MySQL索引,實現方式?
1、問題:資料庫為什麼要設計索引?
圖書館存了1000W本圖書,要從中找到《架構師之路》,一本本查,要查到什麼時候去?
為了快速查詢一本書,圖書管理員設計了一套規則:
- (1)、一樓放歷史類,二樓放文學類,三樓放IT類…
- (2)、IT類,又分軟體類,硬體類…
- (3)、軟體類,又按照書名音序排序…
與之類比,資料庫儲存了1000W條資料,要從中找到name=”shenjian”的記錄,一條條查,要查到什麼時候去?
於是,要有索引,用於提升資料庫的查詢速度。
2、問題:雜湊(hash)比 樹(tree)更快,索引結構為什麼要設計成Tree型?
加速查詢速度的資料結構,常見的有兩類:
(1)、雜湊,例如:HashMap,查詢/插入/修改/刪除的平均時間複雜度都是O(1)
(2)、樹,例如:平衡二叉搜尋樹,查詢/插入/修改/刪除的平均時間複雜度都是O(lg(n));
可以看到,不管是讀請求,還是寫請求,雜湊型別的索引,都要比樹型的索引更快一些,那為什麼,索引結構要設計成樹型呢?
索引設計成樹形,和SQL的需求相關。
(1)、單行查詢
對於這樣一個單行查詢的SQL需求:
select * from t where name=”shenjian”
單行查詢確實是雜湊索引更快,因為每次都只查詢1條記錄。
TIP:所以,如果業務需求都是單行訪問,例如passport,確實可以使用雜湊索引。
(2)、排序查詢
但是對於排序查詢的SQL需求:
-
分組:group by
-
排序:order by
-
比較:<、>
-
…
雜湊索引,時間複雜度會退化為O(n),而樹型的“有序”特性,依然能夠保持O(log(n))的高效率。
任何脫離需求的設計都是耍流氓。
TIP:InnoDB並不支援雜湊索引。
3、問題:資料庫索引為什麼使用B+樹?
如果用下面幾種tree結構實現 index:
第1種:二叉搜尋樹
二叉搜尋樹,如上圖,是最為大家所熟知的一種資料結構,就不展開介紹了,它為什麼不適合用作資料庫索引?
(1)、當資料量大的時候,樹的高度會比較高,資料量大的時候,查詢會比較慢。
(2)、每個節點只儲存一個記錄,可能導致一次查詢有很多次磁碟IO。
第二種:B樹
B樹,如上圖,它的特點是:
(1)、不再是二叉搜尋,而是m叉搜尋;
(2)、葉子節點,非葉子節點,都儲存資料;
(3)、中序遍歷,可以獲得所有節點;
畫外音,實在不想介紹這個特性:非根節點包含的關鍵字個數j滿足,(┌m/2┐)-1 <= j <= m-1,節點分裂時要滿足這個條件。
什麼是區域性性原理?
B樹被作為實現索引的資料結構被創造出來,是因為它能夠完美的利用“區域性性原理”。
區域性性原理的邏輯是這樣的:
(1)、記憶體讀寫塊,磁碟讀寫慢,而且慢很多;
(2)、磁碟預讀:磁碟讀寫並不是按需讀取,而是按頁預讀,一次會讀一頁的資料,每次載入更多的資料,如果未來要讀取的資料就在這一頁中,可以避免未來的磁碟IO,提高效率;通常,一頁資料是4K。
(3)區域性性原理:軟體設計要儘量遵循“資料讀取集中”與“使用到一個數據,大概率會使用其附近的資料”,這樣磁碟預讀能充分提高磁碟IO;
B樹為何適合做索引?
(1)、由於是m分叉的,高度能夠大大降低;
(2)、每個節點可以儲存j個記錄,如果將節點大小設定為頁大小,例如4K,能夠充分的利用預讀的特性,極大減少磁碟IO;
第三種:B+樹
B+樹,如上圖,仍是m叉搜尋樹,在B樹的基礎上,做了一些改進:
(1)、非葉子節點不再儲存資料,資料只儲存在同一層的葉子節點上;
畫外音:B+樹中根到每一個節點的路徑長度一樣,而B樹不是這樣。
(2)、葉子之間,增加了連結串列,獲取所有節點,不再需要中序遍歷;
這些改進讓B+樹比B樹有更優的特性:
(1)、範圍查詢,定位min與max之後,中間葉子節點,就是結果集,不用中序回溯;範圍查詢在SQL中用得很多,這是B+樹比B樹最大的優勢。
(2)、葉子節點儲存實際記錄行,記錄行相對比較緊密的儲存,適合大資料量磁碟儲存;非葉子節點儲存記錄的PK,用於查詢加速,適合記憶體儲存;
(3)、非葉子節點,不儲存實際記錄,而只儲存記錄的KEY的話,那麼在相同記憶體的情況下,B+樹能夠儲存更多索引;
為什麼m叉的B+樹比BST的高度大大大大降低?
大概計算一下:
(1)、區域性性原理,將1個節點的大小設為1頁,1頁4K,假設一個KEY有8位元組,一個節點可以儲存500個KEY,即j=500
(2)、m叉樹,大概m/2<= j <=m,即可以差不多是1000叉樹
(3)、那麼:
- 一層樹:1個節點,1*500個KEY,大小4K
- 二層樹:1000個節點,1000*500=50W個KEY,大小1000*4K=4M
- 三層樹:1000*1000個節點,1000*1000*500=5億個KEY,大小1000*1000*4K=4G
可以看到,儲存大量的資料(5億),並不需要太高樹的深度(高度3),索引也不是太佔記憶體(4G)。
4、總結
-
資料庫索引用於加速查詢
-
雖然雜湊索引是O(1),樹索引是O(log(n)),但SQL有很多“有序”需求,故資料庫使用樹型索引
-
InnoDB不支援雜湊索引
-
資料預讀的思路是:磁碟讀寫並不是按需讀取,而是按頁預讀,一次會讀一頁的資料,每次載入更多的資料,以便未來減少磁碟IO
-
區域性性原理:軟體設計要儘量遵循“資料讀取集中”與“使用到一個數據,大概率會使用其附近的資料”,這樣磁碟預讀能充分提高磁碟IO
-
資料庫的索引最常用B+樹:
(1)、很適合磁碟儲存,能夠充分利用區域性性原理,磁碟預讀;
(2)、很低的樹高度,能夠儲存大量資料;
(3)、索引本身佔用的記憶體很小;
(4)、能夠很好的支援單點查詢,範圍查詢,有序性查詢;