vlambda博客
学习文章列表

Hash

只支持单条数据的查询。很多时候我们需要更复杂的操作。

BTree

特点

• 不再是二叉搜索，而是N叉搜索，树的高度会降低，查询快

• 叶子节点，非叶子节点，都可以存储数据，且可以存储多个数据

• 通过中序遍历，可以访问树上所有节点

设计逻辑

• 内存读写快，磁盘读写慢，而且慢很多

• 磁盘预读：

  磁盘读写并不是按需读取，而是按页预读，一次会读一页的数据，每次加载一些看起来是冗余的数据，如果未来要读取的数据就在这一页中，可以避免未来的磁盘读写，提高效率（通常，一页数据是4K）

• 局部性原理：

  软件设计要尽量遵循“数据读取集中”与“使用到一个数据，大概率会使用其附近的数据”，这样磁盘预读能充分提高磁盘IO效能

B+TRee

现在mysql使用的是这种索引

改进点以及优势

• 仍然是N叉树，层级小，非叶子节点不再存储数据，数据只存储在同一层的叶子节点上，B+树从根到每一个节点的路径长度一样，而B树不是这样

• 叶子之间，增加了链表(图中红色箭头指向)，获取所有节点，不再需要中序遍历，使用链表的next节点就可以快速访问到

• 范围查找方面，当定位min与max之后，中间叶子节点，就是结果集，不用中序回溯（范围查询在SQL中用得很多，这是B+树比B树最大的优势）

• 叶子节点存储实际记录行，记录行相对比较紧密的存储，适合大数据量磁盘存储；

  非叶子节点存储记录的PK，用于查询加速，适合内存存储

• 非叶子节点，不存储实际记录，而只存储记录的KEY的话，那么在相同内存的情况下，B+树能够存储更多索引

问题1：索引类型中normal、unique、Fulltext什么意思？什么区别？

normal：表示普通索引

unique：表示唯一的，不允许重复的索引，如果该字段信息保证不会重复例如身份证号用作索引时，可设置为unique

full textl: 表示 全文搜索的索引。FULLTEXT 用于搜索很长一篇文章的时候，效果最好。用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。

问题2：mysql5.7中使用的索引是 BTree？什么时候开始用的B+Tree？什么用Hash索引？

Hash索引

innoDB 引擎中不支持Hash索引。

hash索引一般用于内存数据库，比如memory存储引擎，数据放到内存里，为了加快速度，创建hash索引。

既然你提到InnoDB使用的B+ Tree的索引模型，那么你知道为什么采用B+ 树吗？这和Hash索引比较起来有什么优缺点吗？

B+ Tree索引和Hash索引区别

• 哈希索引适合等值查询，但是无法进行范围查询

• 哈希索引没办法利用索引完成排序

• 哈希索引不支持多列联合索引的最左匹配规则

• 如果有大量重复键值得情况下，哈希索引的效率会很低，因为存在哈希碰撞问题

聚簇索引、覆盖索引

刚刚我们聊到B+ Tree ，那你知道B+ Tree的叶子节点都可以存哪些东西吗？

InnoDB的B+ Tree可能存储的是整行数据，也有可能是主键的值。

两种情况：如果存储了主键索引，就称之为聚簇索引；如果存储了主键的值而不是主键索引，那就称之为非聚簇索引。

在 InnoDB 里，索引B+ Tree的叶子节点存储了整行数据的是主键索引，也被称之为聚簇索引。而索引B+ Tree的叶子节点存储了主键的值的是非主键索引，也被称之为非聚簇索引。

聚簇索引查询会更快？

因为主键索引树的叶子节点直接就是我们要查询的整行数据了。而非主键索引的叶子节点是主键的值，查到主键的值以后，还需要再通过主键的值再进行一次查询。

刚刚你提到主键索引查询只会查一次，而非主键索引需要回表查询多次。是所有情况都是这样的吗？非主键索引一定会查询多次吗？

（后来我才知道，原来这个过程叫做回表）

拿到索引之后，还需要到表根据索引查询一次数据的过程，叫做回表。

覆盖索引（covering index）指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取。也可以称之为实现了索引覆盖。

当一条查询语句符合覆盖索引条件时，MySQL只需要通过索引就可以返回查询所需要的数据，这样避免了查到索引后再返回表操作，减少I/O提高效率。

如，表covering_index_sample中有一个普通索引 idx_key1_key2(key1,key2)。当我们通过SQL语句：select key2 from covering_index_sample where key1 = ‘keytest’;的时候，就可以通过覆盖索引查询，无需回表。

再举个例子：

select id from table_name where name = ‘ZhangSan’.

这种情况下，可以根据 name 索引查询 id，id就是要查询的值，所以不用再查询聚簇索引。直接就能查询出结果。

联合索引、最左前缀匹配

那你们在创建联合索引的时候，需要做联合索引多个字段之间顺序你们是如何选择的呢？

我们把识别度最高的字段放到最前面。

在创建多列索引时，我们根据业务需求，where子句中使用最频繁的一列放在最左边，因为MySQL索引查询会遵循最左前缀匹配的原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

所以当我们创建一个联合索引的时候，如(key1,key2,key3)，相当于创建了（key1）、(key1,key2)和(key1,key2,key3)三个索引，这就是最左匹配原则。

举个例子：加入建了一个联合索引，使用 name 和 age 两列。

1）where name = ?

2) where age = ?

3) where name = ? and age = ?

上面会用到索引的有哪些？

答：1）3）

索引下推、查询优化

那你知道在MySQL 5.6中，对索引做了哪些优化吗？

引入了 Index Condition Pushdown（索引下推） MySQL 5.6引入了索引下推优化，默认开启，使用SET optimizer_switch = ‘index_condition_pushdown=off’; 可以将其关闭。官方文档中给的例子和解释如下：people表中（zipcode，lastname，firstname）构成一个索引

SELECT * FROM people WHERE zipcode=‘95054’ AND lastname LIKE ‘%etrunia%’ AND address LIKE ‘%Main Street%’;

如果没有使用索引下推技术

则MySQL会通过zipcode=’95054’从存储引擎中查询对应的数据，返回到MySQL服务端，然后MySQL服务端基于lastname LIKE ‘%etrunia%’ 和 address LIKE ‘%Main Street%’ 来判断数据是否符合条件。

如果使用了索引下推技术

则MYSQL首先会返回符合 zipcode=’95054’ 的索引，然后根据 lastname LIKE ‘%etrunia%’ 筛选出符合条件的索引后再返回到 MySQL 服务端，然后MySQL服务端基于address LIKE ‘%Main Street%’ 来判断数据是否符合条件，这样返回给MySQL服务端的索引数又会减少。有了索引下推优化，可以在有like条件查询的情况下，减少回表次数。

你们创建的那么多索引，到底有没有生效，或者说你们的SQL语句有没有使用索引查询你们有统计过吗？

可以通过explain查看sql语句的执行计划，通过执行计划来分析索引使用情况

那什么情况下会发生明明创建了索引，但是执行的时候并没有通过索引呢？

查询优化器 一条SQL语句的查询，可以有不同的执行方案，至于最终选择哪种方案，需要通过优化器进行选择，选择执行成本最低的方案。

在一条单表查询语句真正执行之前，MySQL的查询优化器会找出执行该语句所有可能使用的方案，对比之后找出成本最低的方案。这个成本最低的方案就是所谓的执行计划。

优化过程大致如下：

1、根据搜索条件，找出所有可能使用的索引

2、计算全表扫描的代价

3、计算使用不同索引执行查询的代价

4、对比各种执行方案的代价，找出成本最低的那一个

参考：

1）

2）mysql索引：https://zhuanlan.zhihu.com/p/73204847

实战：https://juejin.im/post/5decb37b6fb9a0161a0c267b