目录
- 一、索引有什么用
- 二、认识磁盘
- 2.1 MySQL与存储
- 2.2 磁盘
- 三、MySQL 与磁盘交互基本单位
- 四、建立共识
- 五、索引的理解
- 5.1 测试并简单理解索引
- 5.2 MySQL选择page方案进行IO交互的原因
- 5.3 理解单个page
- 5.4 理解多个page
- 5.5 引入页目录
- 5.5.1 对于单个page的情况
- 5.5.2 对于多个page的情况
- 5.6 深入理解索引
- 5.7 使用其他数据结构建立索引为何不行？
- 5.7.1 其他数据结构建立索引为何不行？
- 5.7.2 为什么选择B+树，而不选择B树
- 5.8 聚簇索引 VS 非聚簇索引
- 六、索引操作
- 6.1 创建索引
- 6.1.1 创建主键索引
- 6.1.2 创建唯一索引
- 6.1.3 创建普通索引
- 6.1.4 创建全文索引
- 6.2 查询索引
- 6.3 删除索引
- 6.3.1 删除主键索引
- 6.3.2 删除其他索引（普通索引、唯一索引、全文索引）
- 6.4 索引创建原则
- 结尾
一、索引有什么用
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）
案例：
先整一个海量表，在查询的时候，看看没有索引时有什么问题？
drop database if exists `user_index`;
create database if not exists `user_index` default character set utf8;
use `user_index`;-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
DETERMINISTIC
READS SQL DATA
begindeclare chars_str varchar(100) default 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';declare return_str varchar(255) default '';declare i int default 0;while i < n doset return_str = concat(return_str, substring(chars_str, floor(1 + rand() * 52), 1));set i = i + 1;end while;return return_str;
end $$
delimiter ;-- 产生随机数字
delimiter $$
create function rand_num( )
returns int(5)
DETERMINISTIC
READS SQL DATA
begindeclare i int default 0;set i = floor(10 + rand() * 500);return i;
end $$
delimiter ;-- 创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10), in max_num int(10))
begindeclare i int default 0;set autocommit = 0;repeatset i = i + 1;insert into EMP values ((start + i), rand_string(6), 'SALESMAN', 0001, curdate(), 2000, 400, rand_num());until i = max_numend repeat;commit;
end $$
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);
到此，已经创建出了海量数据的表了。
这里先查询一下雇员编号为5201314这个雇员的所有信息。结果是查询一条数据平均所需的时间竟然需要7.7秒。并且这还是在本机上进行操作，如果放在公网中被很多人同时访问，估计服务就会挂掉了。
select * from EMP where empno=5201314
上面说到索引可以加快查询速率，这里我给这个表添加一个索引，看看是否真的可以加快查询速率。
alter table EMP add index(empno)
这里我再次查询一下雇员编号为5201314这个雇员的所有信息。这次查询速度确实快了非常多。
二、认识磁盘
2.1 MySQL与存储
MySQL 给用户提供存储服务，而存储的都是数据，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，相比于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，如何提交效率，是 MySQL 的一个重要问题。
2.2 磁盘
关于磁盘相关的内容我已经在【Linux】基础IO（磁盘文件）这篇文章中详细讲解过了，这里我就将一些重要的知识展示在这里，有兴趣的可以去阅读一下这篇文章。
一个盘面有很多同心磁道，一个磁道有很多扇区，扇区是磁盘的最小存储单位，通常为512字节。
如果我们想向一个扇区中写入东西，需要通过三个条件进行寻址：
- 选择哪一面 ---- 本质上是选择磁头
- 选择该面上的哪一个磁道
- 选择该磁道上的哪一个扇区
也就是CHS定位法，CHS定位法（Cylinder, Head, Sector）是一种用于定位硬盘上数据的方法。CHS定位法通过三个参数来确定硬盘上的具体位置：柱面（Cylinder）、磁头（Head）和扇区（Sector）。
我们可以向一个扇区中写入，就可以向任意一个/多个连续的扇区中写入，也可以随机写入。
在系统软件上，进行IO交互时，并不是直接按照扇区大小进行交互的，原因如下：
- 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。
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。
三、MySQL 与磁盘交互基本单位
MySQL 作为一款应用软件，可以想象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）。需要注意的时，MySQL并不能直接与磁盘进行数据交互，而是需要通过操作系统，MySQL 和磁盘进行数据交互的基本单位是 16KB，我们也可以说为MySQL 和操作系统进行数据交互的基本单位是16KB，操作系统与磁盘交互的基本单位是4KB。
四、建立共识
- MySQL 中的数据文件，是以page（16KB）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。
- 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 测试并简单理解索引
下面我创建一个带主键的表，然后插入一些数据，需要我们并没有按照主键的大小顺序插入哦
--一定要添加主键哦，只有这样才会默认生成主键索引
create table if not exists user (
id int primary key,
age int not null,
name varchar(16) not null
);insert into user (id, age, name) values(3, 18, '杨过');
insert into user (id, age, name) values(4, 16, '小龙女');
insert into user (id, age, name) values(2, 26, '黄蓉');
insert into user (id, age, name) values(5, 36, '郭靖');
insert into user (id, age, name) values(1, 56, '欧阳锋');
通过查询表中的数据我们可以看到，MySQL将我插入的数据，按照主键从小到大的顺序进行了排序。
- 重谈page
MySQL中一定存在大量的page，也就决定了MySQL需要将这些大量的page管理起来，要管理就要先描述再组织。
所以不要认为page就是一个内存块，实际上page内部必然写入的对应的管理信息。
struct page
{struct page* prev;struct page* next; char buffer[NUM];
}; // 一共16KB
创建一个page就是new/malloc出了一个page对象，在MySQL中以“链表”的形式将所有的page管理起来。（事实上并不是以链表的方式，这里先使用这样的方式理解一下）
5.2 MySQL选择page方案进行IO交互的原因
MySQL和磁盘进行IO交互的时候，采用的Page的方案进行交互，为什么不用多少就加载多少呢?
假设我们要依次查找数据id=1~5的数据，第一次加载id为1的数据，然后是id为2的数据，以此类推，最终到id为5的数据，这样MySQL就需要进行5次IO交互。
如果说这五条数据都在同一个page中，查找id为1的数据的时候，整个page就会被加载到MySQL中的 Buffer Pool 中，然后继续查找id=2~4的数据的时候，就可以直接在内存中查找了，就不需要再次进行IO交互了。
但是我们并不能保证用户访问的这些数据在同一个page中，但是由于局部性原理的存在，用户访问的下一条数据有很大的可能就在这个page中。这样用户进行IO的次数就减少了。
往往IO效率低下的最主要原因不是IO单次数据量的大小，而是IO的次数。
5.3 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，再组织 ，我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的。
不同的page，在MySQL中都是16KB，使用 prev 和 next 构成双向链表。
因为有主键的问题， 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MySQL中不按用户插入的顺序保存，而是需要将用户插入的数据进行排序呢？
这是因为页内部存储的数据的模块本质上也是一个链表结构，链表的特点就是增删快、查改慢，而用户使用MySQL大多数操作都是查询，所以MySQL需要对查询效率进行优化，插入数据时排序本质上就是优化查询的效率。
5.4 理解多个page
通过上面单个page的理解，我们知道了上面page中，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，我们也可以看到，现在的page内部，实际上是采用了链表的结构，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。这样操作下来MySQL的查找效率一定不高。
5.5 引入页目录
我们在看书的时候，如果我们要看这本书的指定一个章节，那么我们找到该章节有两种做法：
- 从头开始找，一页一页的翻，直到找到指定的章节。
- 找到这本书的目录，根据目录查看对应章节的页码数，然后直接翻到指定章节。
在这本书上，本可以没有目录，但是当添加上了目录以后，阅读者就可以更快的找到他想看的内容，本质上书添加了目录就是多花费了纸质，但是却为阅读者查找提高了效率。所以书中添加目录的本质就是“空间换时间”。
5.5.1 对于单个page的情况
书能够引入目录，这里的page同样也能够引入页目录。
在当前这个page中，我们想找到id为4的人的数据，就可以通过目录2找到id为3的数据，再找到id为4的数据，这里需要3步就可以找到想要的数据。如果没有目录则需要从id为1的遍历到4次，才能够找到id为4的数据。很明显引入了页目录以后，查找效率提高。这里就能够回答用户插入数据时，MySQL会根据数据的键值进行排序的原因了，就是为了引入页目录。
5.5.2 对于多个page的情况
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， 一个page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会在一个page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管理起来。
上面的图，是理想结构，当用户插入数据后，MySQL要保证整体有序，那么新插入的数据就需要被排序，所以新的数据不一定会在新page里面，可能会在其他page里面，这里仅仅做演示。
MySQL将多个page管理起来后，用户就可以通过多个page的遍历和page内部的目录来快速定位数据。
但是这样还是有效率问题，在page之间，MySQL 还是需要遍历多个page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。所以当数据量太大的时候，只有page内有目录是不够的。
所以，为了解决page之间的变量，只需要给page也带上目录。
使用一个目录项来指向某一个page，而这个目录项存放的就是将要指向的page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page（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。（下图中没有画出指针）
这样通过一个目录页来管理页目录，目录页中每一项存放的是当前页的最小数据和指向对应页的指针。在目录页中通过数据的比较就可以快速的找到对应的page了。
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。
若数据量太大了，使得最上层的目录页有多个了，那么MySQL中应该从哪个页开始查找呢？为了解决这个问题，MySQL中会再创建一个新的目录页作为它们的上层，来管理它们。
5.6 深入理解索引
索引的最终形态就是下图这样的，索引就是数据结构中的B+树，实际上所以在B+树的基础进行了改进，将同一层的非叶子节点通过指针连接了起来。这样使得索引有了更快的范围查询和增强的遍历能力，但是也增强了数据结构的复杂性和额外的内存开销。
MySQL索引中，非叶子节点都是不存数据的，只存储目录项，这样可以使得一个目录页就可以存储更多目录项，也就可以管理更多的page了。这样做最终就会使得这颗树不高，找到对应叶子结点（page）所途径的节点就更少，IO次数就减少，IO层面上就提高了效率。
MySQL索引中所有的叶子结点都是通过双向链表连接起来的，这就是B+树的特点，正是因为B+树的这个特点，索引才会选择B+树。然后就是通常来说用户喜欢范围查找，当所有的叶子结点都通过双向链表连接起来时，就可以通过一个page直接找到另一个page，就减少了从上往下目录页的IO了，本质上也就是减少了IO次数。
但是，如果说用户创建的表中没有主键，那么MySQL中索引的结构还是如此吗？
即使用户创建的表中没有主键，MySQL中索引的结构还是如此，这是因为用户创建的表中没有主键，MySQL会默认生成一个主键，正是如此，当用户查找数据的时候，MySQL是使用默认的主键进行查找，也就是线性遍历来查找数据的，使得MySQL查找的效率很慢。
5.7 使用其他数据结构建立索引为何不行？
5.7.1 其他数据结构建立索引为何不行？
- 链表：线性遍历
- 二叉搜索树：由于是二叉树，这颗树必定是瘦高的，找到叶子结点所途径的路上节点肯定很多，会增加IO次数，且二叉搜索树面临极端情况，会退化为线性结构
- AVL树/红黑树：虽然它们近似或就是平衡的，但始终是二叉树，必定面临形状是瘦高的，找到叶子结点所途径的路上节点肯定很多，会增加IO次数。
- Hash：官方的索引实现方式中，MySQL是支持HASH的，不过 InnoDB 和 MyISAM 并不支持，Hash根据它的特征，虽然有时候也查找很快为(O(1))，但是在面对范围查找就明显不行
5.7.2 为什么选择B+树，而不选择B树
下面这两张图片引用自博主Dobbin Soong的下面这篇文章。https://blog.csdn.net/u013235478/article/details/50625677
B树
B+树
B+树 VS B树
- B树：
- B树的路上节点，既存储数据，也存储目录项，所以导致目录页中存储的目录项必定减少，使得整棵树会变高。
- B树的叶子节点没有通过双向链表连接起来，不适合范围查找。
- B+树：
- B+树的路上节点，只存储了目录项，相比于B树的目录页来说，B+树的目录页存储的目录项更多，使得整棵树的高度降低。
- B+树的叶子结点通过双向链表连接起来，可以更好的进行范围查找。
5.8 聚簇索引 VS 非聚簇索引
聚簇索引：InnoDB 这种用户数据与索引数据在一起的索引方案，叫做聚簇索引
非聚簇索引：MyISAM 这样用户数据与索引数据在分开存放的索引方案，叫做非聚簇索引
MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM表的主索引， Col1 为主键。
其中， MyISAM 最大的特点是，将索引page和数据page分离，也就是叶子节点没有数据，只有对应数据的地址。
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普通（辅助）索引。
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。下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别
同样， InnoDB 除了主键索引，用户也会建立普通（辅助）索引，我们以上表中的 Col3 建立对应的普通索引。
可以看到， InnoDB 的非主键索引中叶子节点仅仅存储的是主键值，而没有其他数据。所以通过普通索引，找到对应数据，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询。
这里 InnoDB 针对这种普通索引的场景，不给叶子节点也附上数据的原因就是太浪费空间了，因为索引的效率很高，就算进行了两次效率依旧很高。
六、索引操作
6.1 创建索引
6.1.1 创建主键索引
-
在创建表的时候，直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));
-
在创建表的最后，指定某列或某几列为主键索引
create table user2(id int, name varchar(30), primary key(id));
-
创建表以后再添加主键
create table user3(id int, name varchar(30));alter table user3 add primary key(id);
主键索引的特点：
- 一个表中，最多只能有一个主键索引，复合主键也是一个主键
- 主键索引的效率高
- 创建主键索引的列，它的值不能为null，且插入的数据不能重复
- 主键索引的列基本上是整形
6.1.2 创建唯一索引
-
在表定义时，在某列后直接指定unique唯一属性。
create table user4(id int primary key, name varchar(30) unique);
-
创建表时，在表的后面指定某列或某几列为unique
create table user5(id int primary key, name varchar(30), unique(name));
-
创建表以后再添加唯一键
create table user6(id int primary key, name varchar(30)); 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
- 唯一索引的效率高
- 如果在某一列建立唯一索引，则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
6.1.3 创建普通索引
-
在表的定义最后，指定某列为普通索引
create table user7(id int primary key,name varchar(20),index(name));
-
创建完表以后指定某列为普通索引
create table user8(id int primary key, name varchar(20)); alter table user8 add index(name);
-
创建一个索引名为 idx_name 的索引
create table user9(id int primary key, name varchar(20)); 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
- 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
6.1.4 创建全文索引
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。
创建表，然后再插入数据。
CREATE TABLE articles (id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,title VARCHAR(200),body TEXT,FULLTEXT (title,body)
)engine=MyISAM;
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 ...');
查询有没有database数据
explain工具可以查看该查询语句是否使用到索引
select * from articles where body like '%database%';
explain select * from articles where body like '%database%'\G
使用select直接加模糊匹配确实可以查出我想要的结果，但是通过explain工具来看，这条语句并没有使用全文索引。
使用全文索引的方法：
SELECT column_list
FROM table_name
WHERE MATCH (column1, column2) AGAINST ('search_string' [SEARCH_MODE]);
说明：
- column_list：指定了查询结果中应该返回的列
- table_name：指定了查询将要从哪个表中检索数据
- column：column1和column2是用户想要进行全文搜索的列名
- search_string：用户想要搜索的文本或短语。
select * from articles where match(title,body) against ('database');
explain select * from articles where match(title,body) against ('database') \G
6.2 查询索引
-
show keys from 表名
-
show index from 表名
-
desc 表名
6.3 删除索引
6.3.1 删除主键索引
alter table 表名 drop primary key;
6.3.2 删除其他索引（普通索引、唯一索引、全文索引）
-
alter table 表名 drop index 索引名;说明：
- 索引名就是show keys from 表名中的 Key_name 字段
-
drop index 索引名 on 表名
6.4 索引创建原则
- 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作创建索引
- 不会出现在查询条件的字段不该创建索引
结尾
如果有什么建议和疑问，或是有什么错误，大家可以在评论区中提出。
希望大家以后也能和我一起进步！！🌹🌹
如果这篇文章对你有用的话，希望大家给一个三连支持一下！！🌹🌹
