MySQL索引底层原理理解以及常见问题总结

目录

二叉查找树为索引

红黑树为索引

B树作为索引

B+树作为索引

MyISAM存储引擎索引实现

InnoDB存储引擎索引实现

常见问题

聚集索引与非聚集索引

InnoDB基于主键索引和普通索引的查询有什么区别？

InnoDB主键索引为何是整型的自增主键

何时使用业务字段作为主键呢？

哈希与B树

“N叉树”的N值在MySQL中是可以被人工调整的么？

二叉查找树为索引

二叉树的key为col2，value为索引所在行的磁盘地址。
但如果拿col1来作为key的话，会发现二叉搜索树退化成链表。

红黑树为索引

仍然以col1作为索引key，发现找6只需要查找3次。比二叉查找树更加合适一点

当表中有1百万行数据时，这棵树的高度会越来越大。如果我们查找的元素在叶子节点，查找次数会非常多。

B树作为索引

可以在树的横向上做文章，每个节点原本只存储一行数据的地址，现在可以修改为存储多行数据。因为树的高度越多说明IO操作越多，导致与磁盘的交互越多。
B树：
叶节点具有相同的深度，叶节点的指针为空。
所有的索引元素不重复
节点中数据索引从左到右递增排列

B+树作为索引

B+树
非叶子节点不存储data，只存储索引，这样可以放更多索引
叶子节点包含所有索引字段。
叶子节点用指针连接，提高区间访问性能。

也就是说在叶子节点存储了完整的元素，然后把一些处于中间位置的索引元素提取出来，作为非叶子节点。
MySQL设置默认节点大小为16kb，一个bigint为8byte，一个指针为6byte。所以一个节点最多能存16kb/14b = 1170。
再假设叶子节点一个元素占空间大小为1kb。
如果全部节点存储了满了，h = 3的时候一共能够存储1170 * 1170 * 16 = 21902400；这样可以存两千多万个数据了。

以下面为例：
注意，整个树都放在磁盘中，每次load一个节点进入内存。一般来说，先从根节点开始load。
我们现在要找6。比对根节点的3，6大于3，向右比较，发现6大于5，于是从5右边的指针找到下面一层的节点.
然后把这一层的节点从磁盘里面load到内存中。
我们还可以看到最底层的节点之间会有链表相连。

MyISAM存储引擎索引实现

注意，存储引擎是用来形容数据库中的表的。
MyISAM索引文件和数据文件是分离的。
我们使用查询语句：

select * from ...  where Col1 = 49;

首先查找是否是索引字段，如果是就从MYI文件中的B+树里面去定位到这个元素。key存储的是索引元素，data存储的是索引元素所在的那一行的磁盘地址指针。拿到指针后去MYD文件定位。

InnoDB存储引擎索引实现

索引和数据放到了同一个文件中：.ibd文件。
叶节点包含了完整的数据记录，而不只是一个地址指针。

常见问题

聚集索引与非聚集索引

InnoDB就是聚集索引，索引和数据文件合在一起。
MyISAM是非聚集索引，索引和数据文件分离。
非聚集索引要查找两次，一次找到指针地址，一次根据指针地址找具体数据。
聚集索引只需要查找一次，直接找到具体数据，所以效率要更高。

InnoDB基于主键索引和普通索引的查询有什么区别？

如果语句是 select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引树，得到 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。
也就是说，基于非主键索引的查询需要多扫描一棵索引树。因此，我们在应用中应该尽量使用主键查询。

InnoDB主键索引为何是整型的自增主键

自增主键的使用，关于存储和性能
InnoDB必须要有主键，而且推荐使用的是整型的自增主键。
因为数字好建立索引，方便比较，而且相比较于字符串类型，占用的空间更小。
关于自增：由于底层叶子节点是递增排列的，如果此时主键是递增的，那么新插入的元素就显然在叶子节点的最右边。
如果主键不是递增的，插入一个新的元素可能就会在叶子节点链表中间某处。B+树的结构调整就十分巨大了，可能上层的非叶子节点的索引值要修改。
例如这里我们插入8

树的结构发生了很大变化，直接裂开。

自增主键的插入数据模式，每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。

何时使用业务字段作为主键呢？

只有唯一的索引，而且该索引为唯一索引。由于没有其他索引，所以也就不用考虑其他索引的叶子节点大小的问题。
直接将这个索引设置为主键，可以避免每次查询需要搜索两棵树。

哈希与B树

哈希查找某个key很快，但是不支持范围查找。
B树用到范围查找就很方便了。叶子节点从左到右是一个递增的趋势。并且叶子节点之间通过指针相连，所以不需要再返回到上层索引中寻找。如果我们要找大于20的元素，那么只要在最底层，20元素的右边进行遍历即可。

如果是小于某个元素的情况，就是从底层叶子节点的左边开始，一直包含到边界即可。

“N叉树”的N值在MySQL中是可以被人工调整的么？

1，通过改变key值来调整
N叉树中非叶子节点存放的是索引信息，索引包含Key和Point指针。Point指针固定为6个字节，假如Key为10个字节，那么单个索引就是16个字节。如果B+树中页大小为16K，那么一个页就可以存储1024个索引，此时N就等于1024。我们通过改变Key的大小，就可以改变N的值
2，改变页的大小
页越大，一页存放的索引就越多，N就越大。

数据页调整后，如果数据页太小层数会太深，数据页太大，加载到内存的时间和单个数据页查询时间会提高，需要达到平衡才行。