淺析InnoDB索引結構

0、導讀

InnoDB表的索引有哪些特性,以及索引組織結構是怎樣的


1、InnoDB聚集索引特點

我們知道,InnoDB引擎的聚集索引組織表,必然會有一個聚集索引。


行數據(row data)存儲在聚集索引的葉子節點(除了發生overflow的列,參見 ,後面簡稱 “前置文”),並且其存儲的相對順序取決於聚集索引的順序。這裏說相對順序而不是物理順序,是因爲葉子節點數據頁中,行數據的物理順序和相對順序可能並不是一致的,放在後面會講。


InnoDB聚集索引的選擇先後順序是這樣的:


如果有顯式定義的主鍵(PRIMARY KEY),則會選擇該主鍵作爲聚集索引

否則,選擇第一個所有列都不允許爲NULL的唯一索引

若前兩者都沒有,則InnoDB會選擇內置的DB_ROW_ID作爲聚集索引,命名爲GEN_CLUST_INDEX

特別提醒: DB_ROW_ID佔用6個字節,每次自增,且是整個實例內全局分配。也就是說,當前實例如果有多個表都採用了內置的DB_ROW_ID作爲聚集索引,則在這些表插入新數據時,他們的內置DB_ROW_ID值並不是連續的,而是跳躍的。像下面這樣:


t1表的ROW_ID:1、3、7、10

t2表的ROW_ID:2、4、5、6、8、9

2、InnoDB索引結構

InnoDB默認的索引數據結構採用B+樹(空間索引採用R樹),索引數據存儲在葉子節點。


InnoDB的基本I/O存儲單位是數據頁(page),一個page默認是16KB。我們在 前置文 說過,每個page默認會預留1/16空閒空間用於後續數據“變長”更新所需,因此在最理想的順序插入狀態下,其產生的碎片也最少,這時候差不多能填滿15/16的page空間。如果是隨機寫入的話,則page空間利用率大概是1/2 ~ 15/16。


當 row_format = DYNAMIC|COMPRESSED 時,索引最多長度爲 3072字節,當 row_format = REDUNDANT|COMPACT 時,索引最大長度爲 767字節。當page size不是默認的16KB時,最大索引長度限制也會跟着發生變化。


我們接下來分別驗證關於InnoDB索引的基本結構特點。


首先創建如下測試表:


[[email protected]] [innodb]> CREATE TABLE `t1` (

  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,

  `c1` int(10) unsigned NOT NULL DEFAULT '0',

  `c2` varchar(100) NOT NULL,

  `c3` varchar(100) NOT NULL,

  PRIMARY KEY (`id`),

  KEY `c1` (`c1`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

用下面的方法寫入10條測試數據:

set @uuid1=uuid(); set @uuid2=uuid();

insert into t1 select 0, round(rand()*1024),

                @uuid1, concat(@uuid1, @uuid2);

看下 t1 表的整體結構:

# 用innodb_ruby工具查看

[[email protected]]# innodb_space -s ibdata1 -T innodb/t1 space-indexes

id    name       root   fseg        fseg_id   used    allocated   fill_factor

238   PRIMARY    3      internal    1         1       1           100.00%

238   PRIMARY    3      leaf        2         0       0           0.00%

239   c1         4      internal    3         1       1           100.00%

239   c1         4      leaf        4         0       0           0.0

 

# 用innblock工具查看

[[email protected]]# innblock innodb/t1.ibd scan 16

...

===INDEX_ID:238

level0 total block is (1)

block_no:     3,level:   0|*|

===INDEX_ID:239

level0 total block is (1)

block_no:     4,level:   0|*|

可以看到

索引ID索引類型根節點page no索引層高
238主鍵索引(聚集索引)31
239輔助索引41

3、InnoDB索引特點驗證

3.1 特點1:聚集索引葉子節點存儲整行數據

先掃描第3個page,截取其中第一條物理記錄的內容:

[[email protected]]# innodb_space -s ibdata1 -T innodb/t1 -p 3 page-dump

...

records:

{:format=>:compact,

 :offset=>127,

 :header=>

  {:next=>263,

   :type=>:conventional,

   :heap_number=>2,

   :n_owned=>0,

   :min_rec=>false,

   :deleted=>false,

   :nulls=>[],

   :lengths=>{"c2"=>36, "c3"=>72},

   :externs=>[],

   :length=>7},

 :next=>263,

 :type=>:clustered,

 #第一條物理記錄,id=1

 :key=>[{:name=>"id", :type=>"INT UNSIGNED", :value=>1}],

 :row=>

  [{:name=>"c1", :type=>"INT UNSIGNED", :value=>777},

   {:name=>"c2",

    :type=>"VARCHAR(400)",

    :value=>"a1c1a7c7-bda5-11e9-8476-0050568bba82"},

   {:name=>"c3",

    :type=>"VARCHAR(400)",

    :value=>

     "a1c1a7c7-bda5-11e9-8476-0050568bba82a1c1aec5-bda5-11e9-8476-0050568bba82"}],

 :sys=>

  [{:name=>"DB_TRX_ID", :type=>"TRX_ID", :value=>10950},

   {:name=>"DB_ROLL_PTR",

    :type=>"ROLL_PTR",

    :value=>

     {:is_insert=>true,

      :rseg_id=>119,

      :undo_log=>{:page=>469, :offset=>272}}}],

 :length=>129,

 :transaction_id=>10950,

 :roll_pointer=>

  {:is_insert=>true, :rseg_id=>119, :undo_log=>{:page=>469, :offset=>272}}}

很明顯,的確是存儲了整條數據的內容。


聚集索引樹的鍵值(key)是主鍵索引值(i=10),聚集索引節點值(value)是其他非聚集索引列(c1,c2,c3)以及隱含列(DB_TRX_ID、DB_ROLL_PTR)。


優化建議1:儘量不要存儲大對象數據,使得每個葉子節點都能存儲更多數據,降低碎片率,提高buffer pool利用率。此外也能儘量避免發生overflow。


3.2 特點2:聚集索引非葉子節點存儲指向子節點的指針

對上面的測試表繼續寫入新數據,直到聚集索引樹從一層分裂成兩層。


我們根據舊文 InnoDB表聚集索引層高什麼時候發生變化 裏的計算方式,推算出來預計一個葉子節點最多可存儲111條記錄,因此在插入第112條記錄時,就會從一層高度分裂成兩層高度。經過實測,也的確是如此。


[[email protected]] [innodb]>select count(*) from t1;

+----------+

| count(*) |

+----------+

|      112 |

+----------+

 

[[email protected]]# innblock innodb/t1.ibd scan 16

...

===INDEX_ID:238

level1 total block is (1)

block_no:     3,level:   1|*|

level0 total block is (2)

block_no:     5,level:   0|*|block_no:     6,level:   0|*|

...

此時可以看到根節點依舊是pageno=3,而葉子節點變成了[5, 6]兩個page。由此可知,根節點上應該只有兩條物理記錄,存儲着分別指向pageno=[5, 6]這兩個page的指針。


我們解析下3號page,看看它的具體結構:


[[email protected]]# innodb_space -s ibdata1 -T innodb/t1 -p 3 page-dump

...

records:

{:format=>:compact,

 :offset=>125,

 :header=>

  {:next=>138,

   :type=>:node_pointer,

   :heap_number=>2,

   :n_owned=>0,

   :min_rec=>true, #第一條記錄是min_key

   :deleted=>false,

   :nulls=>[],

   :lengths=>{},

   :externs=>[],

   :length=>5},

 :next=>138,

 :type=>:clustered,

 #第一條記錄,只存儲key值

 :key=>[{:name=>"id", :type=>"INT UNSIGNED", :value=>1}],

 :row=>[],

 :sys=>[],

 :child_page_number=>5, #value值是指向的葉子節點pageno=5

 :length=>8} #整條記錄消耗8字節,除去key值4字節外,指針也需要4字節

 

{:format=>:compact,

 :offset=>138,

 :header=>

  {:next=>112,

   :type=>:node_pointer,

   :heap_number=>3,

   :n_owned=>0,

   :min_rec=>false,

   :deleted=>false,

   :nulls=>[],

   :lengths=>{},

   :externs=>[],

   :length=>5},

 :next=>112,

 :type=>:clustered,

 #第二條記錄,只存儲key值

 :key=>[{:name=>"id", :type=>"INT UNSIGNED", :value=>56}],

 :row=>[],

 :sys=>[],

 :child_page_number=>6, #value值是指向的葉子節點pageno=6

 :length=>8}

優化建議2: 索引列數據長度越小越好,這樣索引樹存儲效率越高,在非葉子節點能存儲越多數據,延緩索引樹層高分裂的速度,平均搜索效率更高。


3.3 特點3:輔助索引同時會存儲主鍵索引列值

在輔助索引中,總是同時會存儲主鍵索引(或者說聚集索引)的列值,其作用就是在對輔助索引掃描時,可以從葉子節點直接得到對應的聚集索引值,並可根據該值回表查詢獲取行數據(如果需要回表查詢的話)。這個特性也被稱爲Index Extensions(5.6版本之後的優化器新特性,詳見 Use of Index Extensions)。


此外,在輔助索引的非葉子節點中,索引記錄的key值是索引定義的列值,而對應的value值則是聚集索引列值(簡稱PKV)。如果輔助索引定義時已經包含了部分聚集索引列,則索引記錄的value值是未被包含的餘下的聚集索引列值。


創建如下測試表:


CREATE TABLE `t3` (

  `a` int(10) unsigned NOT NULL AUTO_INCREMENT,

  `b` int(10) unsigned NOT NULL DEFAULT '0',

  `c` varchar(20) NOT NULL DEFAULT '',

  `d` varchar(20) NOT NULL DEFAULT '',

  `e` varchar(20) NOT NULL DEFAULT '',

  PRIMARY KEY (`a`,`b`),

  KEY `k1` (`c`,`b`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

隨機插入一些測試數據:

# 調用shell腳本寫入500條數據

[[email protected]]# cat insert.sh

#!/bin/bash

. ~/.bash_profile

cd /data/perconad

i=1

max=500

while [ $i -le $max ]

do

 mysql -Smysql.sock -e "insert ignore into t3 select

    rand()*1024, rand()*1024, left(md5(uuid()),20) ,

    left(uuid(),20), left(uuid(),20);" innodb

 i=`expr $i + 1`

done

 

# 實際寫入498條數據(其中有2條主鍵衝突失敗)

[[email protected]] [innodb]>select count(*) from t3;

+----------+

| count(*) |

+----------+

|      498 |

+----------+

解析數據結構:

# 主鍵

[root@test1 perconad]# innodb_space -s ibdata1 -T innodb/t2 space-indexes

id    name     root  fseg        fseg_id   used   allocated   fill_factor

245   PRIMARY  3     internal    1         1      1           100.00%

245   PRIMARY  3     leaf        2         5      5           100.00%

246   k1       4     internal    3         1      1           100.00%

246   k1       4     leaf        4         2      2           1

 

[[email protected]]# innodb_space -s ibdata1 -T innodb/t2 -p 4 page-dump

...

records:

{:format=>:compact,

 :offset=>126,

 :header=>

  {:next=>164,

   :type=>:node_pointer,

   :heap_number=>2,

   :n_owned=>0,

   :min_rec=>true,

   :deleted=>false,

   :nulls=>[],

   :lengths=>{"c"=>20},

   :externs=>[],

   :length=>6},

 :next=>164,

 :type=>:secondary,

 :key=>

  [{:name=>"c", :type=>"VARCHAR(80)", :value=>"00a5d42dd56632893b5f"},

   {:name=>"b", :type=>"INT UNSIGNED", :value=>323}],

 :row=>

  [{:name=>"a", :type=>"INT UNSIGNED", :value=>310},

   {:name=>"b", :type=>"INT UNSIGNED", :value=>9}],

   # 此處給解析成b列的值了,實際上是指向葉子節點的指針,即child_page_number=9

   # b列真實值是323

 :sys=>[],

 :child_page_number=>335544345,

 # 此處解析不準確,實際上是下一條記錄的record header,共6個字節

 :length=>36}

 

{:format=>:compact,

 :offset=>164,

 :header=>

  {:next=>112,

   :type=>:node_pointer,

   :heap_number=>3,

   :n_owned=>0,

   :min_rec=>false,

   :deleted=>false,

   :nulls=>[],

   :lengths=>{"c"=>20},

   :externs=>[],

   :length=>6},

 :next=>112,

 :type=>:secondary,

 :key=>

  [{:name=>"c", :type=>"VARCHAR(80)", :value=>"7458824a39892aa77e1a"},

   {:name=>"b", :type=>"INT UNSIGNED", :value=>887}],

 :row=>

  [{:name=>"a", :type=>"INT UNSIGNED", :value=>623},

   {:name=>"b", :type=>"INT UNSIGNED", :value=>10}],

   # 同上,其實是child_page_number=10,而非b列的值

 :sys=>[],

 :child_page_number=>0,

 :length=>36} #數據長度16字節

順便說下,輔助索引上沒存儲TRX_ID, ROLL_PTR這些(他們只存儲在聚集索引上)。


上面用innodb_ruby工具解析的非葉子節點部分內容不夠準確,所以我們用二進制方式打開數據文件二次求證確認:


# 此處也可以用 hexdump 工具

[[email protected]]# vim -b path/t3.ibd

...

:%!xxd

 

# 找到輔助索引所在的那部分數據

0010050: 0002 0272 0000 00e1 0000 0002 01b2 0100  ...r............

0010060: 0200 1b69 6e66 696d 756d 0003 000b 0000  ...infimum......

0010070: 7375 7072 656d 756d 1410 0011 0026 3030  supremum.....&00

0010080: 6135 6434 3264 6435 3636 3332 3839 3362  a5d42dd56632893b

0010090: 3566 0000 0143 0000 0136 0000 0009 1400  5f...C...6......

00100a0: 0019 ffcc 3734 3538 3832 3461 3339 3839  ....7458824a3989

00100b0: 3261 6137 3765 3161 0000 0377 0000 026f  2aa77e1a...w...o

00100c0: 0000 000a 0000 0000 0000 0000 0000 0000  ................

 

# 參考page物理結構方式進行解析,得到下面的結果

/* 第一條記錄 */

1410 0011 0026, record header, 5字節

3030 6135 6434 3264 6435 3636 3332 3839 3362 3566,c='00a5d42dd56632893b5f',20B

0000 0143, b=323, 4B

0000 0136, a=310, 4B

0000 0009, child_pageno=9, 4B

 

/* 2 */

1400 0019 ffcc, record header

3734 3538 3832 3461 3339 3839 3261 6137 3765 3161, c='7458824a39892aa77e1a'

0000 0377, b=887

0000 026f, a=623

0000 000a, child_pageno=10

現在反過來看,上面用innodb_ruby工具解析出來的page-dump結果應該是這樣的纔對(我只選取一條記錄,請自行對比和之前的不同之處):


{:format=>:compact,

 :offset=>164,

 :header=>

  {:next=>112,

   :type=>:node_pointer,

   :heap_number=>3,

   :n_owned=>0,

   :min_rec=>false,

   :deleted=>false,

   :nulls=>[],

   :lengths=>{"c"=>20},

   :externs=>[],

   :length=>6},

 :next=>112,

 :type=>:secondary,

 :key=>

  [{:name=>"c", :type=>"VARCHAR(80)", :value=>"7458824a39892aa77e1a"},

   {:name=>"b", :type=>"INT UNSIGNED", :value=>887}],

 :row=> [{:name=>"a", :type=>"INT UNSIGNED", :value=>623}],

 :sys=>[],

 :child_page_number=>10,

 :length=>36}

可以看到,的確如前面所說,輔助索引的非葉子節點的value值存儲的是聚集索引列值。


優化建議3:輔助索引列定義的長度越小越好,定義輔助索引時,沒必要顯式的加上聚集索引列(5.6版本之後)。


3.4 特點4:沒有可用的聚集索引列時,會使用內置的ROW_ID作爲聚集索引

創建幾個像下面這樣的表,使其選擇內置的ROW_ID作爲聚集索引:


[[email protected]] [innodb]> CREATE TABLE `tn1` (

  `c1` int(10) unsigned NOT NULL DEFAULT 0,

  `c2` int(10) unsigned NOT NULL DEFAULT 0

) ENGINE=InnoDB;

循環對幾個表寫數據:

insert into tt1 select 1,1;

insert into tt2 select 1,1;

insert into tt3 select 1,1;

insert into tt1 select 2,2;

insert into tt2 select 2,2;

insert into tt3 select 2,2;

查看 tn1 - tn3 表裏的數據(這裏由於innodb_ruby工具解析的結果不準確,所以我改用hexdump來分析):


tn1

000c060: 0200 1a69 6e66 696d 756d 0003 000b 0000  ...infimum......

000c070: 7375 7072 656d 756d 0000 1000 2000 0000  supremum.... ...

000c080: 0003 1200 0000 003d f6aa 0000 01d9 0110  .......=........

000c090: 0000 0001 0000 0001 0000 18ff d300 0000  ................

000c0a0: 0003 1500 0000 003d f9ad 0000 01da 0110  .......=........

000c0b0: 0000 0002 0000 0002 0000 0000 0000 0000  ................

 

tn2

000c060: 0200 1a69 6e66 696d 756d 0003 000b 0000  ...infimum......

000c070: 7375 7072 656d 756d 0000 1000 2000 0000  supremum.... ...

000c080: 0003 1300 0000 003d f7ab 0000 0122 0110  .......=....."..

000c090: 0000 0001 0000 0001 0000 18ff d300 0000  ................

000c0a0: 0003 1600 0000 003d feb0 0000 01db 0110  .......=........

000c0b0: 0000 0002 0000 0002 0000 0000 0000 0000  ................

 

tn3

000c060: 0200 1a69 6e66 696d 756d 0003 000b 0000  ...infimum......

000c070: 7375 7072 656d 756d 0000 1000 2000 0000  supremum.... ...

000c080: 0003 1400 0000 003d f8ac 0000 0123 0110  .......=.....#..

000c090: 0000 0001 0000 0001 0000 18ff d300 0000  ................

000c0a0: 0003 1700 0000 003e 03b3 0000 012a 0110  .......>.....*..

000c0b0: 0000 0002 0000 0002 0000 0000 0000 0000  ................

其中表示DB_ROW_ID的值分別是:

鄭州正規不孕不育醫院:http://www.xbzztj.com/

tn1

0003 12 => (1,1)

0003 15 => (2,2)

 

tn2

0003 13 => (1,1)

0003 16 => (2,2)

 

tn3

0003 14 => (1,1)

0003 17 => (2,2)

很明顯,內置的DB_ROW_ID的確是在整個實例級別共享自增分配的,而不是每個表獨享一個DB_ROW_ID序列。


我們可以想象下,如果一個實例中有多個表都用到這個DB_ROW_ID的話,勢必會造成併發請求的競爭/等待。此外也可能會造成主從複製環境下,從庫上relay log回放時可能會因爲數據掃描機制的問題造成嚴重的複製延遲問題。詳情參考 從庫數據的查找和參數slave_rows_search_algorithms。


優化建議4:自行顯示定義可用的聚集索引/主鍵索引,不要讓InnoDB選擇內置的DB_ROW_ID作爲聚集索引,避免潛在的性能損失。


篇幅已經有點大了,本次的淺析工作就先到這裏吧,以後再繼續。


4、幾點總結

最後針對InnoDB引擎表,總結幾條建議吧。

每個表都要有顯式主鍵,最好是自增整型,且沒有業務用途

無論是主鍵索引,還是輔助索引,都儘可能選擇數據類型較小的列

定義輔助索引時,沒必要顯式加上主鍵索引列(針對MySQL 5.6之後)

行數據越短越好,如果每個列都是固定長的則更好(不是像VARCHAR這樣的可變長度類型)

上述測試環境基於Percona Server 5.7.22:

# MySQL的版本是Percona Server 5.7.22-22,我自己下載源碼編譯的

[[email protected]#] mysql -Smysql.sock innodb

...

Server version: 5.7.22-22-log Source distribution

...

[[email protected]]> \s

...

Server version:     5.7.22-22-log Source distribution

Enjoy MySQL :)


http://www.chacha8.cn/detail/1132398242.html


發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章