MySQL索引底层知识

本文由 简悦 SimpRead) 转码， 原文地址 mp.weixin.qq.com)

来自公众号：非科班的科班

前言

上一篇总结了 Mysql 的锁机制，通过读者的反映和阅读量显示，总体还是不错的，感兴趣的可以阅读一下 [大厂面试官必问的 Mysql 锁机制]。

写了那么多的 Mysql 文章，有读者问我是不是 dba，工作真的需要掌握那么深吗。我想说的是：我是一名 Java 全职开发人员不是 dba。

假如你只满足于日常的 crud，你可以放弃这些底层的知识，可以不必学的那么深，若是你想往高处走，这些底层的知识，是你必备的。

话不多说，这一篇总结是讲解 Mysql 的索引，之前写过一篇关于索引的，主要是讲解索引的底层的数据结构 B+tree[为了把 mysql 的索引底层原理讲清楚，我把计算机翻了个底朝天]。

这一篇是讲解 Mysql 中做使用到的「索引的种类」，「索引正确使用的原则」、「怎么优化索引」、「以及两种存储引擎 InnoDB 和 MyISAM 索引的数据布局原理」。

索引种类

在说索引之前，我们先来说一说什么是索引呢？对于索引个人的理解就是，索引是一种加快查询数据的数据结构。

所以，索引就是一种数据结构，作用就是发挥这种数据结构的作用，加快查询的效率，例如：InnoDB 存储引擎中使用的是就是 B+tree 这种数据结构来组织索引。

Mysql 中索引的种类也不是很多，不同类型的索引有不同的作用，索引的作用相互之间也存在交叉关系，Mysql 中索引主要分为以下几类：

1. 「主键索引」（PRIMARY KEY）：主键索引一般都是在创建表的时候指定，「一个表只有一个主键索引」，特点是「唯一、非空」。
2. 「唯一索引」（UNIQUE）：唯一索引具有的特点就是唯一性，可以在创建表的时候指定，也可以在创建表后创建。
3. 「普通索引」（INDEX）：普通索引唯一的作用就是加快查询。
4. 「组合索引」（ INDEX）：组合索引是创建一个「多个字段的索引」，这个概念是相对于上上面的单列索引而言，组合索引查询遵循「最左前缀原则」。
5. 「全文索引」（FULLTEXT）：全文索引是针对一些大的「文本字段」创建的索引，也称为「全文检索」。
6. 「聚簇索引」和「非聚簇索引」：聚簇索引和非聚簇索引的概念比上面的概念要大，属于包含和被包含的关系。例如：InnoDB 中主键索引使用的就是聚簇索引。

若是你想查看一个表的所有索引，可以执行下面的 sql 来查看：

show index from 表名

例如，查看我自己的测试表里面的索引，如下图所示，Key_name表示索引的名字，Column_name表示索引的字段。

上面大概的说了主要索引的概念，下面详细的介绍一下这几大索引的特点和使用。

主键索引

主键索引在 InnoDB 存储引擎中是最常见的索引类型，一个表都会有一个主键索引，它索引的字段不允许为空值，并且唯一。

一般是在创建表的时候，可以通过RIMARY KEY指定主键索引，在 InnoDB 存储引擎中，若是创建表的时候没有主观创建主键索引，Mysql 就会看表中是否有唯一索引，有，就会指定「非空的唯一索引」为主键索引；

没有，就会默认生成一个6byte空间的自动增长主键作为主键索引，可以通过select _rowid from 表名查询的是对应的主键值.。

MyISAM 储存引擎是可以不存在主键索引，MyISAM 和 InnoDB 储存数据的结构方式还是有明显的区别，这个后面篇章会详细讲解。

唯一索引

唯一索引与主键索引的区别就是，唯一索引允许为空，若是在组合索引中，只要创建的列值是唯一的

唯一索引在实际中更多的是用来保证数据的唯一性，假如你仅仅要数据能够快速查询，你也可以使用普通索引，所以唯一索引重在体现它的唯一性。

实际的业务场景，有些库表字段要求唯一，就可以使用唯一索引，创建唯一索引的方式有三种。

（1）一个是在创建表的时候指定，如下 sql：

CREATE TABLE user( 
 id INT PRIMARY KEY NOT NULL, 
 name VARCHAR(16) NOT NULL, 
 UNIQUE unique\_name (name(10)) 
);

（2）也可以在表创建后创建，如下 sql：

CREATE UNIQUE INDEX unique\_name ON user(name(10))；

（3）通过修改表结构创建，如下 sql：

ALTER user ADD UNIQUE unique\_name ON (name(10))

这里有一个细节要注意的是创建的 name 字段，指定的长度是 16 字符，而创建的索引的长度制定的是 10 字符，因为也没有人的名字长度会超过 10 个字符，所以减少索引长度，能够减少索引所占的空间的大小。

普通索引

普通索引的唯一作用就是加快数据的查询，一般对查询语句WHERE和ORDER BY后面的字段创建普通索引。

创建普通索引的方式也有三种，基本和创建唯一索引的方式一样，只是把关键字 UNIQUE 换成INDEX，如下所示：

// 创建表的时候创建
CREATE TABLE user( 
 id INT PRIMARY KEY NOT NULL, 
 name VARCHAR(16) NOT NULL, 
 INDEX index\_name (name(10)) 
);
// 创建表后创建
CREATE INDEX INDEX index\_name ON user(name(10))；
// 修改表结构创建
ALTER user ADD INDEX index\_name ON (name(10))

若是想删除索引，可以通过执行下面的 sql 进行删除索引：

DROP INDEX index\_name ON user;

组合索引

组合索引即用多个字段创建一个索引，组合索引能够避免「回表查询」，相对于多字段的单列索引，组合索引的查询效率更高。

创建组合索引 (联合索引) 的方式和上面创建普通索引的方式一样，只不过字段的数目多了，如下 sql 创建：

// 其它方式和上面的一样，这里就只列举修改表结构的方式创建
ALTER TABLE employee ADD INDEX name\_age\_sex (name(10),age,sex);

回表查询

什么是回表查询呢？回表查询简单来说「通过二级索引查询数据，得不到完整的数据行，需要再次查询主键索引来获得数据行」。

InnoDB 存储引擎中，索引分为 「聚簇索引」和「二级索引」，主键索引就是聚簇索引，其它的索引为二级索引。

聚簇索引中的叶子节点保存着完整的数据行，而二级索引的叶子节点并不是保存完整的数据行。

上面提到 InnoDB 表是一定要有主键索引的，虽然索引占据空间，但是索引符合二分查找的算法，查找数据非常的快。

假设还是上面的 employee 表，里面有主键索引 id，和普通的索引 name，那么在 InnoDB 中就会存在两棵 B+Tree，一棵是主键索引树：

主键索引树

在主键索引树中的叶子节点存储的是完整的数据行，另外一棵是 name 字段的二级索引树，如下图所示：

倘若你执行这条 sql：select name, age, sex from employee where id ='as';就会先执行二级索引的查询，当查询 name=’as’时，得到主键为 50，再根据主键查询主键索引树，得到完整的数据行，具体的执行流程如下：

回表原理图

这个就是回表查询，回表查询会查询两次，这样就会降低查询的效率，为了避免回表查询，只查询一次就能得到完整的数据呢？

索引覆盖

常见的方式就是「建立组合索引（联合索引）「进行」索引覆盖」，什么是索引覆盖呢？索引覆盖就是「索引的叶子节点已经包含了查询的数据，没必要再回表进行查询。」

假如我还是执行如下 sql：select name, age, sex from employee where name ='as'; 因为普通索引只有 name 字段才建立了索引，这必然会导致回表查询。

为了提高查询效率，就 (name)「单列索引升级为联合索引」(name, age, sex)就不同了。

因为建立的联合索引，在二级节点的叶子阶段就会同时存在name, age, sex三个的值，一次性就会获得所需要的数据，这样就避免了回表，但是所有的方案都不是完美的。

若是这个联合索引哪一天某一个数据行的 name 值改变了或者 age 改变了，我就需要同时维护主键索引和联合索引两棵树，这样的维护成本就高了，性能开销也大了。

相比之前数据的改变，我只需要维护主键索引即可，联合索引的创建就导致了需要同时维护两棵树，这样就会影响插入、更新数据的操作，所以并没有哪种方案是完美的。

最左前缀原则

我们知道单列索引是按照索引列有序性的进行组织 B+Tree 结构的，联合索引又是怎么组织 B+Tree 呢？

联合索引其实也是按照创建索引的时候，最左边的进行最开始的排序，也就是「最左前缀原则」，比如一个表中有如下数据：

如上图所示，对于联合索引中 name 字段是放在最前面的，所以 name 是完全有序的，但是 age 字段就不是有序的，只有当 name 相同，例如：name=’bc’此时 age 字段的索引排序才是完全有序的。

所以你会发现，在联合索引中你只有使用以下的规则的方式查询才会使用到索引：

1. name,age,sex
2. name,age
3. name

因为 Mysql 的底层有查询优化器，会判断 sql 执行的时候若是使用全表扫描的效率比使用索引的效率更高，就会使用全表扫描。

假如，我查询的时候使用age>=23,sex='男';两个字段作为查询条件，但是没有使用 name 字段，因为在 name 不知情的条件下，对于 age 是无序的。

对于age>=23条件可能在很多的 name 不同中都有符合条件的出现，所以就没有办法使用索引，这也是索引实现的原因，一定要遵循「查找有序，充分的利用索引的有序性」。

假如你是分别在name，age，sex三个字段中分别建立三个单列索引，就相当于建立三颗索引树，那么它的查询效率，比我们使用一棵索引树查询效率就可想而知了。

有一种情况即使使用到了最左边的name字段也不会使用索引，例如：WHERE name like '%d%'；这种 like 条件的模糊查询是会使索引失效。

我们可以这样理解，「查询字符串也是遵循最左前缀原则的」，字符串的查询是对字符串里面的字符一个一个的匹配，「若是字符串最左边为 % 表示一个不确定的字符串，那么是没办法利用到索引的有序性」。

但是若是修改为 ：WHERE name like 'd%'；就可以使用索引，因为最左边的字符串是确定的，这种称为「匹配列前缀」。

实际业务场景中联合索引的创建，「我们应该把识别度比较高的字段放在前面，提高索引的命中率，充分的利用索引」。

索引下推

Mysql5.6版本提出了索引下推的原则，「用于查询优化，主要是用于 like 关键字的查询的优化」，什么是索引下推呢？

下面通过演示来说明一下他的概念，还是利用原来的 employee 测试表，假如我要执行下面的 sql 进行查询：SELECT * from user where name like '张%' and age=40；

假如没有索引下推，执行的过程如下图所示：

查询会直接忽略 age 字段，将 name 查询的张开头的 id=5、id=7 的结果返回给 Mysql 服务器，再执行两次的回表查询。

若是上面的查询操作使用了索引下推，执行的过程如下：

Mysql 会将查询条件 age=40 的查询条件传递给存储引擎，再次过滤掉 age=50 的数据行，这样回表的次数就变为了一次，提高了查询效率。

总结起来索引下推就是在执行 sql 查询的时候，会将一部分的索引列的判断条件传递给存储引擎，由存储引擎通过判断是否符合条件，只有符合条件的数据才会返回给 Mysql 服务器。

全文索引

全文索引也称为全文检索，可以通过以下 sql 建立全文索引：ALTER TABLE employee ADD FULLTEXT fulltext_name(name);或者CREATE INDEX的方式创建。

全文索引主要是针对CHAR、VARCHAR或TEXT这种文本类的字段有效，有人说不也可以使用like关键字来查询文本吗。

普通索引（单列索引）的查询只能加快字段内容中最前面的字符串的检索，若是对于多个单词组成文本的查询普通索引就无能为力了。

索引一经创建就没有办法修改，若是想要修改索引，必须重建，可以使用以下 sql 来删除索引：DROP INDEX fulltext_name ON employee;

聚簇索引和非聚簇索引

聚簇索引和非聚簇索引是相对于存储引擎的概念，范围比较大，包含上面所提到的索引类型。

「聚簇索引就是叶子节点中存储的就是完整的行数据，索引和数据存储在一起；而非聚簇索引的索引文件和数据文件是分开的，所以查询数据会多一次查询」。

因此聚簇索引的查询速度会快于非聚簇索引的查询速度，在 Mysql 的存储引擎中，「InnoDB 支持聚簇索引，MyISAM 不支持聚簇索引，MyISAM 支持非聚簇索引」。

聚簇索引

下面我们来看看 InnoDB 中的聚簇索引，前面说到 InnoDB 都会有一个主键，该主键就是用于支持聚簇索引，聚簇索引结构图，大致如下图所示：

InnoDB 中适用于最好的主键选择就是给出一个AUTO_INCREMENT的列作为自增的主键，有的人可能会使用UUID作为随机主键。

因为索引要维持有序性，若是使用随机的主键，主键的插入需要寻找合适的位置进行放置，这样维护主键索引树的成本就会变得更高。

相反的，自增主键，主键都是自增变大，在维护主键索引树的成本就会变得更小，随意应该尽量避免随机主键。

非聚簇索引

MyISAM 使用的是非聚簇索引，新插入数据的时候，会按顺序的写入的磁盘中，并且给每一行数据标记一个行号，从小逐渐增大。

当 MyISAM 创建主键索引的时候，形成的主键索引树的结构图如下图所示：

在主键索引中，数据也是非空且唯一，主键索引树中存储的是数据行的行号，当查询数据的时候使用主键索引查询需要查询到行号，然后通过行号获取数据。

非主键索引和主键索引一样叶子节点也是存储着行号，唯一的区别就是非主键索引不要求非空、唯一。

我们可以通对比图来对比一下「InnoDB(聚簇索引)」 和 「MyISAM(非聚簇索引)」 的索引数据布局，如下图所示：

说到这里相信应该大家对于「InnoDB(聚簇索引)」 和 「MyISAM(非聚簇索引)」 有了非常清晰的认识和理解，下面是来说一说索引的优化，这个也是和我们日常开发最密切相关的。

索引原则和优化

要正确的使用索引，就要正确的创建索引，用索引正确的查询，不要使索引失效，因此索引的设计和优化的原则应该遵循下面的几个原则：

1. 索引列不要在表达式中出现，这样会导致索引失效。如：「SELECT …… WHERE id+1=5」;
2. 索引列不要作为函数的参数使用。
3. 索引列尽量不要使用 like 关键字。如：「SELECT …… WHERE name like ‘%d%’」;
4. 数字型的索引列不要当作字符串类型进行条件查询。如：「SELECT …… WHERE id = ‘35’」;
5. 尽量不要在条件 NOT IN、<>、!= 中使用索引。
6. 在索引列的字段中不要出现 NULL 值，NULL 值会使索引失效，可以用特殊的字符比如空字符串’ ‘或者 0 来代替 NULL 值。
7. 联合索引的查询应该遵循最左前缀原则。
8. 一般对于区别性比较大的字段建立索引，在联合索引中区别性比较大（识别度比较高）放在最前面，提高索引的命中率。
9. 索引的大小要适度，不易过大，避免索引的冗余。

总结

索引是我们工作经常会使用到的数据查询方式，正确的使用索引可以大大提高查询的效率。

1. 一方面索引减少了索引服务器需要扫描的数据行的数量，将原来的全表扫描，使用特定的数据结构，能够快速的定位数据行。
2. 另一方面使用有序的索引，避免了排序，将原来的随机的 IO 操作，变成了顺序的 IO 操作，执行有序。

但是索引也不是十全十美的，也有自己的缺点，不正确的使用索引，将会导致索引大量的占据空间，索引并非是越多越好，索引文件会越发的膨胀，这样严重的影响查询的性能。

对于插入、更新、删除数据，除了维护数据以外，还要维护索引文件，这样也会影响这些操作的性能，但是对于查询的频率远高于更新和插入数据的业务场景，索引是再适合不过了。

●输入 m 获取到文章目录

推荐↓↓↓

Web 开发

更多推荐《25 个技术类微信公众号》

涵盖：程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web 开发、安卓开发、iOS 开发、C/C++、.NET、Linux、数据库、运维等。