索引

引用自這裏

爲何要給表加上主鍵？

爲何加索引後會使查詢變快？

爲何加索引後會使寫入、修改、刪除變慢？

什麼狀況下要同時在兩個字段上建索引？

要理解索引原理必須清楚一種數據結構「平衡樹」(非二叉)，也就是b tree或者 b+ tree，重要的事情說三遍：「平衡樹，平衡樹，平衡樹」。固然， 有的數據庫也使用哈希桶做用索引的數據結構 ， 然而， 主流的RDBMS都是把平衡樹當作數據表默認的索引數據結構的。

咱們平時建表的時候都會爲表加上主鍵， 在某些關係數據庫中， 若是建表時不指定主鍵，數據庫會拒絕建表的語句執行。 事實上， 一個加了主鍵的表，並不能被稱之爲「表」。一個沒加主鍵的表，它的數據無序的放置在磁盤存儲器上，一行一行的排列的很整齊， 跟我認知中的「表」很接近。若是給表上了主鍵，那麼表在磁盤上的存儲結構就由整齊排列的結構轉變成了樹狀結構，也就是上面說的「平衡樹」結構，換句話說，就是整個表就變成了一個索引。沒錯， 再說一遍， 整個表變成了一個索引，也就是所謂的「彙集索引」。 這就是爲何一個表只能有一個主鍵， 一個表只能有一個「彙集索引」，由於主鍵的做用就是把「表」的數據格式轉換成「索引（平衡樹）」的格式放置。

上圖就是帶有主鍵的表（彙集索引）的結構圖。圖畫的不是很好， 將就着看。其中樹的全部結點（底部除外）的數據都是由主鍵字段中的數據構成，也就是一般咱們指定主鍵的id字段。最下面部分是真正表中的數據。 假如咱們執行一個SQL語句：

select * from table where id = 1256;

首先根據索引定位到1256這個值所在的葉結點，而後再經過葉結點取到id等於1256的數據行。 這裏不講解平衡樹的運行細節， 可是從上圖能看出，樹一共有三層， 從根節點至葉節點只須要通過三次查找就能獲得結果。以下圖

假如一張表有一億條數據 ，須要查找其中某一條數據，按照常規邏輯， 一條一條的去匹配的話， 最壞的狀況下須要匹配一億次才能獲得結果，用大O標記法就是O(n)最壞時間複雜度，這是沒法接受的，並且這一億條數據顯然不能一次性讀入內存供程序使用， 所以， 這一億次匹配在不經緩存優化的狀況下就是一億次IO開銷，以如今磁盤的IO能力和CPU的運算能力， 有可能須要幾個月才能得出結果 。若是把這張錶轉換成平衡樹結構（一棵很是茂盛和節點很是多的樹），假設這棵樹有10層，那麼只須要10次IO開銷就能查找到所須要的數據， 速度以指數級別提高，用大O標記法就是O(log n)，n是記錄總樹，底數是樹的分叉數，結果就是樹的層次數。換言之，查找次數是以樹的分叉數爲底，記錄總數的對數，用公式來表示就是

用程序來表示就是Math.Log(100000000,10)，100000000是記錄數，10是樹的分叉數（真實環境下分叉數遠不止10）， 結果就是查找次數，這裏的結果從億降到了個位數。所以，利用索引會使數據庫查詢有驚人的性能提高。

然而， 事物都是有兩面的， 索引能讓數據庫查詢數據的速度上升， 而使寫入數據的速度降低，緣由很簡單的， 由於平衡樹這個結構必須一直維持在一個正確的狀態， 增刪改數據都會改變平衡樹各節點中的索引數據內容，破壞樹結構， 所以，在每次數據改變時， DBMS必須去從新梳理樹（索引）的結構以確保它的正確，這會帶來不小的性能開銷，也就是爲何索引會給查詢之外的操做帶來反作用的緣由。

講完彙集索引 ， 接下來聊一下非彙集索引， 也就是咱們平時常常提起和使用的常規索引。

非彙集索引和彙集索引同樣， 一樣是採用平衡樹做爲索引的數據結構。索引樹結構中各節點的值來自於表中的索引字段， 假如給user表的name字段加上索引 ， 那麼索引就是由name字段中的值構成，在數據改變時， DBMS須要一直維護索引結構的正確性。若是給表中多個字段加上索引 ， 那麼就會出現多個獨立的索引結構，每一個索引（非彙集索引）互相之間不存在關聯。 以下圖

每次給字段建一個新索引， 字段中的數據就會被複制一份出來， 用於生成索引。 所以， 給表添加索引，會增長表的體積， 佔用磁盤存儲空間。

非彙集索引和彙集索引的區別在於， 經過彙集索引能夠查到須要查找的數據， 而經過非彙集索引能夠查到記錄對應的主鍵值 ， 再使用主鍵的值經過彙集索引查找到須要的數據，以下圖

無論以任何方式查詢表， 最終都會利用主鍵經過彙集索引來定位到數據， 彙集索引（主鍵）是通往真實數據所在的惟一路徑。

然而， 有一種例外能夠不使用匯集索引就能查詢出所須要的數據， 這種非主流的方法 稱之爲「覆蓋索引」查詢， 也就是平時所說的複合索引或者多字段索引查詢。 文章上面的內容已經指出， 當爲字段創建索引之後， 字段中的內容會被同步到索引之中， 若是爲一個索引指定兩個字段， 那麼這個兩個字段的內容都會被同步至索引之中。

先看下面這個SQL語句

//創建索引

create index index_birthday on user_info(birthday);

//查詢生日在1991年11月1日出生用戶的用戶名

select user_name from user_info where birthday = '1991-11-1'

這句SQL語句的執行過程以下

首先，經過非彙集索引index_birthday查找birthday等於1991-11-1的全部記錄的主鍵ID值

而後，經過獲得的主鍵ID值執行彙集索引查找，找到主鍵ID值對就的真實數據（數據行）存儲的位置

最後， 從獲得的真實數據中取得user_name字段的值返回， 也就是取得最終的結果

咱們把birthday字段上的索引改爲雙字段的覆蓋索引

create index index_birthday_and_user_name on user_info(birthday, user_name);

這句SQL語句的執行過程就會變爲

經過非彙集索引index_birthday_and_user_name查找birthday等於1991-11-1的葉節點的內容，然而， 葉節點中除了有user_name表主鍵ID的值之外， user_name字段的值也在裏面， 所以不須要經過主鍵ID值的查找數據行的真實所在， 直接取得葉節點中user_name的值返回便可。 經過這種覆蓋索引直接查找的方式， 能夠省略不使用覆蓋索引查找的後面兩個步驟， 大大的提升了查詢性能，以下圖

數據庫索引的大體工做原理就是像文中所述， 然而細節方面可能會略有誤差，這但並不會對概念闡述的結果產生影響 。

能夠用覆蓋查詢查詢所須要的數值，這樣能夠不用複合索引，相似以下語句create index 索引名 on 表名(字段名) include (須要的數據列)，這樣也沒必要去訪問表或彙集索引數據，還能夠減小索引大小

索引還有一個很是重要的用途，那就是下降數據的排序成本。
咱們知道，每一個索引中的數據都是按照索引鍵鍵值進行排序後存放的，因此，當Query 語句中包含排序分組操做時，若是排序字段和索引鍵字段恰好一致，MySQL Query Optimizer 就會告訴 mysqld 在取得數據後不用排序了，由於根據索引取得的數據已經知足客戶的排序要求。

那若是是分組操做呢？分組操做沒辦法直接利用索引完成。可是分組操做是需要先進行排序而後分組的，因此當Query 語句中包含分組操做，並且分組字段也恰好和索引鍵字段一致，那麼mysqld 一樣能夠利用索引已經排好序的這個特性，省略掉分組中的排序操做。

排序分組操做主要消耗的是內存和 CPU 資源，若是可以在進行排序分組操做中利用好索引，將會極大地下降CPU資源的消耗。

複合索引優化
兩個或更多個列上的索引被稱做複合索引。
利用索引中的附加列，您能夠縮小搜索的範圍，但使用一個具備兩列的索引不一樣於使用兩個單獨的索引。複合索引的結構與電話簿相似，人名由姓和名構成，電話簿 首先按姓氏對進行排序，而後按名字對有相同姓氏的人進行排序。若是您知道姓，電話簿將很是有用；若是您知道姓和名，電話簿則更爲有用，但若是您只知道名不知道姓，電話簿將沒有用處。
因此說建立複合索引時，應該仔細考慮列的順序。對索引中的全部列執行搜索或僅對前幾列執行搜索時，複合索引很是有用；僅對後面的任意列執行搜索時，複合索引則沒有用處。
如：創建 姓名、年齡、性別的複合索引。