的一個(gè)面試問我：你能從計(jì)算機(jī)層面開始說(shuō)一下一個(gè)索引數(shù)據(jù)加載的流程么胖笛？（就是想讓我聊IO）
我當(dāng)場(chǎng)就去世了…因?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)和操作系統(tǒng)的基礎(chǔ)知識(shí)真的是我的盲區(qū)网持，不過(guò)后面我惡補(bǔ)了，廢話不多說(shuō)长踊，我們就從計(jì)算機(jī)加載數(shù)據(jù)聊起功舀，講一下?lián)Q個(gè)角度聊索引。
正文
MySQL的索引本質(zhì)上是一種數(shù)據(jù)結(jié)構(gòu)
讓我們先來(lái)了解一下計(jì)算機(jī)的數(shù)據(jù)加載身弊。
磁盤IO和預(yù)讀：
先說(shuō)一下磁盤IO辟汰，磁盤讀取數(shù)據(jù)靠的是機(jī)械運(yùn)動(dòng)，每一次讀取數(shù)據(jù)需要尋道阱佛、尋點(diǎn)莉擒、拷貝到內(nèi)存三步操作。
尋道時(shí)間是磁臂移動(dòng)到指定磁道所需要的時(shí)間瘫絮，一般在5ms以下涨冀；
尋點(diǎn)是從磁道中找到數(shù)據(jù)存在的那個(gè)點(diǎn)，平均時(shí)間是半圈時(shí)間麦萤，如果是一個(gè)7200轉(zhuǎn)/min的磁盤鹿鳖，尋點(diǎn)時(shí)間平均是600000/7200/2=4.17ms；
拷貝到內(nèi)存的時(shí)間很快壮莹，和前面兩個(gè)時(shí)間比起來(lái)可以忽略不計(jì)翅帜，所以一次IO的時(shí)間平均是在9ms左右。聽起來(lái)很快命满，但數(shù)據(jù)庫(kù)百萬(wàn)級(jí)別的數(shù)據(jù)過(guò)一遍就達(dá)到了9000s涝滴，顯然就是災(zāi)難級(jí)別的了。
考慮到磁盤IO是非常高昂的操作胶台，計(jì)算機(jī)操作系統(tǒng)做了預(yù)讀的優(yōu)化歼疮，當(dāng)一次IO時(shí)，不光把當(dāng)前磁盤地址的數(shù)據(jù)诈唬，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)韩脏，因?yàn)楫?dāng)計(jì)算機(jī)訪問一個(gè)地址的數(shù)據(jù)的時(shí)候，與其相鄰的數(shù)據(jù)也會(huì)很快被訪問到铸磅。
每一次IO讀取的數(shù)據(jù)我們稱之為一頁(yè)(page)赡矢，具體一頁(yè)有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k阅仔，也就是我們讀取一頁(yè)內(nèi)的數(shù)據(jù)時(shí)候吹散，實(shí)際上才發(fā)生了一次IO。
（突然想到個(gè)我剛畢業(yè)被問過(guò)的問題八酒，在64位的操作系統(tǒng)中空民，Java中的int類型占幾個(gè)字節(jié)？最大是多少丘跌？為什么袭景？）
那我們想要優(yōu)化數(shù)據(jù)庫(kù)查詢，就要盡量減少磁盤的IO操作闭树，所以就出現(xiàn)了索引耸棒。
索引是什么？
MySQL官方對(duì)索引的定義為：索引(Index)是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)报辱。
MySQL中常用的索引在物理上分兩類与殃，B-樹索引和哈希索引。
本次主要講BTree索引碍现。
BTree索引
BTree又叫多路平衡查找樹幅疼，一顆m叉的BTree特性如下：
樹中每個(gè)節(jié)點(diǎn)最多包含m個(gè)孩子。
除根節(jié)點(diǎn)與葉子節(jié)點(diǎn)外昼接，每個(gè)節(jié)點(diǎn)至少有[ceil(m/2)]個(gè)孩子（ceil()為向上取整）爽篷。
若根節(jié)點(diǎn)不是葉子節(jié)點(diǎn)，則至少有兩個(gè)孩子慢睡。
所有的葉子節(jié)點(diǎn)都在同一層逐工。
每個(gè)非葉子節(jié)點(diǎn)由n個(gè)key與n+1個(gè)指針組成，其中[ceil(m/2)-1] <= n <= m-1 漂辐。
這是一個(gè)3叉（只是舉例泪喊，真實(shí)會(huì)有很多叉）的BTree結(jié)構(gòu)圖，每一個(gè)方框塊我們稱之為一個(gè)磁盤塊或者叫做一個(gè)block塊髓涯，這是操作系統(tǒng)一次IO往內(nèi)存中讀的內(nèi)容袒啼，一個(gè)塊對(duì)應(yīng)四個(gè)扇區(qū)，紫色代表的是磁盤塊中的數(shù)據(jù)key纬纪，黃色代表的是數(shù)據(jù)data蚓再，藍(lán)色代表的是指針p，指向下一個(gè)磁盤塊的位置包各。
來(lái)模擬下查找key為29的data的過(guò)程：
1对途、根據(jù)根結(jié)點(diǎn)指針讀取文件目錄的根磁盤塊1倦踢√钐В【磁盤IO操作1次】
2、磁盤塊1存儲(chǔ)17衬横，35和三個(gè)指針數(shù)據(jù)按声。我們發(fā)現(xiàn)17<29<35膳犹，因此我們找到指針p2。
3签则、根據(jù)p2指針须床，我們定位并讀取磁盤塊3〗チ眩【磁盤IO操作2次】
4豺旬、磁盤塊3存儲(chǔ)26钠惩，30和三個(gè)指針數(shù)據(jù)。我們發(fā)現(xiàn)26<29<30族阅，因此我們找到指針p2篓跛。
5、根據(jù)p2指針坦刀，我們定位并讀取磁盤塊8愧沟。【磁盤IO操作3次】
6鲤遥、磁盤塊8中存儲(chǔ)28沐寺，29。我們找到29盖奈，獲取29所對(duì)應(yīng)的數(shù)據(jù)data混坞。
由此可見，BTree索引使每次磁盤I/O取到內(nèi)存的數(shù)據(jù)都發(fā)揮了作用钢坦，從而提高了查詢效率拔第。
但是有沒有什么可優(yōu)化的地方呢？
我們從圖上可以看到场钉，每個(gè)節(jié)點(diǎn)中不僅包含數(shù)據(jù)的key值蚊俺，還有data值。而每一個(gè)頁(yè)的存儲(chǔ)空間是有限的逛万，如果data數(shù)據(jù)較大時(shí)將會(huì)導(dǎo)致每個(gè)節(jié)點(diǎn)（即一個(gè)頁(yè)）能存儲(chǔ)的key的數(shù)量很小泳猬，當(dāng)存儲(chǔ)的數(shù)據(jù)量很大時(shí)同樣會(huì)導(dǎo)致B-Tree的深度較大，增大查詢時(shí)的磁盤I/O次數(shù)宇植，進(jìn)而影響查詢效率得封。
B+Tree索引
B+Tree是在B-Tree基礎(chǔ)上的一種優(yōu)化，使其更適合實(shí)現(xiàn)外存儲(chǔ)索引結(jié)構(gòu)指郁。在B+Tree中忙上，所有數(shù)據(jù)記錄節(jié)點(diǎn)都是按照鍵值大小順序存放在同一層的葉子節(jié)點(diǎn)上，而非葉子節(jié)點(diǎn)上只存儲(chǔ)key值信息闲坎，這樣可以大大加大每個(gè)節(jié)點(diǎn)存儲(chǔ)的key值數(shù)量疫粥，降低B+Tree的高度。
B+Tree相對(duì)于B-Tree有幾點(diǎn)不同：
非葉子節(jié)點(diǎn)只存儲(chǔ)鍵值信息腰懂， 數(shù)據(jù)記錄都存放在葉子節(jié)點(diǎn)中梗逮， 將上一節(jié)中的B-Tree優(yōu)化，由于B+Tree的非葉子節(jié)點(diǎn)只存儲(chǔ)鍵值信息绣溜，所以B+Tree的高度可以被壓縮到特別的低慷彤。
具體的數(shù)據(jù)如下：
InnoDB存儲(chǔ)引擎中頁(yè)的大小為16KB，一般表的主鍵類型為INT（占用4個(gè)字節(jié)）或BIGINT（占用8個(gè)字節(jié)），指針類型也一般為4或8個(gè)字節(jié)底哗，也就是說(shuō)一個(gè)頁(yè)（B+Tree中的一個(gè)節(jié)點(diǎn)）中大概存儲(chǔ)16KB/(8B+8B)=1K個(gè)鍵值（因?yàn)槭枪乐邓晁撸瑸榉奖阌?jì)算，這里的K取值為〖10〗^3）跋选。
也就是說(shuō)一個(gè)深度為3的B+Tree索引可以維護(hù)10^3 * 10^3 * 10^3 = 10億 條記錄涕癣。（這種計(jì)算方式存在誤差，而且沒有計(jì)算葉子節(jié)點(diǎn)野建，如果計(jì)算葉子節(jié)點(diǎn)其實(shí)是深度為4了）
我們只需要進(jìn)行三次的IO操作就可以從10億條數(shù)據(jù)中找到我們想要的數(shù)據(jù)属划，比起最開始的百萬(wàn)數(shù)據(jù)9000秒不知道好了多少個(gè)華萊士了恬叹。
而且在B+Tree上通常有兩個(gè)頭指針候生，一個(gè)指向根節(jié)點(diǎn)，另一個(gè)指向關(guān)鍵字最小的葉子節(jié)點(diǎn)绽昼，而且所有葉子節(jié)點(diǎn)（即數(shù)據(jù)節(jié)點(diǎn)）之間是一種鏈?zhǔn)江h(huán)結(jié)構(gòu)唯鸭。所以我們除了可以對(duì)B+Tree進(jìn)行主鍵的范圍查找和分頁(yè)查找，還可以從根節(jié)點(diǎn)開始硅确，進(jìn)行隨機(jī)查找目溉。
數(shù)據(jù)庫(kù)中的B+Tree索引可以分為聚集索引（clustered index）和輔助索引（secondary index）。
上面的B+Tree示例圖在數(shù)據(jù)庫(kù)中的實(shí)現(xiàn)即為聚集索引菱农，聚集索引的B+Tree中的葉子節(jié)點(diǎn)存放的是整張表的行記錄數(shù)據(jù)缭付，輔助索引與聚集索引的區(qū)別在于輔助索引的葉子節(jié)點(diǎn)并不包含行記錄的全部數(shù)據(jù)，而是存儲(chǔ)相應(yīng)行數(shù)據(jù)的聚集索引鍵循未，即主鍵陷猫。
當(dāng)通過(guò)輔助索引來(lái)查詢數(shù)據(jù)時(shí)，InnoDB存儲(chǔ)引擎會(huì)遍歷輔助索引找到主鍵的妖，然后再通過(guò)主鍵在聚集索引中找到完整的行記錄數(shù)據(jù)绣檬。
不過(guò)，雖然索引可以加快查詢速度嫂粟，提高 MySQL 的處理性能娇未，但是過(guò)多地使用索引也會(huì)造成以下弊端：
創(chuàng)建索引和維護(hù)索引要耗費(fèi)時(shí)間，這種時(shí)間隨著數(shù)據(jù)量的增加而增加星虹。
除了數(shù)據(jù)表占數(shù)據(jù)空間之外零抬，每一個(gè)索引還要占一定的物理空間。如果要建立聚簇索引宽涌，那么需要的空間就會(huì)更大媚值。
當(dāng)對(duì)表中的數(shù)據(jù)進(jìn)行增加、刪除和修改的時(shí)候护糖，索引也要?jiǎng)討B(tài)地維護(hù)褥芒，這樣就降低了數(shù)據(jù)的維護(hù)速度。
注意：索引可以在一些情況下加速查詢，但是在某些情況下锰扶，會(huì)降低效率献酗。
索引只是提高效率的一個(gè)因素，因此在建立索引的時(shí)候應(yīng)該遵循以下原則：
在經(jīng)常需要搜索的列上建立索引坷牛，可以加快搜索的速度罕偎。
在作為主鍵的列上創(chuàng)建索引，強(qiáng)制該列的唯一性京闰，并組織表中數(shù)據(jù)的排列結(jié)構(gòu)颜及。
在經(jīng)常使用表連接的列上創(chuàng)建索引，這些列主要是一些外鍵蹂楣，可以加快表連接的速度俏站。
在經(jīng)常需要根據(jù)范圍進(jìn)行搜索的列上創(chuàng)建索引，因?yàn)樗饕呀?jīng)排序痊土，所以其指定的范圍是連續(xù)的肄扎。
在經(jīng)常需要排序的列上創(chuàng)建索引，因?yàn)樗饕呀?jīng)排序赁酝，所以查詢時(shí)可以利用索引的排序犯祠，加快排序查詢。
在經(jīng)常使用 WHERE 子句的列上創(chuàng)建索引酌呆，加快條件的判斷速度衡载。
現(xiàn)在大家知道索引為啥能這么快了吧，其實(shí)就是一句話隙袁，通過(guò)索引的結(jié)構(gòu)最大化的減少數(shù)據(jù)庫(kù)的IO次數(shù)痰娱，畢竟，一次IO的時(shí)間真的是太久了藤乙。猜揪。。
總結(jié)
就面試而言很多知識(shí)其實(shí)我們可以很容易就掌握了坛梁，但是要以學(xué)習(xí)為目的而姐，你會(huì)發(fā)現(xiàn)很多東西我們得深入到計(jì)算機(jī)基礎(chǔ)上才能發(fā)現(xiàn)其中奧秘，很多人問我怎么記住這么多東西划咐，其實(shí)學(xué)習(xí)本身就是一個(gè)很無(wú)奈的東西拴念，既然我們不能不學(xué)那為啥不好好學(xué)？去學(xué)會(huì)享受呢褐缠？最近我也在惡補(bǔ)基礎(chǔ)政鼠，后面我會(huì)開始更新計(jì)算機(jī)基礎(chǔ)和網(wǎng)絡(luò)相關(guān)的知識(shí)的。
