MySQL索引优化(一)

MySQL索引优化(一)

Scroll Down

一、索引是什么

1.定义

  • MySQL官方对索引的定义为:索引(Index)是帮助MySQL高效获取数据的数据结构。可以得到索引的本质:索引是数据结构。

  • 你可以简单理解为“排好序的快速查找数据结构”。

  • 在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据。

  • 比如说下图

    可以看见:左边是数据表,一共有两列七条记录,最左边的是数据记录的物理地址,为了加快数据的查找,可以维护一个如右边这样的二叉查找树,每个节点包含索引的键值和指向对应数据物理地址的指针,运用二叉查找树可以在较快时间内找出结果

2、索引的优势

  • 提高数据检索的效率,降低数据库的IO成本
  • 通过索引列对数据进行排序,降低数据排序的成本,降低了CPU的消耗

3、索引的劣势

  • 虽然索引大大提高了查询速度,同时却会降低更新表的速度,如对表进行INSERT、UPDATE和DELETE。
    因为更新表时,MySQL不仅要保存数据,还要保存一下索引文件每次更新添加了索引列的字段,都会调整因为更新所带来的键值变化后的索引信息
  • 事实上索引也是一张表,所以索引列也是要占用空间的。

二、MySQL的索引结构

(一)B+Tree

  1. mysql采用的索引结构是B+Tree形式,那么什么是B+Tree呢?
  • 如上图所示,每个非叶子节点中存储关键字和指向下一节点的指针,而记录只放在叶子节点中。
  • 比如说寻找数值为9的这条数据,
graph LR A[查找9] -->B{>5 <28} B-->D[其他] B-->C[左子树] C-->E{>5 <10} E-->F[其他] E-->G[左子树] G-->H[比较5,8,9]-->I[获得9的物理地址]

(二)关于BTree

  1. BTree的数据结构
  • 每个节点中存储数据项和指针
    真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。
    非叶子节点只不存储真实的数据,只存储指引搜索方向的数据项,如17、35并不真实存在于数据表中。

(三)二者区别

  1. B-树的关键字和记录是放在一起的,叶子节点可以看作外部节点,不包含任何信息;B+树的非叶子节点中只有关键字和指向下一个节点的索引,记录只放在叶子节点中。
  2. 在B-树中,越靠近根节点的记录查找时间越快,只要找到关键字即可确定记录的存在;而B+树中每个记录的查找时间基本是一样的,都需要从根节点走到叶子节点,而且在叶子节点中还要再比较关键字。从这个角度看B-树的性能好像要比B+树好,而在实际应用中却是B+树的性能要好些。因为B+树的非叶子节点不存放实际的数据,这样每个节点可容纳的元素个数比B-树多,树高比B-树小,这样带来的好处是减少磁盘访问次数。尽管B+树找到一个记录所需的比较次数要比B-树多,但是一次磁盘访问的时间相当于成百上千次内存比较的时间,因此实际中B+树的性能可能还会好些,而且B+树的叶子节点使用指针连接在一起,方便顺序遍历(例如查看一个目录下的所有文件,一个表中的所有记录等)。

(四)为什么选择B+Tree

1) B+树的磁盘读写代价更低

B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中,那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。

2) B+树的查询效率更加稳定

由于非终结点并不是最终指向文件内容的结点,而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同,导致每一个数据的查询效率相当。