摘要
本文以MySQL數(shù)據(jù)庫為研究對象，討論與數(shù)據(jù)庫索引相關(guān)的一些話題拼苍。特別需要說明的是笑诅，MySQL支持諸多存儲(chǔ)引擎，而各種存儲(chǔ)引擎對索引的支持也各不相同疮鲫，因此MySQL數(shù)據(jù)庫支持多種索引類型吆你，如BTree索引，哈希索引俊犯，全文索引等等妇多。為了避免混亂，本文將只關(guān)注于BTree索引燕侠，因?yàn)檫@是平常使用MySQL時(shí)主要打交道的索引者祖，至于哈希索引和全文索引本文暫不討論立莉。
文章主要內(nèi)容分為三個(gè)部分。
第一部分主要從數(shù)據(jù)結(jié)構(gòu)及算法理論層面討論MySQL數(shù)據(jù)庫索引的數(shù)理基礎(chǔ)七问。
第二部分結(jié)合MySQL數(shù)據(jù)庫中MyISAM和InnoDB數(shù)據(jù)存儲(chǔ)引擎中索引的架構(gòu)實(shí)現(xiàn)討論聚集索引蜓耻、非聚集索引及覆蓋索引等話題。
第三部分根據(jù)上面的理論基礎(chǔ)械巡，討論MySQL中高性能使用索引的策略刹淌。
數(shù)據(jù)結(jié)構(gòu)及算法基礎(chǔ)
索引的本質(zhì)
MySQL官方對索引的定義為：索引（Index）是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。提取句子主干坟比，就可以得到索引的本質(zhì)：索引是數(shù)據(jù)結(jié)構(gòu)芦鳍。
我們知道，數(shù)據(jù)庫查詢是數(shù)據(jù)庫的最主要功能之一葛账。我們都希望查詢數(shù)據(jù)的速度能盡可能的快柠衅，因此數(shù)據(jù)庫系統(tǒng)的設(shè)計(jì)者會(huì)從查詢算法的角度進(jìn)行優(yōu)化。最基本的查詢算法當(dāng)然是順序查找（linear search）籍琳，這種復(fù)雜度為O(n)的算法在數(shù)據(jù)量很大時(shí)顯然是糟糕的菲宴，好在計(jì)算機(jī)科學(xué)的發(fā)展提供了很多更優(yōu)秀的查找算法，例如二分查找（binary search）趋急、二叉樹查找（binary tree search）等喝峦。如果稍微分析一下會(huì)發(fā)現(xiàn)，每種查找算法都只能應(yīng)用于特定的數(shù)據(jù)結(jié)構(gòu)之上呜达，例如二分查找要求被檢索數(shù)據(jù)有序谣蠢，而二叉樹查找只能應(yīng)用于二叉查找樹上，但是數(shù)據(jù)本身的組織結(jié)構(gòu)不可能完全滿足各種數(shù)據(jù)結(jié)構(gòu)（例如查近，理論上不可能同時(shí)將兩列都按順序進(jìn)行組織）眉踱，所以，在數(shù)據(jù)之外霜威，數(shù)據(jù)庫系統(tǒng)還維護(hù)著滿足特定查找算法的數(shù)據(jù)結(jié)構(gòu)谈喳，這些數(shù)據(jù)結(jié)構(gòu)以某種方式引用（指向）數(shù)據(jù)，這樣就可以在這些數(shù)據(jù)結(jié)構(gòu)上實(shí)現(xiàn)高級查找算法戈泼。這種數(shù)據(jù)結(jié)構(gòu)婿禽，就是索引。
看一個(gè)例子：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖1
圖1展示了一種可能的索引方式大猛。左邊是數(shù)據(jù)表扭倾，一共有兩列七條記錄，最左邊的是數(shù)據(jù)記錄的物理地址（注意邏輯上相鄰的記錄在磁盤上也并不是一定物理相鄰的）挽绩。為了加快Col2的查找膛壹，可以維護(hù)一個(gè)右邊所示的二叉查找樹，每個(gè)節(jié)點(diǎn)分別包含索引鍵值和一個(gè)指向?qū)?yīng)數(shù)據(jù)記錄物理地址的指針琼牧，這樣就可以運(yùn)用二叉查找在O(log2
n)的復(fù)雜度內(nèi)獲取到相應(yīng)數(shù)據(jù)恢筝。
雖然這是一個(gè)貨真價(jià)實(shí)的索引，但是實(shí)際的數(shù)據(jù)庫系統(tǒng)幾乎沒有使用二叉查找樹或其進(jìn)化品種紅黑樹（red-black tree）實(shí)現(xiàn)的巨坊，原因會(huì)在下文介紹撬槽。
B-Tree和B+Tree
目前大部分?jǐn)?shù)據(jù)庫系統(tǒng)及文件系統(tǒng)都采用B-Tree或其變種B+Tree作為索引結(jié)構(gòu)，在本文的下一節(jié)會(huì)結(jié)合存儲(chǔ)器原理及計(jì)算機(jī)存取原理討論為什么B-Tree和B+Tree在被如此廣泛用于索引趾撵，這一節(jié)先單純從數(shù)據(jù)結(jié)構(gòu)角度描述它們侄柔。
B-Tree
為了描述B-Tree，首先定義一條數(shù)據(jù)記錄為一個(gè)二元組[key, data]占调，key為記錄的鍵值暂题，對于不同數(shù)據(jù)記錄，key是互不相同的究珊；data為數(shù)據(jù)記錄除key外的數(shù)據(jù)薪者。那么B-Tree是滿足下列條件的數(shù)據(jù)結(jié)構(gòu)：
d為大于1的一個(gè)正整數(shù)，稱為B-Tree的度剿涮。
h為一個(gè)正整數(shù)言津，稱為B-Tree的高度。
每個(gè)非葉子節(jié)點(diǎn)由n-1個(gè)key和n個(gè)指針組成取试，其中d<=n<=2d悬槽。
每個(gè)葉子節(jié)點(diǎn)最少包含一個(gè)key和兩個(gè)指針，最多包含2d-1個(gè)key和2d個(gè)指針瞬浓，葉節(jié)點(diǎn)的指針均為null 初婆。
所有葉節(jié)點(diǎn)具有相同的深度，等于樹高h(yuǎn)。
key和指針互相間隔腮鞍，節(jié)點(diǎn)兩端是指針瘪匿。
一個(gè)節(jié)點(diǎn)中的key從左到右非遞減排列。
所有節(jié)點(diǎn)組成樹結(jié)構(gòu)宪躯。
每個(gè)指針要么為null，要么指向另外一個(gè)節(jié)點(diǎn)位迂。
如果某個(gè)指針在節(jié)點(diǎn)node最左邊且不為null访雪，則其指向節(jié)點(diǎn)的所有key小于v(key1
)，其中v(key1
)為node的第一個(gè)key的值掂林。
如果某個(gè)指針在節(jié)點(diǎn)node最右邊且不為null臣缀，則其指向節(jié)點(diǎn)的所有key大于v(keym
)，其中v(keym
)為node的最后一個(gè)key的值泻帮。
如果某個(gè)指針在節(jié)點(diǎn)node的左右相鄰key分別是keyi
和keyi+1
且不為null精置，則其指向節(jié)點(diǎn)的所有key小于v(keyi+1
)且大于v(keyi
)。
圖2是一個(gè)d=2的B-Tree示意圖锣杂。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖2
由于B-Tree的特性脂倦，在B-Tree中按key檢索數(shù)據(jù)的算法非常直觀：首先從根節(jié)點(diǎn)進(jìn)行二分查找番宁，如果找到則返回對應(yīng)節(jié)點(diǎn)的data，否則對相應(yīng)區(qū)間的指針指向的節(jié)點(diǎn)遞歸進(jìn)行查找赖阻，直到找到節(jié)點(diǎn)或找到null指針蝶押，前者查找成功，后者查找失敗火欧。B-Tree上查找算法的偽代碼如下：
BTree_Search(node, key){if(node ==null)returnnull;foreach(node.key)? ? {if(node.key[i] == key)returnnode.data[i];if(node.key[i] > key)returnBTree_Search(point[i]->node);? ? }returnBTree_Search(point[i+1]->node);}data = BTree_Search(root, my_key);
關(guān)于B-Tree有一系列有趣的性質(zhì)棋电，例如一個(gè)度為d的B-Tree，設(shè)其索引N個(gè)key苇侵，則其樹高h(yuǎn)的上限為logd
((N+1)/2)赶盔，檢索一個(gè)key，其查找節(jié)點(diǎn)個(gè)數(shù)的漸進(jìn)復(fù)雜度為O(logd
N)榆浓。
從這點(diǎn)可以看出于未，B-Tree是一個(gè)非常有效率的索引數(shù)據(jù)結(jié)構(gòu)。
另外哀军，由于插入刪除新的數(shù)據(jù)記錄會(huì)破壞B-Tree的性質(zhì)沉眶，因此在插入刪除時(shí)，需要對樹進(jìn)行一個(gè)分裂杉适、合并谎倔、轉(zhuǎn)移等操作以保持B-Tree性質(zhì)，本文不打算完整討論B-Tree這些內(nèi)容猿推，因?yàn)橐呀?jīng)有許多資料詳細(xì)說明了B-Tree的數(shù)學(xué)性質(zhì)及插入刪除算法片习，有興趣的朋友可以在本文末的參考文獻(xiàn)一欄找到相應(yīng)的資料進(jìn)行閱讀。
B+Tree
B-Tree有許多變種蹬叭，其中最常見的是B+Tree藕咏，例如MySQL就普遍使用B+Tree實(shí)現(xiàn)其索引結(jié)構(gòu)。
與B-Tree相比秽五，B+Tree有以下不同點(diǎn)：
每個(gè)節(jié)點(diǎn)的指針上限為2d而不是2d+1孽查。
內(nèi)節(jié)點(diǎn)不存儲(chǔ)data，只存儲(chǔ)key坦喘；葉子節(jié)點(diǎn)不存儲(chǔ)指針盲再。
圖3是一個(gè)簡單的B+Tree示意。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖3
由于并不是所有節(jié)點(diǎn)都具有相同的域瓣铣，因此B+Tree中葉節(jié)點(diǎn)和內(nèi)節(jié)點(diǎn)一般大小不同答朋。這點(diǎn)與B-Tree不同，雖然B-Tree中不同節(jié)點(diǎn)存放的key和指針可能數(shù)量不一致棠笑，但是每個(gè)節(jié)點(diǎn)的域和上限是一致的梦碗，所以在實(shí)現(xiàn)中B-Tree往往對每個(gè)節(jié)點(diǎn)申請同等大小的空間。
一般來說，B+Tree比B-Tree更適合實(shí)現(xiàn)外存儲(chǔ)索引結(jié)構(gòu)洪规，具體原因與外存儲(chǔ)器原理及計(jì)算機(jī)存取原理有關(guān)印屁，將在下面討論。
帶有順序訪問指針的B+Tree
一般在數(shù)據(jù)庫系統(tǒng)或文件系統(tǒng)中使用的B+Tree結(jié)構(gòu)都在經(jīng)典B+Tree的基礎(chǔ)上進(jìn)行了優(yōu)化斩例，增加了順序訪問指針库车。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖4
如圖4所示，在B+Tree的每個(gè)葉子節(jié)點(diǎn)增加一個(gè)指向相鄰葉子節(jié)點(diǎn)的指針樱拴，就形成了帶有順序訪問指針的B+Tree。做這個(gè)優(yōu)化的目的是為了提高區(qū)間訪問的性能洋满，例如圖4中如果要查詢key為從18到49的所有數(shù)據(jù)記錄晶乔，當(dāng)找到18后，只需順著節(jié)點(diǎn)和指針順序遍歷就可以一次性訪問到所有數(shù)據(jù)節(jié)點(diǎn)牺勾，極大提到了區(qū)間查詢效率正罢。
這一節(jié)對B-Tree和B+Tree進(jìn)行了一個(gè)簡單的介紹，下一節(jié)結(jié)合存儲(chǔ)器存取原理介紹為什么目前B+Tree是數(shù)據(jù)庫系統(tǒng)實(shí)現(xiàn)索引的首選數(shù)據(jù)結(jié)構(gòu)驻民。
為什么使用B-Tree（B+Tree）
上文說過翻具，紅黑樹等數(shù)據(jù)結(jié)構(gòu)也可以用來實(shí)現(xiàn)索引，但是文件系統(tǒng)及數(shù)據(jù)庫系統(tǒng)普遍采用B-/+Tree作為索引結(jié)構(gòu)回还，這一節(jié)將結(jié)合計(jì)算機(jī)組成原理相關(guān)知識討論B-/+Tree作為索引的理論基礎(chǔ)裆泳。
一般來說，索引本身也很大柠硕，不可能全部存儲(chǔ)在內(nèi)存中工禾，因此索引往往以索引文件的形式存儲(chǔ)的磁盤上。這樣的話蝗柔，索引查找過程中就要產(chǎn)生磁盤I/O消耗闻葵，相對于內(nèi)存存取，I/O存取的消耗要高幾個(gè)數(shù)量級癣丧，所以評價(jià)一個(gè)數(shù)據(jù)結(jié)構(gòu)作為索引的優(yōu)劣最重要的指標(biāo)就是在查找過程中磁盤I/O操作次數(shù)的漸進(jìn)復(fù)雜度槽畔。換句話說，索引的結(jié)構(gòu)組織要盡量減少查找過程中磁盤I/O的存取次數(shù)胁编。下面先介紹內(nèi)存和磁盤存取原理厢钧，然后再結(jié)合這些原理分析B-/+Tree作為索引的效率。
主存存取原理
目前計(jì)算機(jī)使用的主存基本都是隨機(jī)讀寫存儲(chǔ)器（RAM）掏呼，現(xiàn)代RAM的結(jié)構(gòu)和存取原理比較復(fù)雜坏快，這里本文拋卻具體差別，抽象出一個(gè)十分簡單的存取模型來說明RAM的工作原理憎夷。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖5
從抽象角度看莽鸿，主存是一系列的存儲(chǔ)單元組成的矩陣，每個(gè)存儲(chǔ)單元存儲(chǔ)固定大小的數(shù)據(jù)。每個(gè)存儲(chǔ)單元有唯一的地址祥得，現(xiàn)代主存的編址規(guī)則比較復(fù)雜兔沃，這里將其簡化成一個(gè)二維地址：通過一個(gè)行地址和一個(gè)列地址可以唯一定位到一個(gè)存儲(chǔ)單元。圖5展示了一個(gè)4 x 4的主存模型级及。
主存的存取過程如下：
當(dāng)系統(tǒng)需要讀取主存時(shí)乒疏，則將地址信號放到地址總線上傳給主存，主存讀到地址信號后饮焦，解析信號并定位到指定存儲(chǔ)單元怕吴，然后將此存儲(chǔ)單元數(shù)據(jù)放到數(shù)據(jù)總線上，供其它部件讀取县踢。
寫主存的過程類似转绷，系統(tǒng)將要寫入單元地址和數(shù)據(jù)分別放在地址總線和數(shù)據(jù)總線上，主存讀取兩個(gè)總線的內(nèi)容硼啤，做相應(yīng)的寫操作议经。
這里可以看出，主存存取的時(shí)間僅與存取次數(shù)呈線性關(guān)系谴返，因?yàn)椴淮嬖跈C(jī)械操作煞肾，兩次存取的數(shù)據(jù)的“距離”不會(huì)對時(shí)間有任何影響，例如嗓袱，先取A0再取A1和先取A0再取D3的時(shí)間消耗是一樣的籍救。
磁盤存取原理
上文說過，索引一般以文件形式存儲(chǔ)在磁盤上渠抹，索引檢索需要磁盤I/O操作钧忽。與主存不同，磁盤I/O存在機(jī)械運(yùn)動(dòng)耗費(fèi)逼肯，因此磁盤I/O的時(shí)間消耗是巨大的耸黑。
圖6是磁盤的整體結(jié)構(gòu)示意圖。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖6
一個(gè)磁盤由大小相同且同軸的圓形盤片組成篮幢，磁盤可以轉(zhuǎn)動(dòng)（各個(gè)磁盤必須同步轉(zhuǎn)動(dòng)）大刊。在磁盤的一側(cè)有磁頭支架，磁頭支架固定了一組磁頭三椿，每個(gè)磁頭負(fù)責(zé)存取一個(gè)磁盤的內(nèi)容缺菌。磁頭不能轉(zhuǎn)動(dòng)，但是可以沿磁盤半徑方向運(yùn)動(dòng)（實(shí)際是斜切向運(yùn)動(dòng)）搜锰，每個(gè)磁頭同一時(shí)刻也必須是同軸的伴郁，即從正上方向下看，所有磁頭任何時(shí)候都是重疊的（不過目前已經(jīng)有多磁頭獨(dú)立技術(shù)蛋叼，可不受此限制）焊傅。
圖7是磁盤結(jié)構(gòu)的示意圖剂陡。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖7
盤片被劃分成一系列同心環(huán)，圓心是盤片中心狐胎，每個(gè)同心環(huán)叫做一個(gè)磁道鸭栖，所有半徑相同的磁道組成一個(gè)柱面。磁道被沿半徑線劃分成一個(gè)個(gè)小的段握巢，每個(gè)段叫做一個(gè)扇區(qū)晕鹊，每個(gè)扇區(qū)是磁盤的最小存儲(chǔ)單元。為了簡單起見暴浦，我們下面假設(shè)磁盤只有一個(gè)盤片和一個(gè)磁頭溅话。
當(dāng)需要從磁盤讀取數(shù)據(jù)時(shí)，系統(tǒng)會(huì)將數(shù)據(jù)邏輯地址傳給磁盤歌焦，磁盤的控制電路按照尋址邏輯將邏輯地址翻譯成物理地址公荧，即確定要讀的數(shù)據(jù)在哪個(gè)磁道，哪個(gè)扇區(qū)同规。為了讀取這個(gè)扇區(qū)的數(shù)據(jù)，需要將磁頭放到這個(gè)扇區(qū)上方窟社，為了實(shí)現(xiàn)這一點(diǎn)券勺，磁頭需要移動(dòng)對準(zhǔn)相應(yīng)磁道，這個(gè)過程叫做尋道灿里，所耗費(fèi)時(shí)間叫做尋道時(shí)間关炼，然后磁盤旋轉(zhuǎn)將目標(biāo)扇區(qū)旋轉(zhuǎn)到磁頭下，這個(gè)過程耗費(fèi)的時(shí)間叫做旋轉(zhuǎn)時(shí)間匣吊。
局部性原理與磁盤預(yù)讀
由于存儲(chǔ)介質(zhì)的特性儒拂，磁盤本身存取就比主存慢很多，再加上機(jī)械運(yùn)動(dòng)耗費(fèi)色鸳，磁盤的存取速度往往是主存的幾百分分之一社痛，因此為了提高效率，要盡量減少磁盤I/O命雀。為了達(dá)到這個(gè)目的蒜哀，磁盤往往不是嚴(yán)格按需讀取，而是每次都會(huì)預(yù)讀吏砂，即使只需要一個(gè)字節(jié)撵儿，磁盤也會(huì)從這個(gè)位置開始，順序向后讀取一定長度的數(shù)據(jù)放入內(nèi)存狐血。這樣做的理論依據(jù)是計(jì)算機(jī)科學(xué)中著名的局部性原理：
當(dāng)一個(gè)數(shù)據(jù)被用到時(shí)淀歇，其附近的數(shù)據(jù)也通常會(huì)馬上被使用。
程序運(yùn)行期間所需要的數(shù)據(jù)通常比較集中匈织。
由于磁盤順序讀取的效率很高（不需要尋道時(shí)間浪默，只需很少的旋轉(zhuǎn)時(shí)間），因此對于具有局部性的程序來說，預(yù)讀可以提高I/O效率浴鸿。
預(yù)讀的長度一般為頁（page）的整倍數(shù)井氢。頁是計(jì)算機(jī)管理存儲(chǔ)器的邏輯塊，硬件及操作系統(tǒng)往往將主存和磁盤存儲(chǔ)區(qū)分割為連續(xù)的大小相等的塊岳链，每個(gè)存儲(chǔ)塊稱為一頁（在許多操作系統(tǒng)中花竞，頁得大小通常為4k），主存和磁盤以頁為單位交換數(shù)據(jù)掸哑。當(dāng)程序要讀取的數(shù)據(jù)不在主存中時(shí)约急，會(huì)觸發(fā)一個(gè)缺頁異常，此時(shí)系統(tǒng)會(huì)向磁盤發(fā)出讀盤信號苗分，磁盤會(huì)找到數(shù)據(jù)的起始位置并向后連續(xù)讀取一頁或幾頁載入內(nèi)存中厌蔽，然后異常返回，程序繼續(xù)運(yùn)行摔癣。
B-/+Tree索引的性能分析
到這里終于可以分析B-/+Tree索引的性能了奴饮。
上文說過一般使用磁盤I/O次數(shù)評價(jià)索引結(jié)構(gòu)的優(yōu)劣。先從B-Tree分析择浊，根據(jù)B-Tree的定義戴卜，可知檢索一次最多需要訪問h個(gè)節(jié)點(diǎn)。數(shù)據(jù)庫系統(tǒng)的設(shè)計(jì)者巧妙利用了磁盤預(yù)讀原理琢岩，將一個(gè)節(jié)點(diǎn)的大小設(shè)為等于一個(gè)頁投剥，這樣每個(gè)節(jié)點(diǎn)只需要一次I/O就可以完全載入。為了達(dá)到這個(gè)目的担孔，在實(shí)際實(shí)現(xiàn)B-Tree還需要使用如下技巧：
每次新建節(jié)點(diǎn)時(shí)江锨，直接申請一個(gè)頁的空間，這樣就保證一個(gè)節(jié)點(diǎn)物理上也存儲(chǔ)在一個(gè)頁里糕篇，加之計(jì)算機(jī)存儲(chǔ)分配都是按頁對齊的啄育，就實(shí)現(xiàn)了一個(gè)node只需一次I/O。
B-Tree中一次檢索最多需要h-1次I/O（根節(jié)點(diǎn)常駐內(nèi)存）拌消，漸進(jìn)復(fù)雜度為O(h)=O(logd
N)灸撰。
一般實(shí)際應(yīng)用中，出度d是非常大的數(shù)字拼坎，通常超過100浮毯，因此h非常小（通常不超過3）泰鸡。
綜上所述债蓝，用B-Tree作為索引結(jié)構(gòu)效率是非常高的。
而紅黑樹這種結(jié)構(gòu)盛龄，h明顯要深的多饰迹。由于邏輯上很近的節(jié)點(diǎn)（父子）物理上可能很遠(yuǎn)芳誓，無法利用局部性，所以紅黑樹的I/O漸進(jìn)復(fù)雜度也為O(h)啊鸭，效率明顯比B-Tree差很多锹淌。
上文還說過，B+Tree更適合外存索引赠制，原因和內(nèi)節(jié)點(diǎn)出度d有關(guān)赂摆。從上面分析可以看到，d越大索引的性能越好钟些，而出度的上限取決于節(jié)點(diǎn)內(nèi)key和data的大醒毯拧：
dmax
=floor(pagesize / (keysize + datasize + pointsize))(pagesize – dmax >= pointsize)
或
dmax
=floor(pagesize / (keysize + datasize + pointsize)) – 1(pagesize – dmax < pointsize)
floor表示向下取整。由于B+Tree內(nèi)節(jié)點(diǎn)去掉了data域政恍，因此可以擁有更大的出度汪拥，擁有更好的性能。
這一章從理論角度討論了與索引相關(guān)的數(shù)據(jù)結(jié)構(gòu)與算法問題篙耗，下一章將討論B+Tree是如何具體實(shí)現(xiàn)為MySQL中索引迫筑，同時(shí)將結(jié)合MyISAM和InnDB存儲(chǔ)引擎介紹非聚集索引和聚集索引兩種不同的索引實(shí)現(xiàn)形式。
MySQL索引實(shí)現(xiàn)
在MySQL中宗弯，索引屬于存儲(chǔ)引擎級別的概念脯燃，不同存儲(chǔ)引擎對索引的實(shí)現(xiàn)方式是不同的，本文主要討論MyISAM和InnoDB兩個(gè)存儲(chǔ)引擎的索引實(shí)現(xiàn)方式罕伯。
MyISAM索引實(shí)現(xiàn)
MyISAM引擎使用B+Tree作為索引結(jié)構(gòu)，葉節(jié)點(diǎn)的data域存放的是數(shù)據(jù)記錄的地址叽讳。下圖是MyISAM索引的原理圖：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖8
這里設(shè)表一共有三列追他，假設(shè)我們以Col1為主鍵，則圖8是一個(gè)MyISAM表的主索引（Primary key）示意岛蚤∫乩辏可以看出MyISAM的索引文件僅僅保存數(shù)據(jù)記錄的地址。在MyISAM中涤妒，主索引和輔助索引（Secondary key）在結(jié)構(gòu)上沒有任何區(qū)別单雾，只是主索引要求key是唯一的，而輔助索引的key可以重復(fù)她紫。如果我們在Col2上建立一個(gè)輔助索引硅堆，則此索引的結(jié)構(gòu)如下圖所示：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖9
同樣也是一顆B+Tree，data域保存數(shù)據(jù)記錄的地址贿讹。因此渐逃，MyISAM中索引檢索的算法為首先按照B+Tree搜索算法搜索索引，如果指定的Key存在民褂，則取出其data域的值茄菊，然后以data域的值為地址疯潭，讀取相應(yīng)數(shù)據(jù)記錄。
MyISAM的索引方式也叫做“非聚集”的面殖，之所以這么稱呼是為了與InnoDB的聚集索引區(qū)分竖哩。
InnoDB索引實(shí)現(xiàn)
雖然InnoDB也使用B+Tree作為索引結(jié)構(gòu)，但具體實(shí)現(xiàn)方式卻與MyISAM截然不同脊僚。
第一個(gè)重大區(qū)別是InnoDB的數(shù)據(jù)文件本身就是索引文件相叁。從上文知道，MyISAM索引文件和數(shù)據(jù)文件是分離的吃挑，索引文件僅保存數(shù)據(jù)記錄的地址钝荡。而在InnoDB中，表數(shù)據(jù)文件本身就是按B+Tree組織的一個(gè)索引結(jié)構(gòu)舶衬，這棵樹的葉節(jié)點(diǎn)data域保存了完整的數(shù)據(jù)記錄埠通。這個(gè)索引的key是數(shù)據(jù)表的主鍵，因此InnoDB表數(shù)據(jù)文件本身就是主索引逛犹。
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖10
圖10是InnoDB主索引（同時(shí)也是數(shù)據(jù)文件）的示意圖端辱，可以看到葉節(jié)點(diǎn)包含了完整的數(shù)據(jù)記錄。這種索引叫做聚集索引虽画。因?yàn)镮nnoDB的數(shù)據(jù)文件本身要按主鍵聚集舞蔽，所以InnoDB要求表必須有主鍵（MyISAM可以沒有），如果沒有顯式指定码撰，則MySQL系統(tǒng)會(huì)自動(dòng)選擇一個(gè)可以唯一標(biāo)識數(shù)據(jù)記錄的列作為主鍵渗柿，如果不存在這種列，則MySQL自動(dòng)為InnoDB表生成一個(gè)隱含字段作為主鍵脖岛，這個(gè)字段長度為6個(gè)字節(jié)朵栖，類型為長整形。
第二個(gè)與MyISAM索引的不同是InnoDB的輔助索引data域存儲(chǔ)相應(yīng)記錄主鍵的值而不是地址柴梆。換句話說陨溅，InnoDB的所有輔助索引都引用主鍵作為data域。例如绍在，圖11為定義在Col3上的一個(gè)輔助索引：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖11
這里以英文字符的ASCII碼作為比較準(zhǔn)則门扇。聚集索引這種實(shí)現(xiàn)方式使得按主鍵的搜索十分高效，但是輔助索引搜索需要檢索兩遍索引：首先檢索輔助索引獲得主鍵偿渡，然后用主鍵到主索引中檢索獲得記錄臼寄。
了解不同存儲(chǔ)引擎的索引實(shí)現(xiàn)方式對于正確使用和優(yōu)化索引都非常有幫助，例如知道了InnoDB的索引實(shí)現(xiàn)后溜宽，就很容易明白為什么不建議使用過長的字段作為主鍵脯厨，因?yàn)樗休o助索引都引用主索引，過長的主索引會(huì)令輔助索引變得過大坑质。再例如合武，用非單調(diào)的字段作為主鍵在InnoDB中不是個(gè)好主意临梗，因?yàn)镮nnoDB數(shù)據(jù)文件本身是一顆B+Tree，非單調(diào)的主鍵會(huì)造成在插入新記錄時(shí)數(shù)據(jù)文件為了維持B+Tree的特性而頻繁的分裂調(diào)整稼跳，十分低效盟庞，而使用自增字段作為主鍵則是一個(gè)很好的選擇。
下一章將具體討論這些與索引有關(guān)的優(yōu)化策略汤善。
索引使用策略及優(yōu)化
MySQL的優(yōu)化主要分為結(jié)構(gòu)優(yōu)化（Scheme optimization）和查詢優(yōu)化（Query optimization）什猖。本章討論的高性能索引策略主要屬于結(jié)構(gòu)優(yōu)化范疇。本章的內(nèi)容完全基于上文的理論基礎(chǔ)红淡，實(shí)際上一旦理解了索引背后的機(jī)制不狮，那么選擇高性能的策略就變成了純粹的推理，并且可以理解這些策略背后的邏輯在旱。
示例數(shù)據(jù)庫
為了討論索引策略摇零，需要一個(gè)數(shù)據(jù)量不算小的數(shù)據(jù)庫作為示例。本文選用MySQL官方文檔中提供的示例數(shù)據(jù)庫之一：employees桶蝎。這個(gè)數(shù)據(jù)庫關(guān)系復(fù)雜度適中驻仅，且數(shù)據(jù)量較大。下圖是這個(gè)數(shù)據(jù)庫的E-R關(guān)系圖（引用自MySQL官方手冊）：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖12
MySQL官方文檔中關(guān)于此數(shù)據(jù)庫的頁面為http://dev.mysql.com/doc/employee/en/employee.html登渣。里面詳細(xì)介紹了此數(shù)據(jù)庫噪服，并提供了下載地址和導(dǎo)入方法，如果有興趣導(dǎo)入此數(shù)據(jù)庫到自己的MySQL可以參考文中內(nèi)容胜茧。
最左前綴原理與相關(guān)優(yōu)化
高效使用索引的首要條件是知道什么樣的查詢會(huì)使用到索引粘优，這個(gè)問題和B+Tree中的“最左前綴原理”有關(guān)，下面通過例子說明最左前綴原理呻顽。
這里先說一下聯(lián)合索引的概念雹顺。在上文中，我們都是假設(shè)索引只引用了單個(gè)的列芬位，實(shí)際上无拗，MySQL中的索引可以以一定順序引用多個(gè)列带到，這種索引叫做聯(lián)合索引昧碉，一般的，一個(gè)聯(lián)合索引是一個(gè)有序元組揽惹，其中各個(gè)元素均為數(shù)據(jù)表的一列被饿，實(shí)際上要嚴(yán)格定義索引需要用到關(guān)系代數(shù)，但是這里我不想討論太多關(guān)系代數(shù)的話題搪搏，因?yàn)槟菢訒?huì)顯得很枯燥狭握，所以這里就不再做嚴(yán)格定義。另外疯溺，單列索引可以看成聯(lián)合索引元素?cái)?shù)為1的特例论颅。
以employees.titles表為例哎垦，下面先查看其上都有哪些索引：
MySQL
SHOW INDEX FROM employees.titles;
+--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
| Table? | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Null | Index_type |
+--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
| titles |? ? ? ? ? 0 | PRIMARY? |? ? ? ? ? ? 1 | emp_no? ? ? | A? ? ? ? |? ? ? ? NULL |? ? ? | BTREE? ? ? |
| titles |? ? ? ? ? 0 | PRIMARY? |? ? ? ? ? ? 2 | title? ? ? | A? ? ? ? |? ? ? ? NULL |? ? ? | BTREE? ? ? |
| titles |? ? ? ? ? 0 | PRIMARY? |? ? ? ? ? ? 3 | from_date? | A? ? ? ? |? ? ? 443308 |? ? ? | BTREE? ? ? |
| titles |? ? ? ? ? 1 | emp_no? |? ? ? ? ? ? 1 | emp_no? ? ? | A? ? ? ? |? ? ? 443308 |? ? ? | BTREE? ? ? |
+--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
從結(jié)果中可以到titles表的主索引為，還有一個(gè)輔助索引恃疯。為了避免多個(gè)索引使事情變復(fù)雜（MySQL的SQL優(yōu)化器在多索引時(shí)行為比較復(fù)雜）漏设，這里我們將輔助索引drop掉：
MySQL
1
ALTER TABLE employees.titles DROP INDEX emp_no;
這樣就可以專心分析索引PRIMARY的行為了。
情況一：全列匹配今妄。
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title='Senior Engineer' AND from_date='1986-06-26';
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? ? ? ? ? ? ? | rows | Extra |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
|? 1 | SIMPLE? ? ? | titles | const | PRIMARY? ? ? | PRIMARY | 59? ? ? | const,const,const |? ? 1 |? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
很明顯郑口，當(dāng)按照索引中所有列進(jìn)行精確匹配（這里精確匹配指“=”或“IN”匹配）時(shí)，索引可以被用到盾鳞。這里有一點(diǎn)需要注意犬性，理論上索引對順序是敏感的，但是由于MySQL的查詢優(yōu)化器會(huì)自動(dòng)調(diào)整where子句的條件順序以使用適合的索引腾仅，例如我們將where中的條件順序顛倒：
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26' AND emp_no='10001' AND title='Senior Engineer';
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? ? ? ? ? ? ? | rows | Extra |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
|? 1 | SIMPLE? ? ? | titles | const | PRIMARY? ? ? | PRIMARY | 59? ? ? | const,const,const |? ? 1 |? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
效果是一樣的乒裆。
情況二：最左前綴匹配。
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001';
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
| id | select_type | table? | type | possible_keys | key? ? | key_len | ref? | rows | Extra |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
|? 1 | SIMPLE? ? ? | titles | ref? | PRIMARY? ? ? | PRIMARY | 4? ? ? | const |? ? 1 |? ? ? |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
當(dāng)查詢條件精確匹配索引的左邊連續(xù)一個(gè)或幾個(gè)列時(shí)攒砖，如或缸兔，所以可以被用到，但是只能用到一部分吹艇，即條件所組成的最左前綴惰蜜。上面的查詢從分析結(jié)果看用到了PRIMARY索引，但是key_len為4受神，說明只用到了索引的第一列前綴抛猖。
情況三：查詢條件用到了索引中列的精確匹配，但是中間某個(gè)條件未提供鼻听。
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26';
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
| id | select_type | table? | type | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | ref? | PRIMARY? ? ? | PRIMARY | 4? ? ? | const |? ? 1 | Using where |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
此時(shí)索引使用情況和情況二相同财著，因?yàn)閠itle未提供，所以查詢只用到了索引的第一列撑碴，而后面的from_date雖然也在索引中撑教，但是由于title不存在而無法和左前綴連接，因此需要對結(jié)果進(jìn)行掃描過濾from_date（這里由于emp_no唯一醉拓，所以不存在掃描）伟姐。如果想讓from_date也使用索引而不是where過濾，可以增加一個(gè)輔助索引亿卤，此時(shí)上面的查詢會(huì)使用這個(gè)索引愤兵。除此之外，還可以使用一種稱之為“隔離列”的優(yōu)化方法排吴，將emp_no與from_date之間的“坑”填上秆乳。
首先我們看下title一共有幾種不同的值：
MySQL
SELECT DISTINCT(title) FROM employees.titles;
+--------------------+
| title? ? ? ? ? ? ? |
+--------------------+
| Senior Engineer? ? |
| Staff? ? ? ? ? ? ? |
| Engineer? ? ? ? ? |
| Senior Staff? ? ? |
| Assistant Engineer |
| Technique Leader? |
| Manager? ? ? ? ? ? |
+--------------------+
只有7種。在這種成為“坑”的列值比較少的情況下，可以考慮用“IN”來填補(bǔ)這個(gè)“坑”從而形成最左前綴：
MySQL
EXPLAIN SELECT * FROM employees.titles
WHERE emp_no='10001'
AND title IN ('Senior Engineer', 'Staff', 'Engineer', 'Senior Staff', 'Assistant Engineer', 'Technique Leader', 'Manager')
AND from_date='1986-06-26';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | range | PRIMARY? ? ? | PRIMARY | 59? ? ? | NULL |? ? 7 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
這次key_len為59屹堰，說明索引被用全了肛冶，但是從type和rows看出IN實(shí)際上執(zhí)行了一個(gè)range查詢，這里檢查了7個(gè)key扯键∈缰海看下兩種查詢的性能比較：
MySQL
SHOW PROFILES;
+----------+------------+-------------------------------------------------------------------------------+
| Query_ID | Duration? | Query? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? |
+----------+------------+-------------------------------------------------------------------------------+
|? ? ? 10 | 0.00058000 | SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26'|
|? ? ? 11 | 0.00052500 | SELECT * FROM employees.titles WHERE emp_no='10001' AND title IN ...? ? ? ? ? |
+----------+------------+-------------------------------------------------------------------------------+
“填坑”后性能提升了一點(diǎn)。如果經(jīng)過emp_no篩選后余下很多數(shù)據(jù)忧陪，則后者性能優(yōu)勢會(huì)更加明顯扣泊。當(dāng)然，如果title的值很多嘶摊，用填坑就不合適了延蟹，必須建立輔助索引。
情況四：查詢條件沒有指定索引第一列叶堆。
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26';
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table? | type | possible_keys | key? | key_len | ref? | rows? | Extra? ? ? |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
|? 1 | SIMPLE? ? ? | titles | ALL? | NULL? ? ? ? ? | NULL | NULL? ? | NULL | 443308 | Using where |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
由于不是最左前綴阱飘，索引這樣的查詢顯然用不到索引。
情況五：匹配某列的前綴字符串虱颗。
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title LIKE 'Senior%';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | range | PRIMARY? ? ? | PRIMARY | 56? ? ? | NULL |? ? 1 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
此時(shí)可以用到索引沥匈，但是如果通配符不是只出現(xiàn)在末尾，則無法使用索引忘渔。（原文表述有誤高帖，如果通配符%不出現(xiàn)在開頭，則可以用到索引畦粮，但根據(jù)具體情況不同可能只會(huì)用其中一個(gè)前綴）
情況六：范圍查詢散址。
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE emp_no < '10010' and title='Senior Engineer';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | range | PRIMARY? ? ? | PRIMARY | 4? ? ? | NULL |? 16 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
范圍列可以用到索引（必須是最左前綴），但是范圍列后面的列無法用到索引宣赔。同時(shí)细办，索引最多用于一個(gè)范圍列熊咽，因此如果查詢條件中有兩個(gè)范圍列則無法全用到索引什燕。
MySQL
EXPLAIN SELECT * FROM employees.titles
WHERE emp_no < 10010'
AND title='Senior Engineer'
AND from_date BETWEEN '1986-01-01' AND '1986-12-31';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | range | PRIMARY? ? ? | PRIMARY | 4? ? ? | NULL |? 16 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
可以看到索引對第二個(gè)范圍索引無能為力捺宗。這里特別要說明MySQL一個(gè)有意思的地方，那就是僅用explain可能無法區(qū)分范圍索引和多值匹配钩蚊，因?yàn)樵趖ype中這兩者都顯示為range贡翘。同時(shí)，用了“between”并不意味著就是范圍查詢两疚，例如下面的查詢：
MySQL
EXPLAIN SELECT * FROM employees.titles
WHERE emp_no BETWEEN '10001' AND '10010'
AND title='Senior Engineer'
AND from_date BETWEEN '1986-01-01' AND '1986-12-31';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | range | PRIMARY? ? ? | PRIMARY | 59? ? ? | NULL |? 16 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
看起來是用了兩個(gè)范圍查詢床估，但作用于emp_no上的“BETWEEN”實(shí)際上相當(dāng)于“IN”含滴，也就是說emp_no實(shí)際是多值精確匹配诱渤。可以看到這個(gè)查詢用到了索引全部三個(gè)列谈况。因此在MySQL中要謹(jǐn)慎地區(qū)分多值匹配和范圍匹配勺美，否則會(huì)對MySQL的行為產(chǎn)生困惑递胧。
情況七：查詢條件中含有函數(shù)或表達(dá)式。
很不幸赡茸，如果查詢條件中含有函數(shù)或表達(dá)式缎脾，則MySQL不會(huì)為這列使用索引（雖然某些在數(shù)學(xué)意義上可以使用）。例如：
MySQL
EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND left(title, 6)='Senior';
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
| id | select_type | table? | type | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
|? 1 | SIMPLE? ? ? | titles | ref? | PRIMARY? ? ? | PRIMARY | 4? ? ? | const |? ? 1 | Using where |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
雖然這個(gè)查詢和情況五中功能相同占卧，但是由于使用了函數(shù)left遗菠，則無法為title列應(yīng)用索引，而情況五中用LIKE則可以华蜒。再如：
顯然這個(gè)查詢等價(jià)于查詢emp_no為10001的函數(shù)辙纬，但是由于查詢條件是一個(gè)表達(dá)式，MySQL無法為其使用索引叭喜『丶穑看來MySQL還沒有智能到自動(dòng)優(yōu)化常量表達(dá)式的程度，因此在寫查詢語句時(shí)盡量避免表達(dá)式出現(xiàn)在查詢中捂蕴，而是先手工私下代數(shù)運(yùn)算譬涡，轉(zhuǎn)換為無表達(dá)式的查詢語句。
索引選擇性與前綴索引
既然索引可以加快查詢速度啥辨，那么是不是只要是查詢語句需要涡匀，就建上索引？答案是否定的溉知。因?yàn)樗饕m然加快了查詢速度渊跋，但索引也是有代價(jià)的：索引文件本身要消耗存儲(chǔ)空間，同時(shí)索引會(huì)加重插入着倾、刪除和修改記錄時(shí)的負(fù)擔(dān)拾酝，另外，MySQL在運(yùn)行時(shí)也要消耗資源維護(hù)索引卡者，因此索引并不是越多越好蒿囤。一般兩種情況下不建議建索引。
第一種情況是表記錄比較少崇决，例如一兩千條甚至只有幾百條記錄的表材诽，沒必要建索引，讓查詢做全表掃描就好了恒傻。至于多少條記錄才算多脸侥，這個(gè)個(gè)人有個(gè)人的看法，我個(gè)人的經(jīng)驗(yàn)是以2000作為分界線盈厘，記錄數(shù)不超過 2000可以考慮不建索引睁枕，超過2000條可以酌情考慮索引。
另一種不建議建索引的情況是索引的選擇性較低。所謂索引的選擇性（Selectivity）外遇，是指不重復(fù)的索引值（也叫基數(shù)注簿，Cardinality）與表記錄數(shù)（#T）的比值：
Index Selectivity = Cardinality / #T
顯然選擇性的取值范圍為(0, 1]，選擇性越高的索引價(jià)值越大跳仿，這是由B+Tree的性質(zhì)決定的诡渴。例如，上文用到的employees.titles表菲语，如果title字段經(jīng)常被單獨(dú)查詢妄辩，是否需要建索引，我們看一下它的選擇性：
MySQL
SELECT count(DISTINCT(title))/count(*) AS Selectivity FROM employees.titles;
+-------------+
| Selectivity |
+-------------+
|? ? ? 0.0000 |
+-------------+
title的選擇性不足0.0001（精確值為0.00001579）山上，所以實(shí)在沒有什么必要為其單獨(dú)建索引恩袱。
有一種與索引選擇性有關(guān)的索引優(yōu)化策略叫做前綴索引，就是用列的前綴代替整個(gè)列作為索引key胶哲，當(dāng)前綴長度合適時(shí)畔塔，可以做到既使得前綴索引的選擇性接近全列索引，同時(shí)因?yàn)樗饕齥ey變短而減少了索引文件的大小和維護(hù)開銷鸯屿。下面以employees.employees表為例介紹前綴索引的選擇和使用澈吨。
從圖12可以看到employees表只有一個(gè)索引，那么如果我們想按名字搜索一個(gè)人寄摆，就只能全表掃描了：
MySQL
EXPLAIN SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido';
+----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table? ? | type | possible_keys | key? | key_len | ref? | rows? | Extra? ? ? |
+----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
|? 1 | SIMPLE? ? ? | employees | ALL? | NULL? ? ? ? ? | NULL | NULL? ? | NULL | 300024 | Using where |
+----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
如果頻繁按名字搜索員工谅辣，這樣顯然效率很低，因此我們可以考慮建索引婶恼。有兩種選擇桑阶，建或，看下兩個(gè)索引的選擇性：
MySQL
SELECT count(DISTINCT(first_name))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|? ? ? 0.0042 |
+-------------+
SELECT count(DISTINCT(concat(first_name, last_name)))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|? ? ? 0.9313 |
+-------------+
顯然選擇性太低勾邦，選擇性很好蚣录，但是first_name和last_name加起來長度為30，有沒有兼顧長度和選擇性的辦法眷篇？可以考慮用first_name和last_name的前幾個(gè)字符建立索引萎河，例如，看看其選擇性：
MySQL
SELECT count(DISTINCT(concat(first_name, left(last_name, 3))))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|? ? ? 0.7879 |
+-------------+
選擇性還不錯(cuò)蕉饼，但離0.9313還是有點(diǎn)距離虐杯，那么把last_name前綴加到4：
MySQL
SELECT count(DISTINCT(concat(first_name, left(last_name, 4))))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|? ? ? 0.9007 |
+-------------+
這時(shí)選擇性已經(jīng)很理想了，而這個(gè)索引的長度只有18昧港，比短了接近一半擎椰，我們把這個(gè)前綴索引 建上：
MySQL
ALTER TABLE employees.employees
ADD INDEXfirst_name_last_name4(first_name, last_name(4));
此時(shí)再執(zhí)行一遍按名字查詢，比較分析一下與建索引前的結(jié)果：
MySQL
SHOW PROFILES;
+----------+------------+---------------------------------------------------------------------------------+
| Query_ID | Duration? | Query? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? |
+----------+------------+---------------------------------------------------------------------------------+
|? ? ? 87 | 0.11941700 | SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido' |
|? ? ? 90 | 0.00092400 | SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido' |
+----------+------------+---------------------------------------------------------------------------------+
性能的提升是顯著的创肥，查詢速度提高了120多倍达舒。
前綴索引兼顧索引大小和查詢速度值朋，但是其缺點(diǎn)是不能用于ORDER BY和GROUP BY操作，也不能用于Covering index（即當(dāng)索引本身包含查詢所需全部數(shù)據(jù)時(shí)休弃，不再訪問數(shù)據(jù)文件本身）。
InnoDB的主鍵選擇與插入優(yōu)化
在使用InnoDB存儲(chǔ)引擎時(shí)圈膏，如果沒有特別的需要塔猾，請永遠(yuǎn)使用一個(gè)與業(yè)務(wù)無關(guān)的自增字段作為主鍵。
經(jīng)郴ぃ看到有帖子或博客討論主鍵選擇問題丈甸，有人建議使用業(yè)務(wù)無關(guān)的自增主鍵，有人覺得沒有必要尿褪，完全可以使用如學(xué)號或身份證號這種唯一字段作為主鍵睦擂。不論支持哪種論點(diǎn)，大多數(shù)論據(jù)都是業(yè)務(wù)層面的杖玲。如果從數(shù)據(jù)庫索引優(yōu)化角度看顿仇，使用InnoDB引擎而不使用自增主鍵絕對是一個(gè)糟糕的主意。
上文討論過InnoDB的索引實(shí)現(xiàn)摆马，InnoDB使用聚集索引臼闻，數(shù)據(jù)記錄本身被存于主索引（一顆B+Tree）的葉子節(jié)點(diǎn)上。這就要求同一個(gè)葉子節(jié)點(diǎn)內(nèi)（大小為一個(gè)內(nèi)存頁或磁盤頁）的各條數(shù)據(jù)記錄按主鍵順序存放囤采，因此每當(dāng)有一條新的記錄插入時(shí)述呐，MySQL會(huì)根據(jù)其主鍵將其插入適當(dāng)?shù)墓?jié)點(diǎn)和位置，如果頁面達(dá)到裝載因子（InnoDB默認(rèn)為15/16）蕉毯，則開辟一個(gè)新的頁（節(jié)點(diǎn)）乓搬。
如果表使用自增主鍵，那么每次插入新的記錄代虾，記錄就會(huì)順序添加到當(dāng)前索引節(jié)點(diǎn)的后續(xù)位置进肯，當(dāng)一頁寫滿，就會(huì)自動(dòng)開辟一個(gè)新的頁棉磨。如下圖所示：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖13
這樣就會(huì)形成一個(gè)緊湊的索引結(jié)構(gòu)坷澡，近似順序填滿。由于每次插入時(shí)也不需要移動(dòng)已有數(shù)據(jù)含蓉，因此效率很高频敛，也不會(huì)增加很多開銷在維護(hù)索引上。
如果使用非自增主鍵（如果身份證號或?qū)W號等）馅扣，由于每次插入主鍵的值近似于隨機(jī)斟赚，因此每次新紀(jì)錄都要被插到現(xiàn)有索引頁得中間某個(gè)位置：
MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理
圖14
此時(shí)MySQL不得不為了將新記錄插到合適位置而移動(dòng)數(shù)據(jù)，甚至目標(biāo)頁面可能已經(jīng)被回寫到磁盤上而從緩存中清掉差油，此時(shí)又要從磁盤上讀回來拗军，這增加了很多開銷任洞，同時(shí)頻繁的移動(dòng)、分頁操作造成了大量的碎片发侵，得到了不夠緊湊的索引結(jié)構(gòu)交掏，后續(xù)不得不通過OPTIMIZE TABLE來重建表并優(yōu)化填充頁面。
因此刃鳄，只要可以盅弛，請盡量在InnoDB上采用自增字段做主鍵。
后記
這篇文章斷斷續(xù)續(xù)寫了半個(gè)月叔锐，主要內(nèi)容就是上面這些了挪鹏。不可否認(rèn)，這篇文章在一定程度上有紙上談兵之嫌愉烙，因?yàn)槲冶救藢ySQL的使用屬于菜鳥級別讨盒，更沒有太多數(shù)據(jù)庫調(diào)優(yōu)的經(jīng)驗(yàn)，在這里大談數(shù)據(jù)庫索引調(diào)優(yōu)有點(diǎn)大言不慚步责。就當(dāng)是我個(gè)人的一篇學(xué)習(xí)筆記了返顺。
其實(shí)數(shù)據(jù)庫索引調(diào)優(yōu)是一項(xiàng)技術(shù)活，不能僅僅靠理論蔓肯，因?yàn)閷?shí)際情況千變?nèi)f化创南，而且MySQL本身存在很復(fù)雜的機(jī)制，如查詢優(yōu)化策略和各種引擎的實(shí)現(xiàn)差異等都會(huì)使情況變得更加復(fù)雜省核。但同時(shí)這些理論是索引調(diào)優(yōu)的基礎(chǔ)稿辙，只有在明白理論的基礎(chǔ)上，才能對調(diào)優(yōu)策略進(jìn)行合理推斷并了解其背后的機(jī)制气忠，然后結(jié)合實(shí)踐中不斷的實(shí)驗(yàn)和摸索邻储，從而真正達(dá)到高效使用MySQL索引的目的。
另外旧噪，MySQL索引及其優(yōu)化涵蓋范圍非常廣吨娜，本文只是涉及到其中一部分。如與排序（ORDER BY）相關(guān)的索引優(yōu)化及覆蓋索引（Covering index）的話題本文并未涉及淘钟，同時(shí)除B-Tree索引外MySQL還根據(jù)不同引擎支持的哈希索引宦赠、全文索引等等本文也并未涉及。如果有機(jī)會(huì)米母，希望再對本文未涉及的部分進(jìn)行補(bǔ)充吧勾扭。
參考文獻(xiàn)
[1] Baron Scbwartz等 著，王小東等 譯铁瞒；高性能MySQL（High Performance MySQL）妙色；電子工業(yè)出版社，2010
[2] Michael Kofler 著慧耍，楊曉云等 譯身辨；MySQL5權(quán)威指南（The Definitive Guide to MySQL5）丐谋；人民郵電出版社，2006
[3] 姜承堯 著煌珊；MySQL技術(shù)內(nèi)幕-InnoDB存儲(chǔ)引擎号俐；機(jī)械工業(yè)出版社，2011
[4] D Comer, Ubiquitous B-tree; ACM Computing Surveys (CSUR), 1979
[5] Codd, E. F. (1970). “A relational model of data for large shared data banks”. Communications of the ACM, , Vol. 13, No. 6, pp. 377-387
[6] MySQL5.1參考手冊 –http://dev.mysql.com/doc/refman/5.1/zh/index.html
作者：海納百川_spark
鏈接：http://www.reibang.com/p/fa24238d84a9
來源：簡書
著作權(quán)歸作者所有定庵。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)吏饿，非商業(yè)轉(zhuǎn)載請注明出處。
