MySQL InnoDB索引原理及使用注意事项

ゝ一纸荒年。 2021-12-10 09:51 397阅读 0赞

本文转自阿里云栖：[https://yq.aliyun.com/articles/692067][https_yq.aliyun.com_articles_692067]

**目录**

聚集索引（clustered index）

B+树（多路平衡查找树）

辅助索引

覆盖索引

注意事项

--------------------

### 聚集索引（clustered index） ###

innodb存储引擎表是索引组织表，表中数据按照主键顺序存放。其聚集索引就是按照每张表的主键顺序构造一颗B+树，其叶子结点中存放的就是整张表的行记录数据，这些叶子节点成为数据页。

聚集索引的存储并不是物理上连续的，而是逻辑上连续的，叶子结点间按照主键顺序排序，通过双向链表连接。多数情况下，查询优化器倾向于采用聚集索引，因为聚集索引能在叶子结点直接找到数据，并且因为定义了数据的逻辑顺序，能特别快的访问针对范围值的查询。

聚集索引的这个特性决定了索引组织表中的数据也是索引的一部分。由于表里的数据只能按照一颗B+树排序，因此一张表只能有一个聚簇索引。

在Innodb中，聚簇索引默认就是主键索引。如果没有主键，则按照下列规则来建聚簇索引:

*  没有主键时，会用一个非空并且唯一的索引列做为主键，成为此表的聚簇索引;
 *  如果没有这样的索引，InnoDB会隐式定义一个主键来作为聚簇索引。

由于主键使用了聚簇索引，如果主键是自增id，那么对应的数据也会相邻地存放在磁盘上，写入性能较高。如果是uuid等字符串形式，频繁的插入会使innodb频繁地移动磁盘块，写入性能就比较低了。

### B+树（多路平衡查找树） ###

我们知道了innodb引擎索引使用了B+树结构，那么为什么不是其他类型树结构，例如二叉树呢？

计算机在存储数据的时候，有最小存储单元，这就好比人民币流通最小单位是分一样。文件系统的最小单元是块，一个块的大小是4k（这个值根据系统不同并且可设置），InnoDB存储引擎也有自己的最小储存单元—页（Page），一个页的大小是16K（这个值也是可设置的）。

文件系统中一个文件大小只有1个字节，但不得不占磁盘上4KB的空间。同理，innodb的所有数据文件的大小始终都是16384（16k）的整数倍。

![12][]

所以在MySQL中，存放索引的一个块节点占16k，mysql每次IO操作会利用系统的预读能力一次加载16K。这样，如果这一个节点只放1个索引值是非常浪费的，因为一次IO只能获取一个索引值，所以不能使用二叉树。

B+树是多路查找树，一个节点能放n个值，n = 16K / 每个索引值的大小。  
例如索引字段大小1Kb，这时候每个节点能放的索引值理论上是16个，这种情况下，二叉树一次IO只能加载一个索引值，而B+树则能加载16个。

B+树的路数为n+1，n是每个节点存在的值数量，例如每个节点存放16个值，那么这棵树就是17路。

从这里也能看出，B+树节点可存储多个值，所以B+树索引并不能找到一个给定键值的具体行。B+树只能找到存放数据行的具体页，然后把页读入到内存中，再在内存中查找指定的数据。

附：B树和B+树的区别在于，B+树的非叶子结点只包含导航信息，不包含实际的值，所有的叶子结点和相连的节点使用链表相连，便于区间查找和遍历。

### 辅助索引 ###

也称为非聚集索引，其叶子节点不包含行记录的全部数据，叶子结点除了包含键值以外，每个叶子结点中的索引行还包含一个书签，该书签就是相应行的聚集索引键。

如下图可以表示辅助索引和聚集索引的关系（图片源自网络，看大概意思即可）：  
![21][]

当通过辅助索引来寻找数据时，innodb存储引擎会通过辅助索引叶子节点获得只想主键索引的主键，既然后再通过主键索引找到完整的行记录。

例如在一棵高度为3的辅助索引树中查找数据，那需要对这颗辅助索引树进行3次IO找到指定主键，如果聚集索引树的高度同样为3，那么还需要对聚集索引树进行3次查找，最终找到一个完整的行数据所在的页，因此一共需要6次IO访问来得到最终的数据页。

创建的索引，如联合索引、唯一索引等，都属于非聚簇索引。

联合索引

联合索引是指对表上的多个列进行索引。联合索引也是一颗B+树，不同的是联合索引的键值数量不是1，而是大于等于2。

例如有user表，字段为id，age，name，现发现如下两条sql使用频率最多：

Select * from user where age = ？ ;
    Select * from user where age = ? and name = ?;

这时候不需要为age和name单独建两个索引，只需要建如下一个联合索引即可：

create index idx_age_name on user(age, name)

联合索引的另一个好处已经对第二个键值进行了排序处理，有时候可以避免多一次的排序操作。

### 覆盖索引 ###

覆盖索引，即从辅助索引中就可以得到查询所需要的所有字段值，而不需要查询聚集索引中的记录。覆盖索引的好处是辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作。

例如上面有联合索引（age，name），如果如下：

select age，name from user where age=？

就能使用覆盖索引了。

覆盖索引的另一个好处是对于统计问题，例如：

select count(*) from user

innodb存储引擎并不会选择通过查询聚集索引来进行统计。由于user表上还有辅助索引，而辅助索引远小于聚集索引，选择辅助索引可以减少IO操作。

如果对于name列做了索引，那么：

select id,name from user

也会使用覆盖索引，因为name在索引上，而id（主键）在其索引树的子节点上保存。

### 注意事项 ###

*  索引只建合适的，不建多余的

因为每当增删数据时，B+树都要进行调整，如果建立多个索引，多个B+树都要进行调整，而树越多、结构越庞大，这个调整越是耗时耗资源。如果减少了这些不必要的索引，磁盘的使用率可能会大大降低。

*  索引列的数据长度能少则少。

索引数据长度越小，每个块中存储的索引数量越多，一次IO获取的值更多。

*  匹配列前缀可用到索引 like 9999%，like %9999%、like %9999用不到索引；
 *  Where 条件中in和or可以使用索引， not in 和 <>操作无法使用索引；

如果是not in或<>，面对B+树，引擎根本不知道应该从哪个节点入手。

*  匹配范围值，order by 也可用到索引；
 *  多用指定列查询，只返回自己想到的数据列，少用select \*；

不需要查询无用字段，并且不使用*可能还会命中覆盖索引哦；

*  联合索引中如果不是按照索引最左列开始查找，无法使用索引；

最左匹配原则；

*  联合索引中精确匹配最左前列并范围匹配另外一列可以用到索引；
 *  联合索引中如果查询中有某个列的范围查询，则其右边的所有列都无法使用索
 *  查询优化器不一定会使用索引

在执行SQL时，查询优化器会判断使用索引的效率问题，如果优化器认为使用索引还不如全表扫描高效，那么就会弃用索引而使用全表扫描。

*  必须使用UTF8MB4字符集

万国码，无需转码，无乱码风险，曾经线上Oracle曾经因为生僻字改字符集UTF-8，烦的一笔。

*  禁止使用存储过程、视图、触发器、Event

解放数据库CPU，将计算转移到服务层，并发量大时这些功能很可能将数据库拖死，业务逻辑放到服务层具备更好的扩展性，能够轻易实现“增机器就加性能”。数据库擅长存储与索引，CPU计算还是上移吧

*  禁止存储大文件或者大照片
 *  禁止使用外键，如果有外键完整性约束，需要应用程序控制

外键会导致表与表之间耦合，update与delete操作都会涉及相关联的表，十分影响sql 的性能，甚至会造成死锁。高并发情况下容易造成数据库性能

*  必须把字段定义为NOT NULL并且提供默认值

a）null的列使索引/索引统计/值比较都更加复杂，对MySQL来说更难优化
    b）null 这种类型MySQL内部需要进行特殊处理，增加数据库处理记录的复杂性；同等条件下，表中有较多空字段的时候，数据库的处理性能会降低很多
    c）null值需要更多的存储空，无论是表还是索引中每行中的null的列都需要额外的空间来标识
    d）对null 的处理时候，只能采用is null或is not null，而不能采用=、in、<、<>、!=、not in这些操作符号。如：where name!=’shenjian’，如果存在name为null值的记录，查询结果就不会包含name为null值的记录

*  禁止使用TEXT、BLOB类型

会浪费更多的磁盘和内存空间，非必要的大量的大字段查询会淘汰掉热数据，导致内存命中率急剧降低，影响数据库性能

*  禁止使用ENUM，可使用TINYINT代替

a）增加新的ENUM值要做DDL操作
    b）ENUM的内部实际存储就是整数，你以为自己定义的是字符串？

*  禁止在更新十分频繁、区分度不高的属性上建立索引

a）更新会变更B+树，更新频繁的字段建立索引会大大降低数据库性能
    b）“性别”这种区分度不大的属性，建立索引是没有什么意义的，不能有效过滤数据，性能与全表扫描类似

*  建立组合索引，必须把区分度高的字段放在前面

能够更加有效的过滤数据

*  禁止使用SELECT \*，只获取必要的字段，需要显示说明列属性

读取不需要的列会增加CPU、IO消耗；不能有效的利用覆盖索引

*  禁止使用属性隐式转换

SELECT uid FROM t_user WHERE phone=13812345678 会导致全表扫描，而不能命中phone索引

*  禁止在WHERE条件的属性上使用函数或者表达式

SELECT uid FROM t_user WHERE from_unixtime(day)>='2017-02-15' 会导致全表扫描
    正确的写法是：SELECT uid FROM t_user WHERE day>= unix_timestamp('2017-02-15 00:00:00')

*  禁止负向查询，以及%开头的模糊查询

a）负向查询条件：NOT、!=、<>、!<、!>、NOT IN、NOT LIKE等，会导致全表扫描
    b）%开头的模糊查询，会导致全表扫描

*  禁止大表使用JOIN查询，禁止大表使用子查询

会产生临时表，消耗较多内存与CPU，极大影响数据库性能。这个视业务而定

*  禁止使用OR条件，必须改为IN查询

旧版本Mysql的OR查询是不能命中索引的，即使能命中索引，为何要让数据库耗费更多的CPU帮助实施查询优化呢？

> 注：注意事项小节部分选自‘58同城数据库30条军规’

[https_yq.aliyun.com_articles_692067]: https://yq.aliyun.com/articles/692067
[12]: /images/20211210/dbabcc335ef7489f97719fecfdee98b1.png
[21]: /images/20211210/750b7df500004eaf95e7ae8265047c41.png