索引
為什么使用索引
一般的應用系統，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現性能問題，在生產環境中，我們遇到最多的，也是最容易出問題的，還是一些復雜的查詢操作，因此對查詢語句的優化顯然是重中之重。說起加速查詢，就不得不提到索引了。
索引的目的在於提高查詢效率，與我們查閱圖書所用的目錄是一個道理：先定位到章，然后定位到該章下的一個小節，然后找到頁數。相似的例子還有：查字典，查火車車次，飛機航班等，下面內容看不懂的同學也沒關系，能明白這個目錄的道理就行了。 那么你想，書的目錄占不占頁數，這個頁是不是也要存到硬盤里面，也占用硬盤空間。你再想，你在沒有數據的情況下先建索引或者說目錄快，還是已經存在好多的數據了，然后再去建索引，哪個快，肯定是沒有數據的時候快，因為如果已經有了很多數據了，你再去根據這些數據建索引，是不是要將數據全部遍歷一遍，然后根據數據建立索引。你再想，索引建立好之后再添加數據快，還是沒有索引的時候添加數據快，索引是用來干什么的，是用來加速查詢的，那對你寫入數據會有什么影響，肯定是慢一些了，因為你但凡加入一些新的數據，都需要把索引或者說書的目錄重新做一個，所以索引雖然會加快查詢，但是會降低寫入的效率。
索引的影響
1、在表中有大量數據的前提下，創建索引速度會很慢
2、在索引創建完畢后，對表的查詢性能會發幅度提升，但是寫性能會降低
本質都是：通過不斷地縮小想要獲取數據的范圍來篩選出最終想要的結果，同時把隨機的事件變成順序的事件，也就是說，有了這種索引機制，我們可以總是用同一種查找方式來鎖定數據。
數據庫也是一樣，但顯然要復雜的多，因為不僅面臨着等值查詢，還有范圍查詢(>、<、between、in)、模糊查詢(like)、並集查詢(or)等等。數據庫應該選擇怎么樣的方式來應對所有的問題呢？我們回想字典的例子，能不能把數據分成段，然后分段查詢呢？最簡單的如果1000條數據，1到100分成第一段，101到200分成第二段，201到300分成第三段......這樣查第250條數據，只要找第三段就可以了，一下子去除了90%的無效數據。但如果是1千萬的記錄呢，分成幾段比較好？稍有算法基礎的同學會想到搜索樹，其平均復雜度是lgN，具有不錯的查詢性能。但這里我們忽略了一個關鍵的問題，復雜度模型是基於每次相同的操作成本來考慮的。而數據庫實現比較復雜，一方面數據是保存在磁盤上的，另外一方面為了提高性能，每次又可以把部分數據讀入內存來計算，因為我們知道訪問磁盤的成本大概是訪問內存的十萬倍左右，所以簡單的搜索樹難以滿足復雜的應用場景。
前面提到了訪問磁盤，那么這里先簡單介紹一下磁盤IO和預讀，磁盤讀取數據靠的是機械運動，每次讀取數據花費的時間可以分為尋道時間、旋轉延遲、傳輸時間三個部分，尋道時間指的是磁臂移動到指定磁道所需要的時間，主流磁盤一般在5ms以下；旋轉延遲就是我們經常聽說的磁盤轉速，比如一個磁盤7200轉/min，表示每分鍾能轉7200次，也就是說1秒鍾能轉120次，旋轉延遲就是1/120/2 = 4.17ms，也就是半圈的時間（這里有兩個時間：平均尋道時間，受限於目前的物理水平，大概是5ms的時間，找到磁道了，還需要找到你數據存在的那個點，尋點時間，這尋點時間的一個平均值就是半圈的時間，這個半圈時間叫做平均延遲時間，那么平均延遲時間加上平均尋道時間就是你找到一個數據所消耗的平均時間，大概9ms，其實機械硬盤慢主要是慢在這兩個時間上了，當找到數據然后把數據拷貝到內存的時間是非常短暫的，和光速差不多了）；傳輸時間指的是從磁盤讀出或將數據寫入磁盤的時間，一般在零點幾毫秒，相對於前兩個時間可以忽略不計。那么訪問一次磁盤的時間，即一次磁盤IO的時間約等於5+4.17 = 9ms左右，聽起來還挺不錯的，但要知道一台500 -MIPS（Million Instructions Per Second）的機器每秒可以執行5億條指令，因為指令依靠的是電的性質，換句話說執行一次IO的消耗的時間段下cpu可以執行約450萬條指令，數據庫動輒十萬百萬乃至千萬級數據，每次9毫秒的時間，顯然是個災難，所以我們要想辦法降低IO次數。
索引原理
前面講了索引的基本原理，數據庫的復雜性，又講了操作系統的相關知識，目的就是讓大家了解，現在我們來看看索引怎么做到減少IO，加速查詢的。任何一種數據結構都不是憑空產生的，一定會有它的背景和使用場景，我們現在總結一下，我們需要這種數據結構能夠做些什么，其實很簡單，那就是：每次查找數據時把磁盤IO次數控制在一個很小的數量級，最好是常數數量級。那么我們就想到如果一個高度可控的多路搜索樹是否能滿足需求呢？就這樣，b+樹應運而生，看下圖：
如上圖，是一顆b+樹，最上層是樹根，中間的是樹枝，最下面是葉子節點，關於b+樹的定義可以參見B+樹，這里只說一些重點，淺藍色的塊我們稱之為一個磁盤塊或者叫做一個block塊，這是操作系統一次IO往內存中讀的內容，一個塊對應四個扇區，可以看到每個磁盤塊包含幾個數據項（深藍色所示，一個磁盤塊里面包含多少數據，一個深藍色的塊表示一個數據，其實不是數據，后面有解釋）和指針（黃色所示，看最上面一個，p1表示比上面深藍色的那個17小的數據的位置在哪，看它指針指向的左邊那個塊，里面的數據都比17小，p2指向的是比17大比35小的磁盤塊），如磁盤塊1包含數據項17和35，包含指針P1、P2、P3，P1表示小於17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大於35的磁盤塊。真實的數據存在於葉子節點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節點只不存儲真實的數據，只存儲指引搜索方向的數據項，如17、35並不真實存在於數據表中。
如果要查找數據項29，那么首先會把磁盤塊1由磁盤加載到內存，此時發生一次IO，在內存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內存時間因為非常短（相比磁盤的IO）可以忽略不計，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內存，發生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內存，發生第三次IO，同時內存中做二分查找找到29，結束查詢，總計三次IO。真實的情況是，3層的b+樹可以表示上百萬的數據，如果上百萬的數據查找只需要三次IO，性能提高將是巨大的，如果沒有索引，每個數據項都要發生一次IO，那么總共需要百萬次的IO，顯然成本非常非常高。除了葉子節點，其他的樹根啊樹枝啊保存的就是數據的索引，他們是為你建立這種數據之間的關系而存在的。
索引字段要盡量的小：通過上面的分析，我們知道IO次數取決於b+數的高度h或者說層級，這個高度或者層級就是你每次查詢數據的IO次數，假設當前數據表的數據為N，每個磁盤塊的數據項的數量是m，則有h=㏒(m+1)N，當數據量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數據項的大小，磁盤塊的大小也就是一個數據頁的大小，是固定的，如果數據項占的空間越小，數據項的數量越多，樹的高度越低。這就是為什么每個數據項，即索引字段要盡量的小，比如int占4字節，要比bigint8字節少一半。這也是為什么b+樹要求把真實的數據放到葉子節點而不是內層節點，一旦放到內層節點，磁盤塊的數據項會大幅度下降，導致樹增高。當數據項等於1時將會退化成線性表
MySQL的常用索引
1.3.1 常用索引
主鍵索引PRIMARY：又稱為聚集索引，每張表有且只能有一個，主鍵索引PRIMARY KEY：加速查找+約束（不為空、不能重復）
普通索引INDEX：加速查找，可以有多個
唯一索引：主鍵索引PRIMARY KEY：加速查找+約束（不為空、不能重復）
聯合索引：多個字段聯合起來作為索引
-PRIMARY KEY(id,name):聯合主鍵索引
-UNIQUE(id,name):聯合唯一索引
-INDEX(id,name):聯合普通索引
使用InnoDB存儲引擎的時候，每建一個表，就需要給一個主鍵，是因為這個主鍵是InnoDB存儲引擎的.idb文件來組織存儲數據的依據或者說方式，也就是說InnoDB存儲引擎在存儲數據的時候默認就按照索引的那種樹形結構來幫你存。這種索引，我們就稱為聚集索引，也就是在聚集數據組織數據的時候，就用這種索引。InnoDB這么做就是為了加速查詢效率，因為你經常會遇到基於主鍵來查詢數據的情況，並且通常我們把id字段作為主鍵，第一點是因為id占用的數據空間不大，第二點是你經常會用到id來查數據。如果你的表有兩個字段，一個id一個name，id為主鍵，當你查詢的時候如果where后面的條件是name=多少多少，那么你就沒有用到主鍵給你帶來的加速查詢的效果（需要主鍵之外的輔助索引），如果你用where id=多少多少，就會按照我們剛才上面說的哪種樹形結構來給你找尋數據了（當然不僅僅有這種樹形結構的數據結構類型），能夠快速的幫你定位到數據塊。這種聚集索引的特點是它會以id字段作為依據，去建立樹形結構，但是葉子節點存的是你表中的一條完整記錄，一條完整的數據。
索引操作
主鍵索引:
創建的時候添加:
Create table t1(
Id int primary key,
)
Create table t1(
Id int,
Primary key(id)
)
表創建完了之后添加
Alter table 表名 add primary key(id)
刪除主鍵索引:
Alter table 表名 drop primary key;
唯一索引:
Create table t1(
Id int unique,
)
Create table t1(
Id int,
Unique key uni_name (id)
)
表創建好之后添加唯一索引:
alter table s1 add unique key u_name(id);
刪除唯一索引:
Alter table s1 drop index u_name;
普通索引:
創建:
Create table t1(
Id int,
Index index_name(id)
)
表創建好之后添加普通索引:
Alter table s1 add index index_name(id);
Create index index_name on s1(id);
刪除普通索引:
Alter table s1 drop index u_name;
DROP INDEX 索引名 ON 表名字;
將上面添加索引的字段變為多個就成了聯合索引，例如：
聯合主鍵索引
Create table t1(
Id int,
name char(10),
Primary key(id，name)
)
聯合唯一索引
Create table t1(
Id int,
name char(10),
Unique key uni_name (id，name)
)
聯合普通索引
Create table t1(
Id int,
name char(10),
Index index_name(id，name)
)
創建表完成之后，再添加聯合索引的方式和上面的給單個字段添加索引的方式相同。
測試索引
數據准備
#1. 准備表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);
#2. 創建存儲過程，實現批量插入記錄，存儲過程沒什么特別的，將下面的代碼到mysql中運行一下就可以了，注意，可能會花費挺長時間，因為數據量比較大，有300萬條數據。
delimiter $$ #聲明存儲過程的結束符號為$$
create procedure auto_insert1()
BEGIN
declare i int default 1;
while(i<3000000)do
insert into s1 values(i,'egon','male',concat('egon',i,'@oldboy'));
set i=i+1;
end while;
END$$ #$$結束
delimiter ; #重新聲明分號為結束符號
#3. 查看存儲過程
show create procedure auto_insert1\G
#4. 調用存儲過程
call auto_insert1();
測試示例
- 在沒有索引的前提下測試查詢速度。
mysql> select * from s1 where id=333333333;
Empty set (0.33 sec)
在表中已經存在大量數據的前提下，為某個字段段建立索引，建立速度會很慢
或者用alter table s1 add primary key(id);加主鍵，建索引很慢的。
在索引建立完畢后，以該字段為查詢條件時，查詢速度提升明顯
正確命中索引
並不是說我們創建了索引就一定會加快查詢速度，若想利用索引達到預想的提高查詢速度的效果，我們在添加索引時，必須遵循以下問題
-
范圍問題，或者說條件不明確，條件中出現這些符號或關鍵字：>、>=、<、<=、!= 、between...and...、like
如果你寫where id >1 and id <1000000;你會發現，隨着你范圍的增大，速度會越來越慢，會成倍的體現出來。
-
盡量選擇區分度高的列作為索引,區分度的公式是count(distinct col)/count(*)，表示字段不重復的比例，比例越大我們掃描的記錄數越少，唯一鍵的區分度是1，而一些狀態、性別字段可能在大數據面前區分度就是0。
-
=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優化器會幫你優化成索引可以識別的形式
#1、and與or的邏輯 條件1 and 條件2:所有條件都成立才算成立，但凡要有一個條件不成立則最終結果不成立 條件1 or 條件2:只要有一個條件成立則最終結果就成立 #2、and的工作原理 條件： a = 10 and b = 'xxx' and c > 3 and d =4 索引： 制作聯合索引(d,a,b,c) 工作原理: #如果是你找的話，你會怎么找，是不是從左到右一個一個的比較啊，首先你不能確定a這個字段是不是有索引，即便是有索引，也不一定能確保命中索引了（所謂命中索引，就是應用上了索引），mysql不會這么笨的，看下面mysql是怎么找的： 索引的本質原理就是先不斷的把查找范圍縮小下來，然后再進行處理，對於連續多個and：mysql會按照聯合索引，從左到右的順序找一個區分度高的索引字段(這樣便可以快速鎖定很小的范圍)，加速查詢，即按照d—>a->b->c的順序 #3、or的工作原理 條件： a = 10 or b = 'xxx' or c > 3 or d =4 索引： 制作聯合索引(d,a,b,c) 工作原理: 只要一個匹配成功就行，所以對於連續多個or：mysql會按照條件的順序，從左到右依次判斷，即a->b->c->d -
索引列不能參與計算，保持列“干凈”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很簡單，b+樹中存的都是數據表中的字段值，但進行檢索時，需要把所有元素都應用函數才能比較，顯然成本太大。所以語句應該寫成create_time = unix_timestamp(’2014-05-29’)
-
最左匹配特性(針對聯合索引的)
最左前綴：顧名思義，就是最左優先，上一個博客中數據庫我們創建了UNIQUE KEY
uk_device(device_id,user_id,token)多列索引,相當於創建了(device_id)單列索引，(device_id,user_id)組合索引以及(device_id,user_id,token)組合索引。結論是索引鍵是（a_b_c）seclect * from table where a=' ';以下情況：
1：a= 可以命中索引，b= 不可以命中索引，c= 不可以命中索引。
2：a=‘’ and b=‘’可以命中，a=‘’ and c=‘’ 可以命中索引。
3：b=’‘and a=’‘可以命中索引， b=‘‘ and c=’‘ 不可以命中索引。
4：c=’‘ and a=’‘ 可以命中 索引，c=’‘ and b=’‘不可命中索引。