背景

我相信大家在數(shù)據(jù)庫優(yōu)化的時候都會說到索引，我也不例外，大家也基本上能對數(shù)據(jù)結(jié)構(gòu)的優(yōu)化回答個一二三，以及頁緩存之類的都能扯上幾句，但是有一次阿里P9的一個面試問我：你能從計算機層面開始說一下一個索引數(shù)據(jù)加載的流程么？（就是想讓我聊IO）

我當(dāng)場就去世了....因為計算機網(wǎng)絡(luò)和操作系統(tǒng)的基礎(chǔ)知識真的是我的盲區(qū)，不過后面我惡補了，廢話不多說，我們就從計算機加載數(shù)據(jù)聊起，講一下?lián)Q個角度聊索引。

正文

MySQL的索引本質(zhì)上是一種數(shù)據(jù)結(jié)構(gòu)

讓我們先來了解一下計算機的數(shù)據(jù)加載。

磁盤IO和預(yù)讀：

先說一下磁盤IO，磁盤讀取數(shù)據(jù)靠的是機械運動，每一次讀取數(shù)據(jù)需要尋道、尋點、拷貝到內(nèi)存三步操作。

尋道時間是磁臂移動到指定磁道所需要的時間，一般在5ms以下；

尋點是從磁道中找到數(shù)據(jù)存在的那個點，平均時間是半圈時間，如果是一個7200轉(zhuǎn)/min的磁盤，尋點時間平均是600000/7200/2=4.17ms；

拷貝到內(nèi)存的時間很快，和前面兩個時間比起來可以忽略不計，所以一次IO的時間平均是在9ms左右。聽起來很快，但數(shù)據(jù)庫百萬級別的數(shù)據(jù)過一遍就達(dá)到了9000s，顯然就是災(zāi)難級別的了。

考慮到磁盤IO是非常高昂的操作，計算機操作系統(tǒng)做了預(yù)讀的優(yōu)化，當(dāng)一次IO時，不光把當(dāng)前磁盤地址的數(shù)據(jù)，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)，因為當(dāng)計算機訪問一個地址的數(shù)據(jù)的時候，與其相鄰的數(shù)據(jù)也會很快被訪問到。

每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)，具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k，也就是我們讀取一頁內(nèi)的數(shù)據(jù)時候，實際上才發(fā)生了一次IO。

（突然想到個我剛畢業(yè)被問過的問題，在64位的操作系統(tǒng)中，Java中的int類型占幾個字節(jié)？最大是多少？為什么？）

那我們想要優(yōu)化數(shù)據(jù)庫查詢，就要盡量減少磁盤的IO操作，所以就出現(xiàn)了索引。

索引是什么？

MySQL官方對索引的定義為：索引(Index)是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。

MySQL中常用的索引在物理上分兩類，B-樹索引和哈希索引。

本次主要講BTree索引。

BTree索引

BTree又叫多路平衡查找樹，一顆m叉的BTree特性如下：

• 樹中每個節(jié)點最多包含m個孩子。
• 除根節(jié)點與葉子節(jié)點外，每個節(jié)點至少有[ceil(m/2)]個孩子（ceil()為向上取整）。
• 若根節(jié)點不是葉子節(jié)點，則至少有兩個孩子。
• 所有的葉子節(jié)點都在同一層。
• 每個非葉子節(jié)點由n個key與n+1個指針組成，其中[ceil(m/2)-1] <= n <= m-1 。

這是一個3叉（只是舉例，真實會有很多叉）的BTree結(jié)構(gòu)圖，每一個方框塊我們稱之為一個磁盤塊或者叫做一個block塊，這是操作系統(tǒng)一次IO往內(nèi)存中讀的內(nèi)容，一個塊對應(yīng)四個扇區(qū)，紫色代表的是磁盤塊中的數(shù)據(jù)key，黃色代表的是數(shù)據(jù)data，藍(lán)色代表的是指針p，指向下一個磁盤塊的位置。

來模擬下查找key為29的data的過程：

1、根據(jù)根結(jié)點指針讀取文件目錄的根磁盤塊1?！敬疟PIO操作1次】

2、磁盤塊1存儲17，35和三個指針數(shù)據(jù)。我們發(fā)現(xiàn)17<29<35，因此我們找到指針p2。

3、根據(jù)p2指針，我們定位并讀取磁盤塊3?！敬疟PIO操作2次】

4、磁盤塊3存儲26，30和三個指針數(shù)據(jù)。我們發(fā)現(xiàn)26<29<30，因此我們找到指針p2。

5、根據(jù)p2指針，我們定位并讀取磁盤塊8?！敬疟PIO操作3次】

6、磁盤塊8中存儲28，29。我們找到29，獲取29所對應(yīng)的數(shù)據(jù)data。

由此可見，BTree索引使每次磁盤I/O取到內(nèi)存的數(shù)據(jù)都發(fā)揮了作用，從而提高了查詢效率。

但是有沒有什么可優(yōu)化的地方呢？

我們從圖上可以看到，每個節(jié)點中不僅包含數(shù)據(jù)的key值，還有data值。而每一個頁的存儲空間是有限的，如果data數(shù)據(jù)較大時將會導(dǎo)致每個節(jié)點（即一個頁）能存儲的key的數(shù)量很小，當(dāng)存儲的數(shù)據(jù)量很大時同樣會導(dǎo)致B-Tree的深度較大，增大查詢時的磁盤I/O次數(shù)，進而影響查詢效率。

B+Tree索引

B+Tree是在B-Tree基礎(chǔ)上的一種優(yōu)化，使其更適合實現(xiàn)外存儲索引結(jié)構(gòu)。在B+Tree中，所有數(shù)據(jù)記錄節(jié)點都是按照鍵值大小順序存放在同一層的葉子節(jié)點上，而非葉子節(jié)點上只存儲key值信息，這樣可以大大加大每個節(jié)點存儲的key值數(shù)量，降低B+Tree的高度。

B+Tree相對于B-Tree有幾點不同：

非葉子節(jié)點只存儲鍵值信息， 數(shù)據(jù)記錄都存放在葉子節(jié)點中， 將上一節(jié)中的B-Tree優(yōu)化，由于B+Tree的非葉子節(jié)點只存儲鍵值信息，所以B+Tree的高度可以被壓縮到特別的低。

具體的數(shù)據(jù)如下：

InnoDB存儲引擎中頁的大小為16KB，一般表的主鍵類型為INT（占用4個字節(jié)）或BIGINT（占用8個字節(jié)），指針類型也一般為4或8個字節(jié)，也就是說一個頁（B+Tree中的一個節(jié)點）中大概存儲16KB/(8B+8B)=1K個鍵值（因為是估值，為方便計算，這里的K取值為〖10〗^3）。

也就是說一個深度為3的B+Tree索引可以維護10^3 * 10^3 * 10^3 = 10億 條記錄。（這種計算方式存在誤差，而且沒有計算葉子節(jié)點，如果計算葉子節(jié)點其實是深度為4了）

我們只需要進行三次的IO操作就可以從10億條數(shù)據(jù)中找到我們想要的數(shù)據(jù)，比起最開始的百萬數(shù)據(jù)9000秒不知道好了多少個華萊士了。

而且在B+Tree上通常有兩個頭指針，一個指向根節(jié)點，另一個指向關(guān)鍵字最小的葉子節(jié)點，而且所有葉子節(jié)點（即數(shù)據(jù)節(jié)點）之間是一種鏈?zhǔn)江h(huán)結(jié)構(gòu)。所以我們除了可以對B+Tree進行主鍵的范圍查找和分頁查找，還可以從根節(jié)點開始，進行隨機查找。

數(shù)據(jù)庫中的B+Tree索引可以分為聚集索引（clustered index）和輔助索引（secondary index）。

上面的B+Tree示例圖在數(shù)據(jù)庫中的實現(xiàn)即為聚集索引，聚集索引的B+Tree中的葉子節(jié)點存放的是整張表的行記錄數(shù)據(jù)，輔助索引與聚集索引的區(qū)別在于輔助索引的葉子節(jié)點并不包含行記錄的全部數(shù)據(jù)，而是存儲相應(yīng)行數(shù)據(jù)的聚集索引鍵，即主鍵。

當(dāng)通過輔助索引來查詢數(shù)據(jù)時，InnoDB存儲引擎會遍歷輔助索引找到主鍵，然后再通過主鍵在聚集索引中找到完整的行記錄數(shù)據(jù)。

不過，雖然索引可以加快查詢速度，提高 MySQL 的處理性能，但是過多地使用索引也會造成以下弊端：

• 創(chuàng)建索引和維護索引要耗費時間，這種時間隨著數(shù)據(jù)量的增加而增加。
• 除了數(shù)據(jù)表占數(shù)據(jù)空間之外，每一個索引還要占一定的物理空間。如果要建立聚簇索引，那么需要的空間就會更大。
• 當(dāng)對表中的數(shù)據(jù)進行增加、刪除和修改的時候，索引也要動態(tài)地維護，這樣就降低了數(shù)據(jù)的維護速度。

注意：索引可以在一些情況下加速查詢，但是在某些情況下，會降低效率。

索引只是提高效率的一個因素，因此在建立索引的時候應(yīng)該遵循以下原則：

• 在經(jīng)常需要搜索的列上建立索引，可以加快搜索的速度。
• 在作為主鍵的列上創(chuàng)建索引，強制該列的唯一性，并組織表中數(shù)據(jù)的排列結(jié)構(gòu)。
• 在經(jīng)常使用表連接的列上創(chuàng)建索引，這些列主要是一些外鍵，可以加快表連接的速度。
• 在經(jīng)常需要根據(jù)范圍進行搜索的列上創(chuàng)建索引，因為索引已經(jīng)排序，所以其指定的范圍是連續(xù)的。
• 在經(jīng)常需要排序的列上創(chuàng)建索引，因為索引已經(jīng)排序，所以查詢時可以利用索引的排序，加快排序查詢。
• 在經(jīng)常使用 WHERE 子句的列上創(chuàng)建索引，加快條件的判斷速度。

現(xiàn)在大家知道索引為啥能這么快了吧，其實就是一句話，通過索引的結(jié)構(gòu)最大化的減少數(shù)據(jù)庫的IO次數(shù)，畢竟，一次IO的時間真的是太久了。。。

總結(jié)

就面試而言很多知識其實我們可以很容易就掌握了，但是要以學(xué)習(xí)為目的，你會發(fā)現(xiàn)很多東西我們得深入到計算機基礎(chǔ)上才能發(fā)現(xiàn)其中奧秘，很多人問我怎么記住這么多東西，其實學(xué)習(xí)本身就是一個很無奈的東西，既然我們不能不學(xué)那為啥不好好學(xué)？去學(xué)會享受呢？最近我也在惡補基礎(chǔ)，后面我會開始更新計算機基礎(chǔ)和網(wǎng)絡(luò)相關(guān)的知識的。

喜歡我可以給我設(shè)為星標(biāo)哦

好文章，我“在看”