JAVA面试系列 - MySQL InnoDB 索引介绍

概述

先来看到题，建表语句：

create table user(
    `id` bigint auto_increment COMMENT '主键ID',
    `age` int not null COMMENT '年龄',
    `name` varchar(1024) not null COMMENT '姓名',
      `country` varchar(1024) not null COMMENT '国家',
      `city` varchar(1024) not null COMMENT '城市',
      PRIMARY KEY (`id`),
    KEY `IDX_NAME` (`name`),
    KEY `IDX_AGE` (`age`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='用户信息';

除了主键外，建立了2个索引，name和age，那么下面两句sql分别会命中哪些索引呢？

select * from user where name='yang' and age=10;
select * from user where name='yang' or age=10;

如果对这道题没啥思路的，那么就往下看吧，看完本文后相信答案也就出来了。

页

InnoDB是一个将表中的数据存储到磁盘上的存储引擎，所以即使关机后重启我们的数据还是存在的。而真正处理数据的过程是发生在内存中的，所以需要把磁盘中的数据加载到内存中，如果是处理写入或修改请求的话，还需要把内存中的内容刷新到磁盘上。而我们知道读写磁盘的速度非常慢，和内存读写差了几个数量级，所以当我们想从表中获取某些记录时，InnoDB存储引擎需要一条一条的把记录从磁盘上读出来么？不，那样会慢死，InnoDB采取的方式是：将数据划分为若干个页，以页作为磁盘和内存之间交互的基本单位，InnoDB中页的大小一般为 16KB。也就是在一般情况下，一次最少从磁盘中读取16KB的内容到内存中，一次最少把内存中的16KB内容刷新到磁盘中。

这里不对InnoDB的页做过多介绍，有兴趣的同学可以研究这两篇文章：InnoDB记录存储结构，InnoDB数据页结构。

索引

为什么需要索引呢？索引可以帮助我们解决什么问题？

查字典大家都了解吧，碰到一个不认识的字，会用笔划的方式进行查询，如下图

其实这个目录就是索引，帮助你能够更快的按照某种规则查找到你需要的内容。试想下，如果没有这个『笔划索引』，如果要找一个字，怎么办？只能一页一页翻了，需要全部遍历。如果字典的排序是按照笔划数排序的，那么你还能用二分查找的方式，加速查找过程。哈哈，扯远了，回过来，索引的存在，其实就是将无序的数据变成有序(相对)，提高检索速度。

大家都知道，InnoDB的索引使用的数据结构是B+树，那么为什么是B+树呢？在介绍B+树索引机制前，我们先了解另外两种数据解构，哈希和B树。

哈希索引

说到索引，我们很容易想到通过哈希的方式实现，时间复杂度O(1)。相信在你的日常业务代码中，应该会经常出现下面的代码，将一个list根据某个key转化为Map，其实就这个就是索引思想。

Map<Long, User> id2User = Maps.uniqueIndex(users, User::getId);

哈希索引示意图：

键值key通过Hash映射找到bucket。在这里bucket指的是一个能存储一条或多条记录的存储单位。一个桶的结构包含了一个内存指针数组，其中的每一行数据都会指向下一条，形成链表结构，当遇到Hash冲突时，会在桶中进行键值的查找。

采用Hash进行检索效率非常高，如果查找的字段建立了索引，那么基本上一次检索就可以找到数据。但是大家忽略了，查找场景并不只有精确检索（ where name=xxx ），还有范围检索、模糊检索等等。

Hash索引主要存在以下缺点：

1. 没法利用索引进行排序，即 ORDER BY，因为 Hash 索引指向的数据是无序的，因此无法起到排序优化的作用。例如上述案例中需要按照name排序，虽然name字段建立了索引，但是不是有序的，所以对排序效率无任何正向作用。
2. 不支持最左匹配原则，即联合索引。因为Hash索引在计算Hash值时，是将索引键合并后再一起计算Hash值，所以不会对每个索引单独计算Hash值，因此如果用到联合索引的一个或几个索引时，联合索引无法被利用。
3. 不支持范围查询，同样是因为 Hash 索引指向的数据是无序的，所以没法对 where id > 10 这样的范围查询语句有任何效率提升的作用。

B树索引

B树和B+树的区别

如图所示，区别有以下两点：

1. B+树中只有叶子节点会带有指向记录的指针（ROWID），而B树则所有节点都带有，在内部节点出现的索引项不会再出现在叶子节点中。
2. B+树中所有叶子节点都是通过指针连接在一起，而B树不会。

B+树的优点：

1. 非叶子节点不会带上ROWID，这样，一个块中可以容纳更多的索引项，一是可以降低树的高度。二是一个内部节点可以定位更多的叶子节点。
2. 叶子节点之间通过指针来连接，范围扫描将十分简单，而对于B树来说，则需要在叶子节点和内部节点不停的往返移动。

B树的优点：

1. 对于在内部节点的数据，可直接得到，不必根据叶子节点来定位。

可以看到，B+树的两个优点对于提升DB检索效率都是非常有用的。第一个在一定大小的空间中可以存放更多索引，降低树的高度，即检索时间。第二个在对于范围扫描更加方便。

B+树索引

索引结构

单条记录的结构

先看下mysql中一行记录的结构示意图

主要几个部分：

• record_type：记录头信息的一项属性，表示记录的类型，0表示普通记录、1表示目录项、2表示最小记录、3表示最大记录
• next_type：记录头信息的一项属性，表示下一条地址的偏移量，为了方便大家理解，我们都会用箭头来表明下一条记录是谁。
• 各个列的值：就是各个数据列的值，其中我们用橘黄色的格子代表c1列，深蓝色的格子代表c2列，红色格子代表c3列。
• 其他信息：除了上述3种信息以外的所有信息，包括其他隐藏列的值以及记录的额外信息。

单页结构

然后再看下单个页的结构示意图

3条普通记录，一条最小记录，一条最大记录，5条记录形成单向链表。

多页结构

上面说的每个页的大小是16KB，为了便于说明问题，假设每页只能放3条普通记录，增加记录就需要增加页，下面是多页结构示意图：

几点需要注意

• 下一个数据页的主键值必须大于上一个页中的主键值
• 新分配的数据页编号可能并不是连续的，也就是说我们使用的这些页在存储空间里可能并不挨着。它们只是通过维护着上一个页和下一个页的编号而建立了链表关系
• 单页之间是单向链表，多页之间是双向链表

因为这些16KB的页在物理存储上并不挨着，所以如果想从这么多页中根据主键值快速定位某些记录所在的页，我们需要给它们做个目录，每个页对应一个目录项，每个目录项包括下边两个部分：

• 页的用户记录中最小的主键值，我们用key来表示。
• 页号，我们用page_no表示。

然后我们看下如何寻找id=20的记录。

1. 先从目录项中根据二分法快速确定出主键值为20的记录在目录项3中（因为 12 < 20 < 209），它对应的页是页9。
2. 再在页9中根绝二分法快速定位具体的记录。

这样是不是查找数据就快了？嗯，正是这个目录的功劳！对了，忘记说了，这个目录有个别名，叫索引。

下面再看一个高度为3的B+树索引：

从图中可以看出来，一个B+树的节点其实可以分成好多层，设计InnoDB的大叔们为了讨论方便，规定最下边的那层，也就是存放我们用户记录的那层为第0层，之后依次往上加。上边我们假设一页只能放3条普通记录，其实真实环境中一个页存放的记录数量是非常大的，假设，假设，假设所有的数据页，包括存储真实用户记录和目录项记录的页，都可以存放1000条记录，那么：

• 如果B+树只有1层，也就是只有1个用于存放用户记录的节点，最多能存放1000条记录。
• 如果B+树有2层，最多能存放1000×1000=1000000条记录。
• 如果B+树有3层，最多能存放1000×1000×1000=1000000000条记录。
• 如果B+树有4层，最多能存放1000×1000×1000×1000=1000000000000条记录。哇咔咔～这么多的记录！！！

你的表里能存放1000000000000条记录么？所以一般情况下，我们用到的B+树都不会超过4层，那我们通过主键去查找某条记录最多只需要做4个页面内的查找，又因为在每个页面内有所谓的Page Directory（页目录），所以在页面内也可以通过二分法实现快速定位记录，是不是很高效！

聚集和非聚集索引

下面看个例子，表创建语句如下：

create table user(
    `id` bigint auto_increment COMMENT '主键ID',
    `age` int not null COMMENT '年龄',
    `name` varchar(1024) not null COMMENT '姓名',
      `country` varchar(1024) not null COMMENT '国家',
      `city` varchar(1024) not null COMMENT '城市',
      PRIMARY KEY (`id`),
    KEY `IDX_NAME` (`name`),
    KEY `IDX_COUNTRY_CITY` (`country`, `city`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='用户信息';

可以看到一共建立了3个索引，主键id索引、name索引、country+city的联合索引。其中id就是聚集索引，name就是非聚集索引（二级索引）。

简单概括：

• 聚集索引就是以主键创建的索引
• 非聚集索引就是以非主键创建的索引

区别：

• 聚集索引在叶子节点存储的是表中的数据
• 非聚集索引在叶子节点存储的是主键和索引列
• 使用非聚集索引查询出数据时，拿到叶子上的主键再去查到想要查找的数据。(拿到主键再查找这个过程叫做回表)

以上有3个索引，所以会有3颗B+树

1. 聚集索引树，索引是主键id，即上面图中的黄色框对应记录中的id字段，然后在叶子节点中存储的是表中数据，即有多少个字段就会在黄色方块下面有多少个数据方块
2. 非聚集索引树，索引是字段name，在叶子节点中存储的是主键id，即黄色方块后面只会有一个方块，存储主键id，然后如果要获取除id和name外的字段字段，需要在做一次检索，即回表
3. 非聚集索引树，索引字段是country+city，和情况2类似，知识索引字段有2个方块，然后叶子节点会存储主键id，所以叶子节点中数据方块是3个。如下图

索引最左匹配原则

上面提到了联合索引，联合索引有一个最左匹配原则，介绍如下：

• 索引可以简单如一个列(a)，也可以复杂如多个列(a, b, c, d)，即联合索引。
• 如果是联合索引，那么key也由多个列组成，同时，索引只能用于查找key是否存在（相等），遇到范围查询(>、<、between、like左匹配)等就不能进一步匹配了，后续退化为线性查找。
• 因此，列的排列顺序决定了可命中索引的列数。

例子：

• 如有索引(a, b, c, d)，查询条件a = 1 and b = 2 and c > 3 and d = 4，则会在每个节点依次命中a、b、c，无法命中d。(很简单：索引命中只能是相等的情况，不能是范围匹配)

=、in自动优化顺序

不需要考虑=、in等的顺序，mysql会自动优化这些条件的顺序，以匹配尽可能多的索引列。

例子：

• 如有索引(a, b, c, d)，查询条件c > 3 and b = 2 and a = 1 and d < 4与a = 1 and c > 3 and b = 2 and d < 4等顺序都是可以的，MySQL会自动优化为a = 1 and b = 2 and c > 3 and d < 4，依次命中a、b、c。

参考文档

• B树和B+树的区别
• 数据库两大神器【索引和锁】
• MySQL的索引