04-MySQL索引

1. 思考

在图书馆中是如何找到一本书的？

一般的应用系统对比数据库的读写比例在10:1左右(即有10次查询操作时有1次写的操作)，

而且插入操作和更新操作很少出现性能问题，

遇到最多、最容易出问题还是一些复杂的查询操作，所以查询语句的优化显然是重中之重

2. 解决办法

当数据库中数据量很大时，查找数据会变得很慢

优化方案：索引

3. 索引是什么

索引是一种特殊的文件(InnoDB数据表上的索引是表空间的一个组成部分)，它们包含着对数据表里所有记录的引用指针。

更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度

4. 索引目的

索引的目的在于提高查询效率，可以类比字典，如果要查“mysql”这个单词，我们肯定需要定位到m字母， 然后从下往下找到y字母，再找到剩下的sql。如果没有索引，那么你可能需要把所有单词看一遍才能找到 你想要的，如果我想找到m开头的单词呢？或者ze开头的单词呢？是不是觉得如果没有索引， 这个事情根本无法完成？

5. 索引原理

除了词典，生活中随处可见索引的例子，如火车站的车次表、图书的目录等。它们的原理都是一样的，通过 不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件， 也就是我们总是通过同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂许多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、 模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子， 能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段， 201到300分成第三段……这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。

6. 索引的使用

查看索引
show index from 表名; 

创建索引
如果指定字段是字符串，需要指定长度，建议长度与定义字段时的长度一致
字段类型如果不是字符串，可以不填写长度部分
create index 索引名称 on 表名(字段名称(长度)) 

删除索引：
drop index 索引名称 on 表名;   

特别注意：
        1.创建表时主键（primary key） 和 unique 字段默认都添加了索引

7.索引demo

(1). 创建测试表testindex

     create table test_index(title varchar(10));

(2). 使用python程序（ipython也可以）通过pymsql模块 向表中加入十万条数据

    from pymysql import connect

    def main():
        # 创建Connection连接
        conn = connect(host='localhost',port=3306,database='jing_dong',user='root',password='mysql',charset='utf8')
        # 获得Cursor对象
        cursor = conn.cursor()
        # 插入10万次数据
        for i in range(100000):
            cursor.execute("insert into test_index values('ha-%d')" % i)
        # 提交数据
        conn.commit()

    if __name__ == "__main__":
        main()

(3). 查询

    开启运行时间监测：
    set profiling=1;

    查找第1万条数据ha-99999
    select * from test_index where title='ha-99999';
    查看执行的时间：
    show profiles; 

    为表title_index的title列创建索引：
    create index title_index on test_index(title(10));
    执行查询语句：
    select * from test_index where title='ha-99999';
    再次查看执行的时间
    show profiles;

8.注意：

要注意的是，建立太多的索引将会影响更新和插入的速度，因为它需要同样更新每个索引文件。对于一个经常需要更新和插入的表格，就没有必要为一个很少使用的where字句单独建立索引了，对于比较小的表，排序的开销不会很大，也没有必要建立另外的索引。

建立索引会占用磁盘空间

9. mysql 索引

参考视频：https://www.bilibili.com/video/av73372462?from=search&seid=2247678794918998509

  1. 索引是一种排好序的数据结构，mysql中支持的索引有Hash表、B+Tree，常用的是B+Tree

  2. Hash表的方式建立索引，会将索引字段映射成hash散列值，将该散列值作为Hash表的key，索引字段对应的行作为value,这种索引查询虽然快，但是不能解决范围查询，比如select * from user where id>1000; 因为底层是hash数据结构

  3. B+tree树是二叉排序树或红黑树的变种，本身有排序功能，左小右边大

  4. MyIASM 中索引的B+Tree树最底层叶子节点中保存的是索引数据对应行的数据指针

  5. InnoDB 中索引的B+Tree树最底层叶子节点中保存的是索引数据对应行的其他字段数据

  6. 聚簇索引是对几个字段添加索引，会将这几个字段按顺序排列当做索引值放入到B+Tree树的最底层叶子节点中

  7. 用MyIASM 引擎建的表索引和数据时是分开的，用不同的文件保存，可以查看mysql安装目录验证

  8. InnoDB 引擎建的表索引和数据是保存在同一个文件中的

  9. 建立索引会占用磁盘空间，所以不建议对不常用的查询字段建立索引

  10. 索引B+Tree树最底层叶子节点是按照索引字段排序好的，小的节点有引用指向下一个大的节点，正是因为这种结构，B+Tree数的索引支持范围查询，而Hash索引不行

题目： 为什么dba 建议用自增的整型主键做索引，而不是字符串类型，比如uuid?

答：因为自增的整型主键做索引，索引建立的B+Tree树形结构是从左到右排好序的，当有新数据插入时，也只会到最右侧添加，不会改变现有的B+Tree树整体结构； 二字符类型比(比如uuid)，新插入的数据的uuid的顺序不固定，很大可能会插入到现有排好序 的叶子节点中，这样整个B+Tree树就要重建或分页，开销比较大，影响数据库性能和查询效率

Previous03-MySQL事务Next05-MySQL账户管理_账户操作

Last updated

Was this helpful?