[MySQL][索引][上]详细讲解

0.铺垫

• MYSQL服务器，本质是在内存中的，所有的数据库的CURD操作，全部都是在内存中进行的
• 索引也是在内存中进行的
• 提高算法效率的因素
  • 组织数据的方式 – 索引影响的
  • 算法本身
• MYSQL InnoDB下的索引结构
  • 一般建表插入数据的时候，就是在该结构下进行CURD
  • 表没有主键怎么办？也是按照索引么？
    • 是的，会有默认主键
• 思路铺设
  • 如何理解硬盘
  • 如何理解柱面，磁道，扇区，磁头
  • InnoDB 主键索引和普通索引
  • MyISAM 主键索引和普通索引
  • 其他数据结构为何不能作为索引结构，尤其是B+和B
  • 聚簇索引 VS 非聚簇索引

1.没有索引，可能会有什么问题？

• 索引：

  • 提高数据库的性能，索引是物美价廉的东西了不用加内存，不用改程序，不用调sql，只要执行正确的create index ，查询速度就可能提高成百上千倍
  • 但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO
  • 所以它的价值，在于提高一个海量数据的检索速度

• 常见索引：

  • 主键索引(primary key)
  • 唯一索引(unique)
  • 普通索引(index)
  • 全文索引(fulltext) – 解决中子文索引问题

• 示例：先整一个海量表，在查询的时候，看看没有索引时有什么问题？

  # 构建一个8000000条记录的数据
  # 构建的海量表数据需要有差异性，所以使用存储过程来创建， 拷贝下面代码就可以了，暂时不用理解
  # 产生随机字符串
  delimiter $$
  create function rand_string(n INT)
  returns varchar(255)
  begin
   declare chars_str varchar(100) default
    'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
   declare return_str varchar(255) default '';
   declare i int default 0;
   while i < n do 
     set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
     set i = i + 1;
     end while;
    return return_str;
    end $$
  delimiter ;
  
  # 产生随机数字
  delimiter $$
  create function rand_num()
  returns int(5)
  begin
   declare i int default 0;
   set i = floor(10+rand()*500);
  return i;
  end $$
  delimiter ;
  
  # 创建存储过程，向雇员表添加海量数据
  delimiter $$
  create procedure insert_emp(in start int(10),in max_num int(10))
  begin
  declare i int default 0;
   set autocommit = 0;
   repeat
   set i = i + 1;
   insert into EMP values ((start+i)
  ,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
    until i = max_num
   end repeat;
   commit;
  end $$
  delimiter ;
  
  # 执行存储过程，添加8000000条记录
  call insert_emp(100001, 8000000);
  

• 查询员工编号为998877的员工

  • 可以看到耗时4.93秒，这还是在本机一个人来操作
  • 在实际项目中，如果放在公网中，假如同时有 1000个人并发查询，那很可能就死机

  select * from EMP where empno=998877;
  

• 解决方法：创建索引

  alter table EMP add index(empno);
  

• 换一个员工编号，测试看看查询时间

  select * from EMP where empno=123456;
  

2.认识磁盘

1.MYSQL与存储

• MySQL给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中
• 磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，再加上IO本身的特征，可以知道，如何提高效率，是 MySQL 的一个重要话题

2.认识磁盘

• 磁盘宏观结构
  

• 磁盘中一个盘片
  

• 扇区

  • 数据库文件，本质其实就是保存在磁盘的盘片当中，也就是上面的一个个小格子中，就是经常所说的扇区
  • 当然，数据库文件很大，也很多，一定需要占据多个扇区

• 题外话：

  • 从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
  • 那么，所有扇区都是默认512字节吗？
    • 目前是的，我们也这样认为
    • **因为保证一个扇区多大，是由比特位密度决定的
  • 不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过现在暂时不考虑

• 在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的

  • 有一些内存文件系统，如： proc ， sys 之类，我们不考虑
  • 数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件

• 理解

  • 找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区
  • 如果能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的

3.定位扇区

• 柱面(磁道)：
  • 多盘磁盘，每盘都是双面，大小完全相等
  • 那么同半径的磁道，整体上便构成了一个柱面
  • 每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的
• 所以，只需要知道磁头(Heads)、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号，即可在磁盘上定位所要访问的扇区
  • 这种磁盘数据定位方式叫做CHS。不过实际系统软件使用的并不是CHS(但是硬件是)，而是LBA，一种线性地址，可以想象成虚拟地址与物理地址
  • 系统将 LBA 地址最后会转化成为 CHS，交给磁盘去进行数据读取
  • 不过，我们现在不关心转化细节，知道这个东西，让逻辑自洽起来即可

4.结论

• 能够在硬件层面定位任何一个基本数据块(扇区)，那么在系统软件上，就直接按照扇区(512字节，部分4096字节)，进行IO交互吗？
  • 不是，如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关
    • 换言之，如果硬件发生变化，系统必须跟着变化
  • 从目前来看，单次IO 512字节，还是太小了
    • IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低
• 之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块
  • 故：系统读取磁盘，是以块为单位的，基本单位是 4KB
• 磁盘随机访问(Random Access)与连续访问(Sequential Access)
  • 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据
  • 连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问
  • 因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问
  • 磁盘是通过机械运动进行寻址的，连续访问不需要过多的定位，故效率比较高

3.MySQL与磁盘交互基本单位

• MySQL作为一款应用软件，可以想象成一种特殊的文件系统(后面统一使用 InnoDB 存储引擎讲解)
  • 它有着更高的IO场景，所以为了提高基本的IO效率，MySQL进行IO的基本单位是16KB

  mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
  +------------------+-------+
  | Variable_name    | Value |
  +------------------+-------+
  | Innodb_page_size | 16384 | -- 16*1024=16384
  +------------------+-------+
  

• 综上：磁盘这个硬件设备的基本单位是 512 字节，而MySQL InnoDB引擎用 16KB 进行IO交互
  • 即：MySQL 和磁盘进行数据交互的基本单位是 16KB
  • 这个基本数据单元，在MySQL这里叫做page(注意和系统的page区分)

4.建立共识

• MySQL中的数据文件，是以page为单位保存在磁盘当中的
• MySQL的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据
  • 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中
  • 所以在特定时间内，数据一定是磁盘中有，内存中也有
  • 后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘
    • 而这时，就涉及到磁盘和内存的数据交互，也就是IO了，而此时IO的基本单位就是Page
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的大内存空间，来进行各种缓存，其实就是很大的内存空间，来和磁盘数据进行IO交互
• 为何更高的效率，一定要尽可能的减少系统和磁盘IO的次数？
  • 磁盘太慢了，和磁盘IO次数越多，花费的时间越多，效率越低