摘要
本文以MySQL數(shù)據(jù)庫為研究對象，討論與數(shù)據(jù)庫索引相關(guān)的一些話題。特別需要說明的是，MySQL支持諸多存儲引擎，而各種存儲引擎對索引的支持也各不相同，因此MySQL數(shù)據(jù)庫支持多種索引類型，如BTree索引，哈希索引，全文索引等等。為了避免混亂，本文將只關(guān)注于BTree索引，因為這是平常使用MySQL時主要打交道的索引，至于哈希索引和全文索引本文暫不討論。
常見的查詢算法及數(shù)據(jù)結(jié)構(gòu)
為什么這里要講查詢算法和數(shù)據(jù)結(jié)構(gòu)呢？因為之所以要建立索引，其實就是為了構(gòu)建一種數(shù)據(jù)結(jié)構(gòu)，可以在上面應(yīng)用一種高效的查詢算法，最終提高數(shù)據(jù)的查詢速度。
索引的本質(zhì)
MySQL官方對索引的定義為：索引（Index）是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。提取句子主干，就可以得到索引的本質(zhì)：索引是數(shù)據(jù)結(jié)構(gòu)。
常見的查詢算法
我們知道，數(shù)據(jù)庫查詢是數(shù)據(jù)庫的最主要功能之一。我們都希望查詢數(shù)據(jù)的速度能盡可能的快，因此數(shù)據(jù)庫系統(tǒng)的設(shè)計者會從查詢算法的角度進行優(yōu)化。那么有哪些查詢算法可以使查詢速度變得更快呢？
順序查找（linear search ）
最基本的查詢算法當(dāng)然是順序查找（linear search），也就是對比每個元素的方法，不過這種算法在數(shù)據(jù)量很大時效率是極低的。
- 數(shù)據(jù)結(jié)構(gòu)：有序或無序隊列
- 復(fù)雜度：O(n)
//順序查找
int SequenceSearch(int a[], int value, int n)
{
int i;
for(i=0; i<n; i++)
if(a[i]==value)
return i;
return -1;
}
二分查找（binary search）
比順序查找更快的查詢方法應(yīng)該就是二分查找了，二分查找的原理是查找過程從數(shù)組的中間元素開始，如果中間元素正好是要查找的元素，則搜素過程結(jié)束；如果某一特定元素大于或者小于中間元素，則在數(shù)組大于或小于中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。如果在某一步驟數(shù)組為空，則代表找不到。
- 數(shù)據(jù)結(jié)構(gòu)：有序數(shù)組
- 復(fù)雜度：O(logn)
//二分查找，遞歸版本
int BinarySearch2(int a[], int value, int low, int high)
{
int mid = low+(high-low)/2;
if(a[mid]==value)
return mid;
if(a[mid]>value)
return BinarySearch2(a, value, low, mid-1);
if(a[mid]<value)
return BinarySearch2(a, value, mid+1, high);
}
二叉排序樹查找
二叉排序樹的特點是：
- 若它的左子樹不空，則左子樹上所有結(jié)點的值均小于它的根結(jié)點的值；
- 若它的右子樹不空，則右子樹上所有結(jié)點的值均大于它的根結(jié)點的值；
- 它的左、右子樹也分別為二叉排序樹。
搜索的原理：
- 若b是空樹，則搜索失敗，否則：
- 若x等于b的根節(jié)點的數(shù)據(jù)域之值，則查找成功；否則：
- 若x小于b的根節(jié)點的數(shù)據(jù)域之值，則搜索左子樹；否則：查找右子樹
- 數(shù)據(jù)結(jié)構(gòu)：二叉排序樹
- 時間復(fù)雜度： O(log2N)
哈希散列法(哈希表)
其原理是首先根據(jù)key值和哈希函數(shù)創(chuàng)建一個哈希表（散列表），燃耗根據(jù)鍵值，通過散列函數(shù)，定位數(shù)據(jù)元素位置。
- 數(shù)據(jù)結(jié)構(gòu)：哈希表
- 時間復(fù)雜度：幾乎是O(1)，取決于產(chǎn)生沖突的多少。
分塊查找
分塊查找又稱索引順序查找，它是順序查找的一種改進方法。其算法思想是將n個數(shù)據(jù)元素”按塊有序”劃分為m塊（m ≤ n）。每一塊中的結(jié)點不必有序，但塊與塊之間必須”按塊有序”；即第1塊中任一元素的關(guān)鍵字都必須小于第2塊中任一元素的關(guān)鍵字；而第2塊中任一元素又都必須小于第3塊中的任一元素，依次類推。
算法流程：
- 先選取各塊中的最大關(guān)鍵字構(gòu)成一個索引表；
- 查找分兩個部分：先對索引表進行二分查找或順序查找，以確定待查記錄在哪一塊中；然后，在已確定的塊中用順序法進行查找。
這種搜索算法每一次比較都使搜索范圍縮小一半。它們的查詢速度就有了很大的提升。如果稍微分析一下會發(fā)現(xiàn)，每種查找算法都只能應(yīng)用于特定的數(shù)據(jù)結(jié)構(gòu)之上，例如二分查找要求被檢索數(shù)據(jù)有序，而二叉樹查找只能應(yīng)用于二叉查找樹上，但是數(shù)據(jù)本身的組織結(jié)構(gòu)不可能完全滿足各種數(shù)據(jù)結(jié)構(gòu)（例如，理論上不可能同時將兩列都按順序進行組織），所以，在數(shù)據(jù)之外，數(shù)據(jù)庫系統(tǒng)還維護著滿足特定查找算法的數(shù)據(jù)結(jié)構(gòu)，這些數(shù)據(jù)結(jié)構(gòu)以某種方式引用（指向）數(shù)據(jù)，這樣就可以在這些數(shù)據(jù)結(jié)構(gòu)上實現(xiàn)高級查找算法。這種數(shù)據(jù)結(jié)構(gòu)，就是索引。
平衡多路搜索樹B樹（B-tree）
上面講到了二叉樹，它的搜索時間復(fù)雜度為O(log2N)，所以它的搜索效率和樹的深度有關(guān)，如果要提高查詢速度，那么就要降低樹的深度。要降低樹的深度，很自然的方法就是采用多叉樹，再結(jié)合平衡二叉樹的思想，我們可以構(gòu)建一個平衡多叉樹結(jié)構(gòu)，然后就可以在上面構(gòu)建平衡多路查找算法，提高大數(shù)據(jù)量下的搜索效率。
B Tree
B樹（Balance Tree）又叫做B- 樹（其實B-是由B-tree翻譯過來，所以B-樹和B樹是一個概念） ，它就是一種平衡路查找樹。下圖就是一個典型的B樹：
從上圖中我們可以大致看到B樹的一些特點，為了更好的描述B樹，我們定義記錄為一個二元組[key, data]，key為記錄的鍵值，data表示其它數(shù)據(jù)（上圖中只有key，沒有畫出data數(shù)據(jù) ）。下面是對B樹的一個詳細(xì)定
- 有一個根節(jié)點，根節(jié)點只有一個記錄和兩個孩子或者根節(jié)點為空；
- 每個節(jié)點記錄中的key和指針相互間隔，指針指向孩子節(jié)點；
- d是表示樹的寬度，除葉子節(jié)點之外，其它每個節(jié)點有[d/2,d-1]條記錄，并且些記錄中的key都是從左到右按大小排列的，有[d/2+1,d]個孩子；
- 在一個節(jié)點中，第n個子樹中的所有key，小于這個節(jié)點中第n個key，大于第n-1個key，比如上圖中B節(jié)點的第2個子節(jié)點E中的所有key都小于B中的第2個key 9，大于第1個key 3;
- 所有的葉子節(jié)點必須在同一層次，也就是它們具有相同的深度；
由于B-Tree的特性，在B-Tree中按key檢索數(shù)據(jù)的算法非常直觀：首先從根節(jié)點進行二分查找，如果找到則返回對應(yīng)節(jié)點的data，否則對相應(yīng)區(qū)間的指針指向的節(jié)點遞歸進行查找，直到找到節(jié)點或找到null指針，前者查找成功，后者查找失敗。B-Tree上查找算法的偽代碼如下：
BTree_Search(node, key) {
if(node == null) return null;
foreach(node.key){
if(node.key[i] == key) return node.data[i];
if(node.key[i] > key) return BTree_Search(point[i]->node);
}
return BTree_Search(point[i+1]->node);
}
data = BTree_Search(root, my_key);
關(guān)于B-Tree有一系列有趣的性質(zhì)，例如一個度為d的B-Tree，設(shè)其索引N個key，則其樹高h的上限為logd((N+1)/2)，檢索一個key，其查找節(jié)點個數(shù)的漸進復(fù)雜度為O(logdN)。從這點可以看出，B-Tree是一個非常有效率的索引數(shù)據(jù)結(jié)構(gòu)。
另外，由于插入刪除新的數(shù)據(jù)記錄會破壞B-Tree的性質(zhì)，因此在插入刪除時，需要對樹進行一個分裂、合并、轉(zhuǎn)移等操作以保持B-Tree性質(zhì)，本文不打算完整討論B-Tree這些內(nèi)容，因為已經(jīng)有許多資料詳細(xì)說明了B-Tree的數(shù)學(xué)性質(zhì)及插入刪除算法，有興趣的朋友可以查閱其它文獻進行詳細(xì)研究。
B+Tree
其實B-Tree有許多變種，其中最常見的是B+Tree，比如MySQL就普遍使用B+Tree實現(xiàn)其索引結(jié)構(gòu)。B-Tree相比，B+Tree有以下不同點：
- 每個節(jié)點的指針上限為2d而不是2d+1；
- 內(nèi)節(jié)點不存儲data，只存儲key；
- 葉子節(jié)點不存儲指針；
下面是一個簡單的B+Tree示意
由于并不是所有節(jié)點都具有相同的域，因此B+Tree中葉節(jié)點和內(nèi)節(jié)點一般大小不同。這點與B-Tree不同，雖然B-Tree中不同節(jié)點存放的key和指針可能數(shù)量不一致，但是每個節(jié)點的域和上限是一致的，所以在實現(xiàn)中B-Tree往往對每個節(jié)點申請同等大小的空間。一般來說，B+Tree比B-Tree更適合實現(xiàn)外存儲索引結(jié)構(gòu)，具體原因與外存儲器原理及計算機存取原理有關(guān)，將在下面討論。
帶有順序訪問指針的B+Tree
一般在數(shù)據(jù)庫系統(tǒng)或文件系統(tǒng)中使用的B+Tree結(jié)構(gòu)都在經(jīng)典B+Tree的基礎(chǔ)上進行了優(yōu)化，增加了順序訪問指針。
如圖所示，在B+Tree的每個葉子節(jié)點增加一個指向相鄰葉子節(jié)點的指針，就形成了帶有順序訪問指針的B+Tree。做這個優(yōu)化的目的是為了提高區(qū)間訪問的性能，例如圖4中如果要查詢key為從18到49的所有數(shù)據(jù)記錄，當(dāng)找到18后，只需順著節(jié)點和指針順序遍歷就可以一次性訪問到所有數(shù)據(jù)節(jié)點，極大提到了區(qū)間查詢效率。
這一節(jié)對B-Tree和B+Tree進行了一個簡單的介紹，下一節(jié)結(jié)合存儲器存取原理介紹為什么目前B+Tree是數(shù)據(jù)庫系統(tǒng)實現(xiàn)索引的首選數(shù)據(jù)結(jié)構(gòu)。
索引數(shù)據(jù)結(jié)構(gòu)設(shè)相關(guān)的計算機原理
上文說過，二叉樹、紅黑樹等數(shù)據(jù)結(jié)構(gòu)也可以用來實現(xiàn)索引，但是文件系統(tǒng)及數(shù)據(jù)庫系統(tǒng)普遍采用B-/+Tree作為索引結(jié)構(gòu)，這一節(jié)將結(jié)合計算機組成原理相關(guān)知識討論B-/+Tree作為索引的理論基礎(chǔ)。
兩種類型的存儲
在計算機系統(tǒng)中一般包含兩種類型的存儲，計算機主存（RAM）和外部存儲器（如硬盤、CD、SSD等）。在設(shè)計索引算法和存儲結(jié)構(gòu)時，我們必須要考慮到這兩種類型的存儲特點。主存的讀取速度快，相對于主存，外部磁盤的數(shù)據(jù)讀取速率要比主從慢好幾個數(shù)量級，具體它們之間的差別后面會詳細(xì)介紹。 上面講的所有查詢算法都是假設(shè)數(shù)據(jù)存儲在計算機主存中的，計算機主存一般比較小，實際數(shù)據(jù)庫中數(shù)據(jù)都是存儲到外部存儲器的。
一般來說，索引本身也很大，不可能全部存儲在內(nèi)存中，因此索引往往以索引文件的形式存儲的磁盤上。這樣的話，索引查找過程中就要產(chǎn)生磁盤I/O消耗，相對于內(nèi)存存取，I/O存取的消耗要高幾個數(shù)量級，所以評價一個數(shù)據(jù)結(jié)構(gòu)作為索引的優(yōu)劣最重要的指標(biāo)就是在查找過程中磁盤I/O操作次數(shù)的漸進復(fù)雜度。換句話說，索引的結(jié)構(gòu)組織要盡量減少查找過程中磁盤I/O的存取次數(shù)。下面詳細(xì)介紹內(nèi)存和磁盤存取原理，然后再結(jié)合這些原理分析B-/+Tree作為索引的效率。
存存取原理
目前計算機使用的主存基本都是隨機讀寫存儲器（RAM），現(xiàn)代RAM的結(jié)構(gòu)和存取原理比較復(fù)雜，這里本文拋卻具體差別，抽象出一個十分簡單的存取模型來說明RAM的工作原理。
從抽象角度看，主存是一系列的存儲單元組成的矩陣，每個存儲單元存儲固定大小的數(shù)據(jù)。每個存儲單元有唯一的地址，現(xiàn)代主存的編址規(guī)則比較復(fù)雜，這里將其簡化成一個二維地址：通過一個行地址和一個列地址可以唯一定位到一個存儲單元。上圖展示了一個4 x 4的主存模型。
主存的存取過程如下：
當(dāng)系統(tǒng)需要讀取主存時，則將地址信號放到地址總線上傳給主存，主存讀到地址信號后，解析信號并定位到指定存儲單元，然后將此存儲單元數(shù)據(jù)放到數(shù)據(jù)總線上，供其它部件讀取。寫主存的過程類似，系統(tǒng)將要寫入單元地址和數(shù)據(jù)分別放在地址總線和數(shù)據(jù)總線上，主存讀取兩個總線的內(nèi)容，做相應(yīng)的寫操作。
這里可以看出，主存存取的時間僅與存取次數(shù)呈線性關(guān)系，因為不存在機械操作，兩次存取的數(shù)據(jù)的“距離”不會對時間有任何影響，例如，先取A0再取A1和先取A0再取D3的時間消耗是一樣的。
磁盤存取原理
上文說過，索引一般以文件形式存儲在磁盤上，索引檢索需要磁盤I/O操作。與主存不同，磁盤I/O存在機械運動耗費，因此磁盤I/O的時間消耗是巨大的。
磁盤讀取數(shù)據(jù)靠的是機械運動，當(dāng)需要從磁盤讀取數(shù)據(jù)時，系統(tǒng)會將數(shù)據(jù)邏輯地址傳給磁盤，磁盤的控制電路按照尋址邏輯將邏輯地址翻譯成物理地址，即確定要讀的數(shù)據(jù)在哪個磁道，哪個扇區(qū)。為了讀取這個扇區(qū)的數(shù)據(jù)，需要將磁頭放到這個扇區(qū)上方，為了實現(xiàn)這一點，磁頭需要移動對準(zhǔn)相應(yīng)磁道，這個過程叫做尋道，所耗費時間叫做尋道時間，然后磁盤旋轉(zhuǎn)將目標(biāo)扇區(qū)旋轉(zhuǎn)到磁頭下，這個過程耗費的時間叫做旋轉(zhuǎn)時間，最后便是對讀取數(shù)據(jù)的傳輸。 所以每次讀取數(shù)據(jù)花費的時間可以分為尋道時間、旋轉(zhuǎn)延遲、傳輸時間三個部分。其中：
- 尋道時間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(zhuǎn)延遲就是我們經(jīng)常聽說的磁盤轉(zhuǎn)速，比如一個磁盤7200轉(zhuǎn)，表示每分鐘能轉(zhuǎn)7200次，也就是說1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms。
- 傳輸時間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時間，一般在零點幾毫秒，相對于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的時間約等于5+4.17 = 9ms左右，聽起來還挺不錯的，但要知道一臺500 -MIPS的機器每秒可以執(zhí)行5億條指令，因為指令依靠的是電的性質(zhì)，換句話說執(zhí)行一次IO的時間可以執(zhí)行40萬條指令，數(shù)據(jù)庫動輒十萬百萬乃至千萬級數(shù)據(jù)，每次9毫秒的時間，顯然是個災(zāi)難。
局部性原理與磁盤預(yù)讀
由于存儲介質(zhì)的特性，磁盤本身存取就比主存慢很多，再加上機械運動耗費，磁盤的存取速度往往是主存的幾百分分之一，因此為了提高效率，要盡量減少磁盤I/O。為了達到這個目的，磁盤往往不是嚴(yán)格按需讀取，而是每次都會預(yù)讀，即使只需要一個字節(jié)，磁盤也會從這個位置開始，順序向后讀取一定長度的數(shù)據(jù)放入內(nèi)存。這樣做的理論依據(jù)是計算機科學(xué)中著名的局部性原理：當(dāng)一個數(shù)據(jù)被用到時，其附近的數(shù)據(jù)也通常會馬上被使用。程序運行期間所需要的數(shù)據(jù)通常比較集中。
由于磁盤順序讀取的效率很高（不需要尋道時間，只需很少的旋轉(zhuǎn)時間），因此對于具有局部性的程序來說，預(yù)讀可以提高I/O效率。預(yù)讀的長度一般為頁（page）的整倍數(shù)。頁是計算機管理存儲器的邏輯塊，硬件及操作系統(tǒng)往往將主存和磁盤存儲區(qū)分割為連續(xù)的大小相等的塊，每個存儲塊稱為一頁（在許多操作系統(tǒng)中，頁得大小通常為4k），主存和磁盤以頁為單位交換數(shù)據(jù)。當(dāng)程序要讀取的數(shù)據(jù)不在主存中時，會觸發(fā)一個缺頁異常，此時系統(tǒng)會向磁盤發(fā)出讀盤信號，磁盤會找到數(shù)據(jù)的起始位置并向后連續(xù)讀取一頁或幾頁載入內(nèi)存中，然后異常返回，程序繼續(xù)運行。
數(shù)據(jù)庫索引所采用的數(shù)據(jù)結(jié)構(gòu)B-/+Tree及其性能分析
到這里終于可以分析為何數(shù)據(jù)庫索引采用B-/+Tree存儲結(jié)構(gòu)了。上文說過數(shù)據(jù)庫索引是存儲到磁盤的而我們又一般以使用磁盤I/O次數(shù)來評價索引結(jié)構(gòu)的優(yōu)劣。先從B-Tree分析，根據(jù)B-Tree的定義，可知檢索一次最多需要訪問h-1個節(jié)點（根節(jié)點常駐內(nèi)存）。數(shù)據(jù)庫系統(tǒng)的設(shè)計者巧妙利用了磁盤預(yù)讀原理，將一個節(jié)點的大小設(shè)為等于一個頁，這樣每個節(jié)點只需要一次I/O就可以完全載入。為了達到這個目的，在實際實現(xiàn)B-Tree還需要使用如下技巧：每次新建節(jié)點時，直接申請一個頁的空間，這樣就保證一個節(jié)點物理上也存儲在一個頁里，加之計算機存儲分配都是按頁對齊的，就實現(xiàn)了一個node只需一次I/O。
B-Tree中一次檢索最多需要h-1次I/O（根節(jié)點常駐內(nèi)存），漸進復(fù)雜度為O(h)=O(logdN)。一般實際應(yīng)用中，出度d是非常大的數(shù)字，通常超過100，因此h非常小（通常不超過3）。
綜上所述，如果我們采用B-Tree存儲結(jié)構(gòu)，搜索時I/O次數(shù)一般不會超過3次，所以用B-Tree作為索引結(jié)構(gòu)效率是非常高的。
B+樹性能分析
從上面介紹我們知道，B樹的搜索復(fù)雜度為O(h)=O(logdN)，所以樹的出度d越大，深度h就越小，I/O的次數(shù)就越少。B+Tree恰恰可以增加出度d的寬度，因為每個節(jié)點大小為一個頁大小，所以出度的上限取決于節(jié)點內(nèi)key和data的大小：
dmax=floor(pagesize/(keysize+datasize+pointsize))//floor表示向下取整
由于B+Tree內(nèi)節(jié)點去掉了data域，因此可以擁有更大的出度，從而擁有更好的性能。
B+樹查找過程
B-樹和B+樹查找過程基本一致。如上圖所示，如果要查找數(shù)據(jù)項29，那么首先會把磁盤塊1由磁盤加載到內(nèi)存，此時發(fā)生一次IO，在內(nèi)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(nèi)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(nèi)存，發(fā)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(nèi)存，發(fā)生第三次IO，同時內(nèi)存中做二分查找找到29，結(jié)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(shù)據(jù)，如果上百萬的數(shù)據(jù)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(shù)據(jù)項都要發(fā)生一次IO，那么總共需要百萬次的IO，顯然成本非常非常高。
這一章從理論角度討論了與索引相關(guān)的數(shù)據(jù)結(jié)構(gòu)與算法問題，下一章將討論B+Tree是如何具體實現(xiàn)為MySQL中索引，同時將結(jié)合MyISAM和InnDB存儲引擎介紹非聚集索引和聚集索引兩種不同的索引實現(xiàn)形式。
MySQL索引實現(xiàn)
在MySQL中，索引屬于存儲引擎級別的概念，不同存儲引擎對索引的實現(xiàn)方式是不同的，本文主要討論MyISAM和InnoDB兩個存儲引擎的索引實現(xiàn)方式。
MyISAM索引實現(xiàn)
MyISAM引擎使用B+Tree作為索引結(jié)構(gòu)，葉節(jié)點的data域存放的是數(shù)據(jù)記錄的地址。下圖是MyISAM索引的原理圖：
這里設(shè)表一共有三列，假設(shè)我們以Col1為主鍵，則上圖是一個MyISAM表的主索引（Primary key）示意。可以看出MyISAM的索引文件僅僅保存數(shù)據(jù)記錄的地址。在MyISAM中，主索引和輔助索引（Secondary key）在結(jié)構(gòu)上沒有任何區(qū)別，只是主索引要求key是唯一的，而輔助索引的key可以重復(fù)。如果我們在Col2上建立一個輔助索引，則此索引的結(jié)構(gòu)如下圖所示：
同樣也是一顆B+Tree，data域保存數(shù)據(jù)記錄的地址。因此，MyISAM中索引檢索的算法為首先按照B+Tree搜索算法搜索索引，如果指定的Key存在，則取出其data域的值，然后以data域的值為地址，讀取相應(yīng)數(shù)據(jù)記錄。
MyISAM的索引方式也叫做“非聚集”的，之所以這么稱呼是為了與InnoDB的聚集索引區(qū)分。
InnoDB索引實現(xiàn)
雖然InnoDB也使用B+Tree作為索引結(jié)構(gòu)，但具體實現(xiàn)方式卻與MyISAM截然不同。
第一個重大區(qū)別是InnoDB的數(shù)據(jù)文件本身就是索引文件。從上文知道，MyISAM索引文件和數(shù)據(jù)文件是分離的，索引文件僅保存數(shù)據(jù)記錄的地址。而在InnoDB中，表數(shù)據(jù)文件本身就是按B+Tree組織的一個索引結(jié)構(gòu)，這棵樹的葉節(jié)點data域保存了完整的數(shù)據(jù)記錄。這個索引的key是數(shù)據(jù)表的主鍵，因此InnoDB表數(shù)據(jù)文件本身就是主索引。
上圖是InnoDB主索引（同時也是數(shù)據(jù)文件）的示意圖，可以看到葉節(jié)點包含了完整的數(shù)據(jù)記錄。這種索引叫做聚集索引。因為InnoDB的數(shù)據(jù)文件本身要按主鍵聚集，所以InnoDB要求表必須有主鍵（MyISAM可以沒有），如果沒有顯式指定，則MySQL系統(tǒng)會自動選擇一個可以唯一標(biāo)識數(shù)據(jù)記錄的列作為主鍵，如果不存在這種列，則MySQL自動為InnoDB表生成一個隱含字段作為主鍵，這個字段長度為6個字節(jié)，類型為長整形。
第二個與MyISAM索引的不同是InnoDB的輔助索引data域存儲相應(yīng)記錄主鍵的值而不是地址。換句話說，InnoDB的所有輔助索引都引用主鍵作為data域。例如，下圖為定義在Col3上的一個輔助索引：
這里以英文字符的ASCII碼作為比較準(zhǔn)則。聚集索引這種實現(xiàn)方式使得按主鍵的搜索十分高效，但是輔助索引搜索需要檢索兩遍索引：首先檢索輔助索引獲得主鍵，然后用主鍵到主索引中檢索獲得記錄。
了解不同存儲引擎的索引實現(xiàn)方式對于正確使用和優(yōu)化索引都非常有幫助，例如知道了InnoDB的索引實現(xiàn)后，就很容易明白為什么不建議使用過長的字段作為主鍵，因為所有輔助索引都引用主索引，過長的主索引會令輔助索引變得過大。再例如，用非單調(diào)的字段作為主鍵在InnoDB中不是個好主意，因為InnoDB數(shù)據(jù)文件本身是一顆B+Tree，非單調(diào)的主鍵會造成在插入新記錄時數(shù)據(jù)文件為了維持B+Tree的特性而頻繁的分裂調(diào)整，十分低效，而使用自增字段作為主鍵則是一個很好的選擇。
下一章將具體討論這些與索引有關(guān)的優(yōu)化策略。
索引使用策略及優(yōu)化
MySQL的優(yōu)化主要分為結(jié)構(gòu)優(yōu)化（Scheme optimization）和查詢優(yōu)化（Query optimization）。本章討論的高性能索引策略主要屬于結(jié)構(gòu)優(yōu)化范疇。本章的內(nèi)容完全基于上文的理論基礎(chǔ)，實際上一旦理解了索引背后的機制，那么選擇高性能的策略就變成了純粹的推理，并且可以理解這些策略背后的邏輯。
聯(lián)合索引及最左前綴原理
聯(lián)合索引（復(fù)合索引）
首先介紹一下聯(lián)合索引。聯(lián)合索引其實很簡單，相對于一般索引只有一個字段，聯(lián)合索引可以為多個字段創(chuàng)建一個索引。它的原理也很簡單，比如，我們在（a,b,c）字段上創(chuàng)建一個聯(lián)合索引，則索引記錄會首先按照A字段排序，然后再按照B字段排序然后再是C字段，因此，聯(lián)合索引的特點就是：
- 第一個字段一定是有序的
- 當(dāng)?shù)谝粋€字段值相等的時候，第二個字段又是有序的，比如下表中當(dāng)A=2時所有B的值是有序排列的，依次類推，當(dāng)同一個B值得所有C字段是有序排列的
| A | B | C |
| 1 | 2 | 3 |
| 1 | 4 | 2 |
| 1 | 1 | 4 |
| 2 | 3 | 5 |
| 2 | 4 | 4 |
| 2 | 4 | 6 |
| 2 | 5 | 5 |
其實聯(lián)合索引的查找就跟查字典是一樣的，先根據(jù)第一個字母查，然后再根據(jù)第二個字母查，或者只根據(jù)第一個字母查，但是不能跳過第一個字母從第二個字母開始查。這就是所謂的最左前綴原理。
最左前綴原理
我們再來詳細(xì)介紹一下聯(lián)合索引的查詢。還是上面例子，我們在（a,b,c）字段上建了一個聯(lián)合索引，所以這個索引是先按a 再按b 再按c進行排列的，所以：
以下的查詢方式都可以用到索引
select * from table where a=1；
select * from table where a=1 and b=2；
select * from table where a=1 and b=2 and c=3；
上面三個查詢按照 （a ）, （a，b ）,（a，b，c ）的順序都可以利用到索引，這就是最左前綴匹配。
如果查詢語句是：
select * from table where a=1 and c=3； 那么只會用到索引a。
如果查詢語句是：
select * from table where b=2 and c=3； 因為沒有用到最左前綴a，所以這個查詢是用戶到索引的。
如果用到了最左前綴，但是順序顛倒會用到索引碼？
select * from table where b=2 and a=1；
select * from table where b=2 and a=1 and c=3；
如果用到了最左前綴而只是顛倒了順序，也是可以用到索引的，因為mysql查詢優(yōu)化器會判斷糾正這條sql語句該以什么樣的順序執(zhí)行效率最高，最后才生成真正的執(zhí)行計劃。但我們還是最好按照索引順序來查詢，這樣查詢優(yōu)化器就不用重新編譯了。
前綴索引
除了聯(lián)合索引之外，對mysql來說其實還有一種前綴索引。前綴索引就是用列的前綴代替整個列作為索引key，當(dāng)前綴長度合適時，可以做到既使得前綴索引的選擇性接近全列索引，同時因為索引key變短而減少了索引文件的大小和維護開銷。
一般來說以下情況可以使用前綴索引：
- 字符串列(varchar,char,text等)，需要進行全字段匹配或者前匹配。也就是=‘xxx’ 或者 like ‘xxx%’
- 字符串本身可能比較長，而且前幾個字符就開始不相同。比如我們對中國人的姓名使用前綴索引就沒啥意義，因為中國人名字都很短，另外對收件地址使用前綴索引也不是很實用，因為一方面收件地址一般都是以XX省開頭，也就是說前幾個字符都是差不多的，而且收件地址進行檢索一般都是like ’%xxx%’，不會用到前匹配。相反對外國人的姓名可以使用前綴索引，因為其字符較長，而且前幾個字符的選擇性比較高。同樣電子郵件也是一個可以使用前綴索引的字段。
- 前一半字符的索引選擇性就已經(jīng)接近于全字段的索引選擇性。如果整個字段的長度為20，索引選擇性為0.9，而我們對前10個字符建立前綴索引其選擇性也只有0.5，那么我們需要繼續(xù)加大前綴字符的長度，但是這個時候前綴索引的優(yōu)勢已經(jīng)不明顯，沒有太大的建前綴索引的必要了。
一些文章中也提到：
MySQL 前綴索引能有效減小索引文件的大小，提高索引的速度。但是前綴索引也有它的壞處：MySQL 不能在 ORDER BY 或 GROUP BY 中使用前綴索引，也不能把它們用作覆蓋索引(Covering Index)。
索引優(yōu)化策略
- 最左前綴匹配原則，上面講到了
- 主鍵外檢一定要建索引
- 對 where,on,group by,order by 中出現(xiàn)的列使用索引
- 盡量選擇區(qū)分度高的列作為索引,區(qū)分度的公式是count(distinct col)/count(*)，表示字段不重復(fù)的比例，比例越大我們掃描的記錄數(shù)越少，唯一鍵的區(qū)分度是1，而一些狀態(tài)、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0
- 對較小的數(shù)據(jù)列使用索引,這樣會使索引文件更小,同時內(nèi)存中也可以裝載更多的索引鍵
- 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(shù)據(jù)表中的字段值，但進行檢索時，需要把所有元素都應(yīng)用函數(shù)才能比較，顯然成本太大。所以語句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’);
- 為較長的字符串使用前綴索引
- 盡量的擴展索引，不要新建索引。比如表中已經(jīng)有a的索引，現(xiàn)在要加(a,b)的索引，那么只需要修改原來的索引即可
- 不要過多創(chuàng)建索引, 權(quán)衡索引個數(shù)與DML之間關(guān)系，DML也就是插入、刪除數(shù)據(jù)操作。這里需要權(quán)衡一個問題，建立索引的目的是為了提高查詢效率的，但建立的索引過多，會影響插入、刪除數(shù)據(jù)的速度，因為我們修改的表數(shù)據(jù)，索引也需要進行調(diào)整重建
- 對于like查詢，”%”不要放在前面。
SELECT * FROMhoudunwangWHEREunameLIKE'后盾%' -- 走索引
SELECT * FROMhoudunwangWHEREunameLIKE "%后盾%" -- 不走索引
- 查詢where條件數(shù)據(jù)類型不匹配也無法使用索引
字符串與數(shù)字比較不使用索引;
CREATE TABLEa(achar(10));
EXPLAIN SELECT * FROMaWHEREa="1" – 走索引
EXPLAIN SELECT * FROM a WHERE a=1 – 不走索引
- 正則表達式不使用索引,這應(yīng)該很好理解,所以為什么在SQL中很難看到regexp關(guān)鍵字的原因
