MySql索引的作用以及对索引的理解

作者:袖梨 2023-08-25
这篇文章主要给大家介绍了关于MySql索引的作用以及对索引的理解,MySQL索引的建立对于MySQL的高效运行是很重要的,文中通过图文介绍的非常详细,需要的朋友可以参考下

索引的作用

索引是与效率挂钩的,所以没有索引,可能会存在问题

索引:提高数据库的性能,索引是物美价廉的东西了。不用加内存,不用改程序,不用调sql,只要执行正确的 create index ,查询速度就可能提高成百上千倍。但是天下没有免费的午餐,查询速度的提高是以插入、更新、删除的速度为代价的,这些写操作,增加了大量的IO。所以它的价值,在于提高一个海量数据的检索速度。

MySQL的服务器,本质是在内存中的,所有的数据库的CURD操作,全部都是在内存中进行的!所以索引也是如此

提高算法效率的因素:

1.组织数据的方式

2.算法本身。

常见的索引分为以下几种

主键索引(primary key)唯一索引(unique)普通索引(index)全文索引(fulltext)–解决中子文索引问题

创建一个海量表,在查询的时候,没有索引时看一下会有什么问题

查询员工编号为998877的员工

select * from EMP where empno=998877;

可以看到耗时17.71秒,这还是在本机一个人来操作,在实际项目中,如果放在公网中,假如同时有1000个人并发查询,那很可能就死机,这是非常可怕的事情。

解决方法,创建索引

alter table EMP add index(empno);

测试看查询时间

时间变得非常快!这就是索引带来的好处!

想认识索引之前,我们非常有必要先了解一下磁盘。

认识磁盘

mysql与存储

MySQL 给用户提供存储服务,而存储的都是数据,数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备,相比于计算机其他电子元件,磁盘效率是比较低的,在加上IO本身的特征,可以知道,如何提交效率,是 MySQL 的一个重要话题。

磁盘中一个盘片

数据库文件,本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中,就是我们经常所说的扇区。当然,数据库文件很大,也很多,一定需要占据多个扇区

我们在使用Linux,所看到的大部分目录或者文件,其实就是保存在硬盘当中的。(当然,有一些内存文件系统,如: proc , sys 之类,我们不考虑)

所以,最基本的,找到一个文件的全部,本质,就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区,那么便能找到所有扇区,因为查找方式是一样的

定位扇区

柱面(磁道): 多盘磁盘,每盘都是双面,大小完全相等。那么同半径的磁道,整体上便构成了一个柱面

每个盘面都有一个磁头,那么磁头和盘面的对应关系便是1对1的

所以,我们只需要知道,磁头(Heads)、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS (但是硬件是),而是 LBA ,一种线性地址,可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ,交给磁盘去进行数据读取。不过,我们现在不关心转化细节。

结论

我们现在已经能够在硬件层面定位,任何一个基本数据块了(扇区)。但是在系统软件上,就不是直接按照扇区(512字节,部分4096字节),进行IO交互了,这是因为如果操作系统直接使用硬件提供的数据大小进行交互,那么系统的IO代码,就和硬件强相关,换言之,如果硬件发生变化,系统必须跟着变化;另外目前来看,单次IO 512字节,还是太小了。IO单位小,意味着读取同样的数据内容,需要进行多次磁盘访问,会带来效率的降低;

文件系统读取基本单位,就不是扇区,而是数据块。既系统读取磁盘,是以块为单位的,基本单位是 4KB

磁盘随机访问(Random Access)与连续访问(Sequential Access)

随机访问:本次IO所给出的扇区地址和上次IO给出扇区地址不连续,这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。连续访问:如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的,那磁头就能很快的开始这次IO操作,这样的多个IO操作称为连续访问。因此尽管相邻的两次IO操作在同一时刻发出,但如果它们的请求的扇区地址相差很大的话也只能称为随机访问,而非连续访问。磁盘是通过机械运动进行寻址的,随机访问不需要过多的定位,故效率比较高

MySql 与磁盘交互基本单位Page

MySql 作为一款应用软件,可以想象成一种特殊的文件系统。它有着更高的IO场景,所以,为了提高基本的IO效率, MySql 进行IO的基本单位是16KB:MySql是应用层服务,是不可能直接访问硬件的,这个16KB是站在MySql角度向OS提出来的,OS内部存在文件缓冲区的,MySql进入到某一个目录,对某张表做CURD,对某张表内部做增删查改,在MySql就得到了文件的fd,一个文件被打开有自己的结构体,缓冲区;MySql以16KB为单位与文件缓冲区进行IO。

show global status like 'innodb_page_size';-- 16382/1024=16KB

也就是说,磁盘这个硬件设备的基本单位是 512 字节,而 MySQL InnoDB引擎 使用 16KB 进行IO交互。即, MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元,在 MySQL 这里叫做page(注意和系统的page区分)

共识

MySQL 中的数据文件,是以page为单位保存在磁盘当中的。

MySQL 的 CURD 操作,都需要通过计算,找到对应的插入位置,或者找到对应要修改或者查询的数据

只要涉及计算,就需要CPU参与,而为了便于CPU参与,一定要能够先将数据移动到内存当中

所以在特定时间内,数据一定是磁盘中有,内存中也有。后续操作完内存数据之后,以特定的刷新策略,刷新到磁盘。而这时,就涉及到磁盘和内存的数据交互,也就是IO。此时IO的基本单位就是Page。

为了更好的进行上面的操作, MySQL 服务器在内存中运行的时候,在服务器内部,就申请了被称为 Buffer Pool 的的大内存空间,来进行各种缓存。其实就是很大的内存空间,来和磁盘数据进行IO交互

为了更高的效率,一定要尽可能的减少系统和磁盘IO的次数

索引的理解

创建一张表:

create table if not exists user (id int primary key, age int not null,name varchar(16) not null);

现在往表里插入5条数据,结果如下:插入的数据是无序的,但是查看结果却是有序的!

mysql> insert into user (id, age, name) values(3, 18, '杨过');Query OK, 1 row affected (0.00 sec)mysql> insert into user (id, age, name) values(4, 16, '小龙女');Query OK, 1 row affected (0.04 sec)mysql> insert into user (id, age, name) values(2, 26, '黄蓉');Query OK, 1 row affected (0.03 sec)mysql> insert into user (id, age, name) values(5, 36, '郭靖');Query OK, 1 row affected (0.02 sec)mysql> insert into user (id, age, name) values(1, 56, '欧阳锋');Query OK, 1 row affected (0.03 sec)

主键有序问题

我们向一个具有主键的表中,乱序插入数据,发现数据会自动排序,这是谁做的,为什么要这样做?

对于这个问题的回答,我们来看一看。

首先磁盘上有对应的文件数据,文件数据最终会被预读到文件缓冲区,mysql启动的时候会申请buffer pool,mysql层面上,所有的page都会被放到buffer pool中,理解mysql中page的概念:一个page是16KB,mysql内部一定需要并且会存在大量的page,也就决定了mysql必须要将多个同时存在的page管理起来。要管理所有的mysql内的page,需要先描述,在组织,所以不要简单将page认为是一个内存块,page内部也必须写入对应的管理信息!如:

struct page{struct page*next;struct page*prev;char buffer[NUM];};-- 16KB,

所谓的申请,在mysql申请的page就是new page,在用简单的方式:比如将所有的page用链表的形式管理起来。在buffer pool内部,对mysql中的page进行了一个建模。

了解一下:MySQL和磁盘进行IO交互的时候,采用Page的方案进行交互

为什么MySQL和磁盘进行IO交互的时候,要采用Page的方案进行交互?用多少,加载多少不可以吗?如上面的5条记录,如果MySQL要查找id=2的记录,第一次加载id=1,第二次加载id=2,一次一条记录,那么就需要2次IO。如果要找id=5,那么就需要5次IO。但,如果这5条(或者更多)都被保存在一个Page中(16KB,能保存很多记录),那么第一次IO查找id=2的时候,整个Page会被加载到MySQL的Buffer Pool中,这里完成了一次IO。但是往后如果在查找id=1,3,4,5等,完全不需要进行IO了,而是直接在内存中进行了。所以,就在单Page里面,大大减少了IO的次数。

怎么保证,用户一定下次找的数据,就在这个Page里面?我们不能严格保证,但是有很大概率,因为有局部性原理。往往IO效率低下的最主要矛盾不是IO单次数据量的大小,而是IO的次数

理解单个Page

MySQL 中要管理很多数据表文件,而要管理好这些文件,就需要先描述,在组织 ,我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的,这在我们一开始也有说到

对于不同的 Page ,在 MySQL 中,都是 16KB ,使用 prev 和 next 构成双向链表因为有主键的问题, MySQL 会默认按照主键给我们的数据进行排序,从上面的Page内数据记录可以看出,数据是有序且彼此关联的。

**插入数据时排序的目的,就是优化查询的效率。**页内部存放数据的模块,实质上也是一个链表的结构,链表的特点也就是增删快,查询修改慢,所以优化查询的效率是必须的。正式因为有序,在查找的时候,从头到后都是有效查找,没有任何一个查找是浪费的,而且,如果运气好,是可以提前结束查找过程的。

理解多个Page

上面页模式中,只有一个功能,就是在查询某条数据的时候直接将一整页的数据加载到内存中,以减少硬盘IO次数,从而提高性能。但是,我们也可以看到,现在的页模式内部,实际上是采用了链表的结构,前一条数据指向后一条数据,本质上还是通过数据的逐条比较来取出特定的数据;如果有1千万条数据,一定需要多个Page来保存1千万条数据,多个Page彼此使用双链表链接起来,而且每个Page内部的数据也是基于链表的。那么,查找特定一条记录,也一定是线性查找。效率也太低了。

所以要提高效率,我们要有两个角度进行考量:第一个角度是在单page的时候如何提高一个Page内部的链式遍历的效率;另一个是多Page的时候怎么解决Page间进行查找的效率。所以我们有了页目录的出现。

页目录

比如我们在看《软件工程导论》这本书的时候,如果我们要看软件生命周期这个章节,找到该章节有两种做法从头逐页的向后翻,直到找到目标内容;通过书提供的目录,发现软件生命周期章节在11页(假设),那么我们便直接翻到11页。同时,查找目录的方案,可以顺序找,不过因为目录的页数肯定少,所以可以快速提高定位本质上,书中的目录,是多花了纸张的,但是却提高了效率;所以,目录,是一种“空间换时间的做法”

单页情况

对于上面的单页Page,我们也可以引入目录

在一个Page内部,我们引入了目录。比如,我们要查找id=4记录,之前必须线性遍历4次,才能拿到结果。现在直接通过目录2[3],直接进行定位新的起始位置,提高了效率。

所以对于一开始的问题,我们可以正式回答了:主键插入无序的,但是结果是有序的,很简单,只有把数据变成有序的,能够方便我们引入页内目录!

多页情况

MySQL 中每一页的大小只有 16KB ,单个Page大小固定,所以随着数据量不断增大, 16KB 不可能存下所有的数据,那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下, MySQL 会在容量不足的时候,自动开辟新的Page来保存新的数据,然后通过指针的方式,将所有的Page组织起来 对于上面的图,是理想结构,要保证整体有序,那么新插入的数据,不一定会在新Page上面,这里仅仅做演示。这样,我们就可以通过多个Page遍历,Page内部通过目录来快速定位数据。可是,这样也有效率问题,在Page之间,也是需要 MySQL 遍历的遍历意味着依旧需要进行大量的IO,将下一个Page加载到内存,进行线性检测。这样就显得我们之前的Page内部的目录,作用没那么大了。

所以,我们给Page也带上目录。

使用一个目录项来指向某一页,而这个目录项存放的就是将要指向的页中存放的最小数据的键值。和页内目录不同的地方在于,这种目录管理的级别是页,而页内目录管理的级别是行其中,每个目录项的构成是:键值+指针

存在一个目录页来管理页目录,目录页中的数据存放的就是指向的那一页中最小的数据。有数据,就可通过比较,找到该访问那个Page,进而通过指针,找到下一个Page。其实目录页的本质也是页,普通页中存的数据是用户数据,而目录页中存的数据是普通页的地址。但是我们每次检索数据的时候,应该从哪里开始,虽然顶层的目录页少了,但是还需要遍历,不用担心,可以在加目录页,哈哈,你没想错!

这就是传说中的B+树!把整个的B+树称作mysql innode db下的索引结构,一般我们建表的时候,就是在该结构下进行CURD,即使没有主键也是这样子的,会有默认主键的至此,我们已经给我们的表user构建完了主键索引。随便找一个id=?我们发现,现在查找的Page数一定减少了,也就意味着IO次数减少了,那么效率也就提高了。

1.叶子节点保存有数据,路上节点没有,非叶子节点,不要数据,只要目录项

非叶子节点不存数据,可以存储更多的目录项,目录页可以管理更多的叶子page,这棵树一定是一个矮胖型的树。这也意味着途径的路上节点减少。这也意味着找到目标数据只需要更少的page,也就是IO次数更少,在IO层面,提高了效率!

每一个节点,都有目录项,可以大大提高搜索效率。

2.叶子节点全部用链表级联起来

这是b+树的特点;我们比较希望进行范围查找

总结

到此这篇关于MySql索引的作用以及对索引的理解的文章就介绍到这了,更多相关MySql索引作用及理解内容请搜索一聚教程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持一聚教程网!

相关文章

精彩推荐