mysql innodb索引結構及相關原理

最近在優化線上代碼，優化過程中，對數據庫進行了一系列的學習和基礎鞏固，看了很多大佬寫的文章，整理了一下，記錄在這裏～

參考文檔：

• 清空認知，然後重新理解MySQL索引結構
• MySQL索引背後的數據結構及算法原理

B+tree的結構

頁

在操作系統中，當我們往磁盤中取數據的時候，如果我們想要取出1kb的數據時，會發現，操作系統取出了4kb的數據，這是因爲操作系統中頁的大小是4kb。這是爲什麼呢？

當一個程序訪問了一條數據之後，很有可能在此訪問這條數據或訪問這條數據相鄰的數據。因此，乾脆直接把4kb的數據全部取出，放到內存中，下次再來訪問時，直接從內存中取出，減少了磁盤IO。

假設，我們現在有一張用戶表，我們要找出id=5的數據，在沒了解頁這個概念之前，最原始的方法就是遍歷。我們會不斷的從磁盤中取出一條數據，然後判斷這條數據是不是id=5，如果不等於，會繼續向後遍歷，此時，我們會查找5次，也就是經過了5次磁盤IO。

現在，我們將頁引入，當我們取出id=1的數據時，操作系統會將id=1所在頁的全部數據(id=1到id=4)取出，放到內存中，我們繼續向後遍歷，接下來的遍歷，會從內存中取出；當取出id=5的數據時，操作系統會再次將該id所在頁全部取出。此時我們會發現，只經過了2次磁盤IO

在MySQL的InnoDb引擎中，頁的大小是16KB，是操作系統的4倍，而int類型的數據是4個字節，其它類型的數據的字節數通常也在4000字節以內，所以一頁是可以存放很多很多條數據的，而MySQL的數據正是以頁爲基本單位組合而成的。

頁的結構如下：

頁目錄

通過對上面頁的瞭解，我們在查找數據的時候，已經可以做到減少磁盤IO了。但是我們可以發現其實頁中的數據結構就是一個鏈表。鏈表的優點是插入和刪除很快，但是查詢需要按指針方向去遍歷。假設現在一頁中有上百萬條數據，最壞的情況他可能會遍歷上百萬次，即使在內存中，效率也不高。

頁目錄就像書目錄一樣，會告訴我們哪個標題從哪一頁開始。頁目錄的結構如下：

假設我們查找id=3的數據，首先會找到目錄2，然後對目錄2中的數據進行查找。當然我們能通過目錄快速的找到數據，其實主要基於這些數據已經經過了排序。因此，可以得知，在我們插入數據時，數據庫會對數據進行排序。

當然，不可能只有一頁數據，多頁數據的結構如下：
但是需要注意的是，在開闢新頁的時候，數據並不一定在新開闢的頁上，而是需要進行和所有頁的數據的比較，從而來決定數據存放的位置。

目錄頁

從上圖我們可以發現，多頁之間也是通過指針相連，他們其實就是鏈表。如果頁的數量過多，又會造成遍歷過多，此時，我可以想到，有沒有一個結構，可以像頁目錄那樣，可以優化頁內數據呢？

頁內數據和多頁他們本質上都是鏈表，所以我們可以採用相同的方式優化，這種方式叫目錄頁。

需要注意的是，目錄頁的本質也是頁，但是，普通頁中村的數據是項目數據，而目錄頁中村的數據是普通頁的地址。

B+tree

從上面的圖我們已經可以看出，這其實就是b+tree的結構了。一般來說，樹的深度是3層；每個葉子就是數據頁，非葉子結點就是目錄頁；葉子結點存放真實的數據，而非葉子結點存放目錄，也就是索引。

它的優勢有以下幾點：

1. 由於葉子結點上存放了所有的數據，並且有指針相連，每個葉子結點在邏輯上是相連的，所以對範圍查找比較友好；
2. B+tree所有的數據都在葉子結點上，所以查詢效率穩定，一般都是查詢三次；
3. 有利於數據庫的掃描；
4. 有利於磁盤的IO，因爲他的層高不會因爲數據擴大而增高（三層樹高大概可以存放2000萬的數據量）；

InnoDB索引

我們都知道innodb索引的結構是B+tree，那麼，他是怎樣存放數據的呢？

通過上面的圖，我們可以得到以下信息：innodb的數據文件本身就是按B+tree組織的索引結構，葉子結點存放了表的完整數據，key是數據表的主鍵，因此，innodb數據表文件本身就是主索引。

像這種葉子結點包含完整數據的結構，我們叫它聚簇索引。聚簇索引是按照每張表的主鍵構造的一顆B+樹，樹的葉子結點存放着表中行數據。由於每張表的主鍵只有一個，因此數據庫中每張表只有一個聚簇索引。
因爲InnoDB的數據文件本身要按主鍵聚集，所以InnoDB要求表必須有主鍵（MyISAM可以沒有），如果沒有顯式指定，則MySQL系統會自動選擇一個可以唯一標識數據記錄的列作爲主鍵，如果不存在這種列，則MySQL自動爲InnoDB表生成一個隱含字段作爲主鍵，這個字段長度爲6個字節，類型爲長整形。

除了主索引，還有輔助索引。每張表的輔助索引可以有多個，它的葉子結點不同於主索引，輔助索引存儲着相應記錄主鍵的值。也就是說，innodb的所有輔助索引都引用主鍵作爲data。

輔助索引也可以叫做非聚簇索引。非聚簇索引就是將數據和索引分開，查找時需要先查找到索引，然後通過索引回表找到相應的數據。

因爲所有輔助索引都引用主索引，過長的主索引會令輔助索引變得過大，所以不建議使用過長的字段作爲主鍵。