MySQL 深入淺出資料庫索引原理

標籤：分叉   獨立   asp   操作   閱讀   影響   文章   覆蓋   存在   

本文轉自：https://www.cnblogs.com/aspwebchh/p/6652855.html

前段時間，公司一個新上線的網站出現頁面響應速度緩慢的問題， 一位負責這個項目的但並不是搞技術的妹子找到我，讓我想辦法提升網站的訪問速度 ，因為已經有很多使用者來投訴了。我第一反應覺的是資料庫上的問題，假裝思索了一下，擺著一副深沉炫酷的模樣說：“是不是資料庫查詢上出問題了， 給表加上索引吧”，然後妹子來了一句：“現在我們網站訪問量太大，加索引有可能導致寫入資料時效能下降，影響使用者使用的”。當時我就楞了一下， 有種強行裝逼被拆穿的感覺，在自己的專業領域居然被非專業的同學教育， 面子上真有點掛不住。

其實， 我說這個例子並不是為展現我們公司的同事們專業能力的強大、做的產品棒、安全性高、效能牛逼， 連非技術的同事也懂得技術上的細節。事實上我只是想說明，「資料庫」和「資料庫索引」這兩個東西是在伺服器端開發領域應用最為廣泛的兩個概念，熟練使用資料庫和資料庫索引是開發人員在行業內生存的必備技能，而整天和技術人員打交道的非技術人員們，由於耳濡目染久了，自然也就能講個頭頭是道了。

使用索引很簡單，只要能寫建立表的語句，就肯定能寫建立索引的語句，要知道這個世界上是不存在不會建立表的伺服器端程式員的。然而， 會使用索引是一回事， 而深入理解索引原理又能恰到好處使用索引又是另一回事，這完全是兩個天差地別的境界（我自己也還沒有達到這層境界）。很大一部份程式員對索引的瞭解僅限於到“加索引能使查詢變快”這個概念為止。

• 為什麼要給表加上主鍵？

• 為什麼加索引後會使查詢變快？

• 為什麼加索引後會使寫入、修改、刪除變慢？

• 什麼情況下要同時在兩個欄位上建索引？

這些問題他們可能不一定能說出答案。知道這些問題的答案有什麼好處呢？如果開發的應用使用的資料庫表中只有1萬條資料，那麼瞭解與不瞭解真的沒有差別， 然而， 如果開發的應用有幾百上千萬甚至億層級的資料，那麼不深入瞭解索引的原理， 寫出來程式就根本跑不動，就好比如果給貨車裝個轎車的引擎，這貨車還能拉的動貨嗎？

接下來就講解一下上面提出的幾個問題，希望對閱讀者有協助。

網上很多講解索引的文章對索引的描述是這樣的「索引就像書的目錄， 通過書的目錄就準確的定位到了書籍具體的內容」，這句話描述的非常正確， 但就像脫了褲子放屁，說了跟沒說一樣，通過目錄尋找書的內容自然是要比一頁一頁的翻書找來的快，同樣使用的索引的人難到會不知道，通過索引定位到資料比直接一條一條的查詢來的快，不然他們為什麼要建索引。

想要理解索引原理必須清楚一種資料結構「平衡樹」(非二叉)，也就是b tree或者 b+ tree，重要的事情說三遍：“平衡樹，平衡樹，平衡樹”。當然， 有的資料庫也使用雜湊桶作用索引的資料結構 ， 然而， 主流的RDBMS都是把平衡樹當做資料表預設的索引資料結構的。

我們平時建表的時候都會為表加上主鍵， 在某些關聯式資料庫中， 如果建表時不指定主鍵，資料庫會拒絕建表的語句執行。 事實上， 一個加了主鍵的表，並不能被稱之為「表」。一個沒加主鍵的表，它的資料無序的放置在磁碟儲存空間上，一行一行的排列的很整齊， 跟我認知中的「表」很接近。如果給表上了主鍵，那麼表在磁碟上的儲存結構就由整齊排列的結構轉變成了樹狀結構，也就是上面說的「平衡樹」結構，換句話說，就是整個表就變成了一個索引。沒錯， 再說一遍， 整個表變成了一個索引，也就是所謂的「叢集索引」。 這就是為什麼一個表只能有一個主鍵， 一個表只能有一個「叢集索引」，因為主鍵的作用就是把「表」的資料格式轉換成「索引（平衡樹）」的格式放置。

就是帶有主鍵的表（叢集索引）的結構圖。圖畫的不是很好， 將就著看。其中樹的所有結點（底部除外）的資料都是由主鍵欄位中的資料構成，也就是通常我們指定主鍵的id欄位。最下面部分是真正表中的資料。 假如我們執行一個SQL語句：

select * from table where id = 1256;

首先根據索引定位到1256這個值所在的葉結點，然後再通過葉結點取到id等於1256的資料行。 這裡不講解平衡樹的運行細節， 但是從能看出，樹一共有三層， 從根節點至分葉節點只需要經過三次尋找就能得到結果。如

假如一張表有一億條資料 ，需要尋找其中某一條資料，按照常規邏輯， 一條一條的去匹配的話， 最壞的情況下需要匹配一億次才能得到結果，用大O標記法就是O(n)最壞時間複雜度，這是無法接受的，而且這一億條資料顯然不能一次性讀入記憶體供程式使用， 因此， 這一億次匹配在不經緩衝最佳化的情況下就是一億次IO開銷，以現在磁碟的IO能力和CPU的運算能力， 有可能需要幾個月才能得出結果 。如果把這張錶轉換成平衡樹結構（一棵非常茂盛和節點非常多的樹），假設這棵樹有10層，那麼只需要10次IO開銷就能尋找到所需要的資料， 速度以指數層級提升，用大O標記法就是O(log n)，n是記錄總樹，底數是樹的分叉數，結果就是樹的層次數。換言之，尋找次數是以樹的分叉數為底，記錄總數的對數，用公式來表示就是

用程式來表示就是Math.Log(100000000,10)，100000000是記錄數，10是樹的分叉數（真實環境下分叉數遠不止10）， 結果就是尋找次數，這裡的結果從億降到了個位元。因此，利用索引會使資料庫查詢有驚人的效能提升。

然而， 事物都是有兩面的， 索引能讓資料庫查詢資料的速度上升， 而使寫入資料的速度下降，原因很簡單的， 因為平衡樹這個結構必須一直維持在一個正確的狀態， 增刪改資料都會改變平衡樹各節點中的索引資料內容，破壞樹結構， 因此，在每次資料改變時， DBMS必須去重新梳理樹（索引）的結構以確保它的正確，這會帶來不小的效能開銷，也就是為什麼索引會給查詢以外的操作帶來副作用的原因。

講完叢集索引 ， 接下來聊一下非叢集索引， 也就是我們平時經常提起和使用的常規索引。

非叢集索引和叢集索引一樣， 同樣是採用平衡樹作為索引的資料結構。索引樹結構中各節點的值來自於表中的索引欄位， 假如給user表的name欄位加上索引 ， 那麼索引就是由name欄位中的值構成，在資料改變時， DBMS需要一直維護索引結構的正確性。如果給表中多個欄位加上索引 ， 那麼就會出現多個獨立的索引結構，每個索引（非叢集索引）互相之間不存在關聯。 如

每次給欄位建一個新索引， 欄位中的資料就會被複製一份出來， 用於產生索引。 因此， 給表添加索引，會增加表的體積， 佔用磁碟儲存空間。

非叢集索引和叢集索引的區別在於， 通過叢集索引可以查到需要尋找的資料， 而通過非叢集索引可以查到記錄對應的主索引值 ， 再使用主鍵的值通過叢集索引尋找到需要的資料，如

不管以任何方式查詢表， 最終都會利用主鍵通過叢集索引來定位到資料， 叢集索引（主鍵）是通往真實資料所在的唯一路徑。

然而， 有一種例外可以不使用叢集索引就能查詢出所需要的資料， 這種非主流的方法 稱之為「覆蓋索引」查詢， 也就是平時所說的複合索引或者多欄位索引查詢。 文章上面的內容已經指出， 當為欄位建立索引以後， 欄位中的內容會被同步到索引之中， 如果為一個索引指定兩個欄位， 那麼這個兩個欄位的內容都會被同步至索引之中。

先看下面這個SQL語句

//建立索引

create index index_birthday on user_info(birthday);

//查詢生日在1991年11月1日出生使用者的使用者名稱

select user_name from user_info where birthday = ‘1991-11-1‘

這句SQL語句的執行過程如下

首先，通過非叢集索引index_birthday尋找birthday等於1991-11-1的所有記錄的主鍵ID值

然後，通過得到的主鍵ID值執行叢集索引尋找，找到主鍵ID值對就的真實資料（資料行）儲存的位置

最後， 從得到的真實資料中取得user_name欄位的值返回， 也就是取得最終的結果

我們把birthday欄位上的索引改成雙欄位的覆蓋索引

create index index_birthday_and_user_name on user_info(birthday, user_name);

這句SQL語句的執行過程就會變為

通過非叢集索引index_birthday_and_user_name尋找birthday等於1991-11-1的分葉節點的內容，然而， 分葉節點中除了有user_name表主鍵ID的值以外， user_name欄位的值也在裡面， 因此不需要通過主鍵ID值的尋找資料行的真實所在， 直接取得分葉節點中user_name的值返回即可。 通過這種覆蓋索引直接尋找的方式， 可以省略不使用覆蓋索引尋找的後面兩個步驟， 大大的提高了查詢效能，如

資料庫索引的大致工作原理就是像文中所述， 然而細節方面可能會略有偏差，這但並不會對概念闡述的結果產生影響 。

MySQL 深入淺出資料庫索引原理（轉）