> 文档中心 > MySQL 索引使用什么数据结构?为什么用 B + 做索引?

MySQL 索引使用什么数据结构?为什么用 B + 做索引?

使用 B + 树。

这个问题,你可以在脑子里面先思考一下,如果让你来设计数据库的索引,你会怎么设计?

我们还是用 Why?What?How?三步法来看这个问题。

为什么会需要索引?索引是什么?索引怎么用的?

再思考为什么需要 B + 树?B + 树是什么?B + 树怎么用?

答:大部分程序主要的功能都是对数据的处理,写入、查询、转化、输出。最形象的比喻就是树和内容和目录的关系,目录就是索引,我们根据目录能快速拿到想要内容的页码。

为什么是 B + 树,有这个几个理由:

如果是用 AVL 平衡二叉树,树高度太高,索引查询需要访问磁盘,每次访问以节点为单位进行磁盘 I/O ,需要尽量减少数据读取的 I/O 操作,所以树高度一定不能太高,存储千万级别的数据,实践中 B+ 树的高度也就 4 或者 5。
B + 树经常用来比较的是 B 树,B + 树相比 B 树有个很大的特点是 B + 树所有关键字都出现在叶子结点的链表中(稠密索引),且链表中的关键字恰好是有序的,对于范围查找,比如 15~50,B 树需要中序遍历二叉树,但是 B + 树直接在叶子节点顺序访问就可以了。
什么是最左匹配原则?
首先说明一点:

最左前缀匹配原则:在 MySQL 建立联合索引时会遵守最左前缀匹配原则,即最左优先,在检索数据时从联合索引的最左边开始匹配。

打个比方,我们有张 student 表,我们根据学院编号 + 班级建立了一个联合索引 index_magor_class (magor,class), 这个索引由二个字段组成。

索引的底层是一颗 B + 树,那么联合索引的底层也就是一颗 B + 树,只不过联合索引的 B + 树节点中存储的是逗号分隔的多个值。

举例:创建一个 index_magor_class (magor,class) 的联合索引,那么它的索引树就是下图的样子。

它是先根据 magor 排序,再根据 class 排序,如果索引后面还有字段,继续以此类推。

我们查询的 where 条件如果只传入了班级,是走不到联合索引的,但是如果只传了学院编号,是可能会走到联合索引的。(为什么说可能,MYSQL 的执行计划和查询的实际执行过程并不完全吻合,比如你数据库数据量很少,可能直接全量遍历速度更快,就不走索引了)

在建表的时候如何设计索引的?有没有做过索引优化 ?
利用覆盖索引来进行查询操作,来避免回表操作。
说明:如果一本书需要知道第 11 章是什么标题,会翻开第 11 章对应的那一页吗?目录浏览一下就好,这个目录就是起到覆盖索引的作用。

什么意思,比如你主键索引是学号,你写 select 语句的时候,直接 select 学号 from table 就可以了,不用 select 其他字段,一般除非非常有必要,尽量按需 select 字段,少用或不用 **select ***, 不然还需要回表。

这里我解释一下回表,比如我们表主键索引是学号,另外我们还根据手机号也建了索引,如果我们 where 条件是手机号,分二种情况:

正例:IDB 能够建立索引的种类分为【主键索引、唯一索引、普通索引】,而覆盖索引是一种查询的一种效果,用 explain 的结果,extra 列会出现:using index.

如果我们 select 获取的字段是学号,直接在手机号的索引表就能获取到数据,不需要回表;
如果我们 select 的时候还有其他字段,我们查询的时候流程是这样的,先根据手机号查到学号,再根据学号去主键索引表查询数据,这个过程叫回表。
业务上具有唯一特性的字段,即使是组合字段,也建议建成唯一索引。说明:不要以为唯一索引影响了 insert 速度,这个速度损耗可以忽略,但提高查找速度是明显的;另外,即使在应用层做了非常完善的校验和控制,只要没有唯一索引,根据墨菲定律,必然有脏数据产生。
超过三个表禁止 join。需要 join 的字段,数据类型保持绝对一致;多表关联查询时,保证被关联的字段需要有索引。说明:即使双表 join 也要注意表索引、SQL 性能。
在 varchar 字段上建立索引时,必须指定索引长度,没必要对全字段建立索引,根据实际文本区分度决定索引长度。说明:索引的长度与区分度是一对矛盾体,一般对字符串类型数据,长度为 20 的索引,区分度会高达 90% 以上,可以使用 count (distinct left (列名,索引长度))/count (*) 的区分度来确定。
页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎来解决。说明:索引文件具有 B-Tree 的最左前缀匹配特性,如果左边的值未确定,那么无法使用此索引。
SQL 性能优化的目标:至少要达到 range 级别,要求是 ref 级别,如果可以是 const 最好。说明:
const 单表中最多只有一个匹配行(主键或者唯一索引),在优化阶段即可读取到数据。
ref 指的是使用普通的索引。(normal index)
range 对索引进行范围检索。反例:explain 表的结果,type=index,索引物理文件全扫描,速度非常慢,这个 index 级别比较 range 还低,与全表扫描是小巫见大巫。
建组合索引的时候,区分度最高的在最左边。正例:如果 where a=? and b=? ,a 列的几乎接近于唯一值,那么只需要单建 idx_a 索引即可。说明:存在非等号和等号混合判断条件时,在建索引时,请把等号条件的列前置。如:where c>? and d=? 那么即使 c 的区分度更高,也必须把 d 放在索引的最前列,即建立组合索引 idx_d_c。
防止因字段类型不同造成的隐式转换,导致索引失效。
MyBatis 用过吗?一二级缓存清楚吗?
一级缓存 Mybatis 的一级缓存是指 SQLSession,一级缓存的作用域是 SQlSession, Mabits 默认开启一级缓存。在同一个 SqlSession 中,执行相同的 SQL 查询时;第一次会去查询数据库,并写在缓存中,第二次会直接从缓存中取。当执行 SQL 时候两次查询中间发生了增删改的操作,则 SQLSession 的缓存会被清空。每次查询会先去缓存中找,如果找不到,再去数据库查询,然后把结果写到缓存中。Mybatis 的内部缓存使用一个 HashMap,key 为 hashcode+statementId+sql 语句。Value 为查询出来的结果集映射成的 java 对象。SqlSession 执行 insert、update、delete 等操作 commit 后会清空该 SQLSession 缓存。
二级缓存 二级缓存是 mapper 级别的,Mybatis 默认是没有开启二级缓存的。第一次调用 mapper 下的 SQL 去查询用户的信息,查询到的信息会存放在该 mapper 对应的二级缓存区域。第二次调用 namespace 下的 mapper 映射文件中,相同的 sql 去查询用户信息,会去对应的二级缓存内取结果。

MySQL 主从同步怎么做的?binlog 清楚吗?
Master 数据库只要发生变化,立马记录到 Binary log 日志文件中
Slave 数据库启动一个 I/O thread 连接 Master 数据库,请求 Master 变化的二进制日志
Slave I/O 获取到的二进制日志,保存到自己的 Relay log 日志文件中。
Slave 有一个 SQL thread 定时检查 Realy log 是否变化,变化那么就更新数据

MySQL 有没有做分库分表?怎么设计的?
Why?:

当一张表的数据达到几千万时,你查询一次所花的时间会变多,如果有联合查询的话,我想有可能会死在那儿了。分表的目的就在于此,减小数据库的负担,缩短查询时间。

mysql 中有一种机制是表锁定和行锁定,是为了保证数据的完整性。表锁定表示你们都不能对这张表进行操作,必须等我对表操作完才行。行锁定也一样,别的 sql 必须等我对这条数据操作完了,才能对这条数据进行操作。

When?(什么时候需要分表?):

单表行数超过 500 万行或者单表容量超过 2GB,才推荐进行分库分表。说明:如果预计三年后的数据量根本达不到这个级别,请不要在创建表时就分库分表。反例:某业务三年总数据量才 2 万行,却分成 1024 张表,问:你为什么这么设计?答:分 1024 张表,不是标配吗?

How?(分库分表有几种策略):

垂直拆分原则:

水平拆分原则:

拆分中间件:

详细可以参考这篇:基于 Mysql 数据库亿级数据下的分库分表方案

Sharding-sphere,前身是 sharding-jdbc;当当的分库分表中间件
TDDL:jar,Taobao Distribute Data Layer;
Mycat:中间件。注:工具的利弊,请自行调研,官网和社区优先。
按照 userId 纬度拆分,安琪拉见过的常见的有,根据 userId % 64 取模拆 0~63 编号的 64 张表,
固定位拆,取 userId 指定二位,例如倒数 2,3 位组成 00~99 一共 100 张表的,百库表表。
hash: userId hash 一下,然后 % 表数;
Range: 另外还有按照 userId 指定范围拆的,0-1 千万一张表,这种用的比较少,容易产生热点。
把不同业务域的表拆成不同库,例如订单相关表、用户信息相关表、营销相关表分开在不同库;
把大字段独立存储到一张表中
把不常用的字段单独拿出来存储到一张表
用 userId 做的分库分表,现在需要用电话号码查询怎么办?
和回表逻辑一样,单独建一个电话号码索引表,存放电话号码和 userId,查询时先根据电话号码查询 userId,然后再根据 userId 查询数据。

服务器123