今天給大家分享一篇乾貨，面試必備之Mysql索引底層原理分析
-
Mysql索引的本質
-
Mysql索引的底層原理
-
Mysql索引的實戰經驗
面試
問：數據庫中最常見的慢查詢優化方式是什麼？
同學A：加索引。
問：爲什麼加索引能優化慢查詢？
同學A：...不知道
同學B：因爲索引其實就是一種優化查詢的數據結構，比如Mysql中的索引是用B+樹實現的，而B+樹就是一種數據結構，可以優化查詢速度，可以利用索引快速查找數據，所以能優化查詢。
問：你知道哪些數據結構可以提高查詢速度？（聽到這個問題就感覺此處有坑...）
同學B：哈希表、完全平衡二叉樹、B樹、B+樹等等。
問：那這些數據結構既然都能優化查詢速度，Mysql爲何選擇使用B+樹？
同學B：...不知道
提問
SHOW INDEX FROM employees.titles;
有一個titles表，主鍵由empno，title，fromdate三個字段組成。
那麼以下幾個語句會用到索引嗎?
- select * from employees.titles where emp_no=1
-
- select * from employees.titles where title='1'
-
- select * from employees.titles where emp_no='1' and title=1
-
- select * from employees.titles where title='1' and emp_no=1
爲什麼哈希表、完全平衡二叉樹、B樹、B+樹都可以優化查詢，爲何Mysql獨獨喜歡B+樹？
哈希表有什麼特點？
假如有這麼一張表(表名：sanguo)：
現在對name字段建立哈希索引：
注意字段值所對應的數組下標是哈希算法隨機算出來的，所以可能出現哈希衝突。那麼對於這樣一個索引結構，現在來執行下面的sql語句：
select * from sanguo where name='周瑜'可以直接對‘周瑜’按哈希算法算出來一個數組下標，然後可以直接從數據中取出數據並拿到所對應那一行數據的地址，進而查詢那一行數據。 那麼如果現在執行下面的sql語句：
select * from sanguo where name>'周瑜'則無能爲力，因爲哈希表的特點就是可以快速的精確查詢，但是不支持範圍查詢。
如果用完全平衡二叉樹呢？
還是上面的表數據用完全平衡二叉樹表示如下圖（爲了簡單，數據對應的地址就不畫在圖中了。）：
圖中的每一個節點實際上應該有四部分：
-
左指針，指向左子樹
-
鍵值
-
鍵值所對應的數據的存儲地址
-
右指針，指向右子樹
另外需要提醒的是，二叉樹是有順序的，簡單的說就是“左邊的小於右邊的”假如我們現在來查找‘周瑜’，需要找2次（第一次曹操，第二次周瑜），比哈希表要多一次。而且由於完全平衡二叉樹是有序的，所以也是支持範圍查找的。
如果用B樹呢？
還是上面的表數據用B樹表示如下圖（爲了簡單，數據對應的地址就不畫在圖中了。）：
可以發現同樣的元素，B樹的表示要比完全平衡二叉樹要“矮”，原因在於B樹中的一個節點可以存儲多個元素。
如果用B+樹呢？
還是上面的表數據用B+樹表示如下圖（爲了簡單，數據對應的地址就不畫在圖中了。）：
我們可以發現同樣的元素，B+樹的表示要比B樹要“胖”，原因在於B+樹中的非葉子節點會冗餘一份在葉子節點中，並且葉子節點之間用指針相連。
那麼B+樹到底有什麼優勢呢？
這裏我們用“反證法”，假如我們現在就用完全平衡二叉樹作爲索引的數據結構，我們來看一下有什麼不妥的地方。實際上，索引也是很“大”的，因爲索引也是存儲元素的，我們的一個表的數據行數越多，那麼對應的索引文件其實也是會很大的，實際上也是需要存儲在磁盤中的，而不能全部都放在內存中，所以我們在考慮選用哪種數據結構時，我們可以換一個角度思考，哪個數據結構更適合從磁盤中讀取數據，或者哪個數據結構能夠提高磁盤的IO效率。回頭看一下完全平衡二叉樹，當我們需要查詢“張飛”時，需要以下步驟
-
從磁盤中取出“曹操”到內存，CPU從內存取出數據進行比較，“張飛”<“曹操”，取左子樹（產生了一次磁盤IO）
-
從磁盤中取出“周瑜”到內存，CPU從內存取出數據進行比較，“張飛”>“周瑜”，取右子樹（產生了一次磁盤IO）
-
從磁盤中取出“孫權”到內存，CPU從內存取出數據進行比較，“張飛”>“孫權”，取右子樹（產生了一次磁盤IO）
-
從磁盤中取出“黃忠”到內存，CPU從內存取出數據進行比較，“張飛”=“張飛”，找到結果（產生了一次磁盤IO）
同理，回頭看一下B樹，我們發現只發送三次磁盤IO就可以找到“張飛”了，這就是B樹的優點：一個節點可以存儲多個元素，相對於完全平衡二叉樹所以整棵樹的高度就降低了，磁盤IO效率提高了。
而B+樹是B樹的升級版，只是把非葉子節點冗餘一下，這麼做的好處是爲了提高範圍查找的效率。
到這裏可以總結出來，Mysql選用B+樹這種數據結構作爲索引，可以提高查詢索引時的磁盤IO效率，並且可以提高範圍查詢的效率，並且B+樹裏的元素也是有序的。
那麼，一個B+樹的節點中到底存多少個元素合適呢？
其實也可以換個角度來思考B+樹中一個節點到底多大合適？
答案是：B+樹中一個節點爲一頁或頁的倍數最爲合適。因爲如果一個節點的大小小於1頁，那麼讀取這個節點的時候其實也會讀出1頁，造成資源的浪費；如果一個節點的大小大於1頁，比如1.2頁，那麼讀取這個節點的時候會讀出2頁，也會造成資源的浪費；所以爲了不造成浪費，所以最後把一個節點的大小控制在1頁、2頁、3頁、4頁等倍數頁大小最爲合適。
那麼，Mysql中B+樹的一個節點大小爲多大呢？
這個問題的答案是“1頁”，這裏說的“頁”是Mysql自定義的單位（其實和操作系統類似），Mysql的Innodb引擎中一頁的默認大小是16k（如果操作系統中一頁大小是4k，那麼Mysql中1頁=操作系統中4頁），可以使用命令SHOW GLOBAL STATUS like 'Innodb_page_size'; 查看。
並且還可以告訴你的是，一個節點爲1頁就夠了。
爲什麼一個節點爲1頁（16k）就夠了？
解決這個問題，我們先來看一下Mysql中利用B+樹的具體實現。
Mysql中MyISAM和innodb使用B+樹
通常我們認爲B+樹的非葉子節點不存儲數據，只有葉子節點才存儲數據；而B樹的非葉子和葉子節點都會存儲數據，會導致非葉子節點存儲的索引值會更少，樹的高度相對會比B+樹高，平均的I/O效率會比較低，所以使用B+樹作爲索引的數據結構，再加上B+樹的葉子節點之間會有指針相連，也方便進行範圍查找。上圖的data區域兩個存儲引擎會有不同。
MyISAM中的B+樹
MYISAM中葉子節點的數據區域存儲的是數據記錄的地址
主鍵索引
輔助索引
MyISAM存儲引擎在使用索引查詢數據時，會先根據索引查找到數據地址，再根據地址查詢到具體的數據。並且主鍵索引和輔助索引沒有太多區別。
InnoDB中的B+樹
InnoDB中主鍵索引的葉子節點的數據區域存儲的是數據記錄，輔助索引存儲的是主鍵值
主鍵索引
輔助索引
Innodb中的主鍵索引和實際數據時綁定在一起的，也就是說Innodb的一個表一定要有主鍵索引，如果一個表沒有手動建立主鍵索引，Innodb會查看有沒有唯一索引，如果有則選用唯一索引作爲主鍵索引，如果連唯一索引也沒有，則會默認建立一個隱藏的主鍵索引（用戶不可見）。另外，Innodb的主鍵索引要比MyISAM的主鍵索引查詢效率要高（少一次磁盤IO），並且比輔助索引也要高很多。所以，我們在使用Innodb作爲存儲引擎時，我們最好：
-
手動建立主鍵索引
-
儘量利用主鍵索引查詢
回到我們的問題：爲什麼一個節點爲1頁（16k）就夠了？
對着上面Mysql中Innodb中對B+樹的實際應用（主要看主鍵索引），可以發現B+樹中的一個節點存儲的內容是：
-
非葉子節點：主鍵+指針
-
葉子節點：數據
那麼，假設我們一行數據大小爲1K，那麼一頁就能存16條數據，也就是一個葉子節點能存16條數據；再看非葉子節點，假設主鍵ID爲bigint類型，那麼長度爲8B，指針大小在Innodb源碼中爲6B，一共就是14B，那麼一頁裏就可以存儲16K/14=1170個(主鍵+指針)，那麼一顆高度爲2的B+樹能存儲的數據爲：117016=18720條，一顆高度爲3的B+樹能存儲的數據爲：11701170*16=21902400（千萬級條）。所以在InnoDB中B+樹高度一般爲1-3層，它就能滿足千萬級的數據存儲。在查找數據時一次頁的查找代表一次IO，所以通過主鍵索引查詢通常只需要1-3次IO操作即可查找到數據。所以也就回答了我們的問題，1頁=16k這麼設置是比較合適的，是適用大多數的企業的，當然這個值是可以修改的，所以也能根據業務的時間情況進行調整。
最左前綴原則
我們模擬數據建立一個聯合索引
select*,concat(right(emp_no,1),"-",right(title,1),"-",right(from_date,2))from employees.titles limit10;
那麼對應的B+樹爲
我們判斷一個查詢條件能不能用到索引，我們要分析這個查詢條件能不能利用某個索引縮小查詢範圍
對於 select * from employees.titles where emp_no=1是能用到索引的，因爲它能利用上面的索引所有查詢範圍，首先和第一個節點“4-r-01”比較，1<4，所以可以直接確定結果在左子樹，同理，依次按順序進行比較，逐步可以縮小查詢範圍。對於 select * from employees.titles where title='1'是不能用到索引的，因爲它不能用到上面的索引，和第一節點進行比較時，沒有empno這個字段的值，不能確定到底該去左子樹還是右子樹繼續進行查詢。對於 select *from employees.titles where title='1' and emp_no=1是能用到索引，按照我們的上面的分析，先用title='1'這個條件和第一個節點進行比較，是沒有結果的，但是mysql會對這個sql進行優化，優化之後會將empno=1這個條件放到第一位，從而可以利用索引。