[[434590]]

這段時間一直在面試，問了很多候選人數據庫索引相關的知識，能答好的不是很多，令人惋惜啊，我也想留你啊……

面試官：了解過數據庫索引嗎?

候選人：聽過一些，底層數據結構好像是二叉樹，不對，好像是 B 樹，哦，我想起來了，好像是 B+樹……(像極了當年面試的我)

面試官：聽過哈希索引嗎?

候選人：我知道哈希表，哈希索引沒聽過

面試官：今天面試先到這里了，回去等消息吧……

溫馨提示：本文是數據庫索引的簡單入門篇，后面會通過圖解的方式逐步帶大家深入索引的原理，敬請期待!

先引入一個簡單的示例，通過示例操作解釋一下為什么需要數據庫索引。

假設我們有一個名為 t_employee 的數據庫表，這個數據庫表有三列：name，age，address，數據量有上萬行。

如果我們想要查找所有名為「leixiaoshuai」員工的詳細信息，只需要寫一個簡單的 SQL 語句就可以搞定，相信大家都會寫。

SELECT * FROM t_employee 
 
WHERE name = 'leixiaoshuai' 

如果沒有索引，會發生什么?

一旦我們運行了這條 SQL 查詢語句，在數據庫內部是如何工作的呢?數據庫會搜索 t_employee 表中的每一行，從而確定員工的名字(name)是否為 ‘leixiaoshuai’。由于我們想要得到每一個名字為 leixiaoshuai 的雇員信息，在查詢到第一個符合條件的行記錄后，不能停止查詢，因為可能還有其他符合條件的行。所以，必須一行一行的查找直到最后一行，這就意味數據庫不得不檢查上萬行數據才能找到所有名字為 leixiaoshuai 的員工。這就是所謂的全表掃描。

數據庫索引如何幫助提高性能?

你可能會想：「這么簡單的查詢語句居然還需要全表掃描，數據庫也太笨了吧?!」

這就類似于用人眼從頭到尾逐字逐句讀一本書，效率太低了!

那應該怎么辦?聰明的你肯定想到解決方案了：「加個索引啊」。

這就是索引派上用場的時候了，使用索引的目的就是**通過減少表中需要檢查的記錄/行的數量來加速搜索查詢。**說的再簡單點：「索引就是用來加速查詢的」。

什么是索引?

那么問題來了，什么是索引呢?索引本質是一種數據結構(最常見的是 B+樹)，是在表的列上創建的。

索引的數據結構是什么樣的?

常見MySQL索引一般分為：Hash索引和**B+**樹索引，InnoDB引擎中默認的是B+樹。

B+樹 是最常用于索引的數據結構，時間復雜度低：查找、刪除、插入操作都可以可以在 logn 時間內完成。另外一個重要原因存儲在 B+樹 中的數據是有序的。

在B+樹常規檢索場景下，從根節點到葉子節點的搜索效率基本相當，不會出現大幅波動，而且基于索引的順序掃描時，也可以利用雙向指針快速左右移動，效率非常高。

哈希索引就是采用一定的哈希算法，把鍵值換算成新的哈希值，檢索時不需要類似B+樹那樣從根節點到葉子節點逐級查找，只需一次哈希算法即可立刻定位到相應的位置，速度非常快。

哈希表索引是如何工作的?

如果你在創建索引時指定數據結構為「哈希表」，那這些索引也可稱為「哈希索引」。

哈希索引的優點非常明顯，在一定場景下，檢索指定值時哈希表的效率極高。比如上面我們討論的一個查詢語句：SELECT * FROM t_employee WHERE name = ‘leixiaoshuai’，如果在 name 列上加一個哈希索引，檢索速度有可能會成倍提升。

哈系索引的工作方式是將列的值作為索引的鍵值(key)，鍵值相對應實際的值(value)是指向該表中相應行的指針。因為哈希表基本上可以看作是關聯數組，一個典型的數據項就像 「leixiaoshuai => 0x996996」，而 0x996996 是對內存中表中包含 leixiaoshuai 這一行的引用。在哈系索引的中查詢一個像 leixiaoshuai 這樣的值，并得到對應行的在內存中的引用，明顯要比掃描全表獲得值為 leixiaoshuai 的行的方式快很多。

哈希索引的缺點

上面說了哈希索引的優點，那哈希索引的缺點也是繞不過去的。

哈希表是無順的數據結構，對于很多類型的查詢語句哈希索引都無能為力。舉例來說，假如你想要找出所有小于40歲的員工。你怎么使用使用哈希索引進行查詢?這不可行，因為哈希表只適合查詢鍵值對，也就是說查詢相等的查詢(例：like “WHERE name = ‘leixiaoshuai’)。哈希表的鍵值映射也暗示其鍵的存儲是無序的。這就是為什么哈希索引通常不是數據庫索引的默認數據結構，因為在作為索引的數據結構時，其不像B+Tree那么靈活。

總結一下缺點：

• (1)不支持范圍查詢
• (2)不支持索引完成排序
• (3)不支持聯合索引的最左前綴匹配規則

還有什么其他類型的索引?

常見的還有：R 樹和位圖索引。

R 樹通常用來為空間問題提供幫助。例如，一個查詢要求“查詢出所有距離我兩公里之內的麥當勞”，如果數據庫表使用R樹索引，這類查詢的效率將會提高。

位圖索引(bitmap index)， 這類索引適合放在包含布爾值(true 和 false)的列上。

索引如何提高性能?

因為索引基本上是用來存儲列值的數據結構，這使查找這些列值更加快速。如果索引使用B+樹數據結構，那么其中的數據是有序的，有序的列值可以極大的提升性能。

假如我們在 name 這一列上創建一個 B+樹 索引，這意味著當我們用之前的SQL查找name=‘leixiaoshuai‘時不需要再掃描全表，而是用索引查找去查找名字為‘leixiaoshuai’的員工，因為索引已經按照按字母順序排序。索引已經排序意味著查詢一個名字會快很多，因為名字少字母為‘L’的員工都是排列在一起的。另外重要的一點是，索引同時存儲了表中相應行的指針以獲取其他列的數據。

數據庫索引中到底存的是什么?

你現在已經知道數據庫索引是創建在表的某列上的，并且存儲了這一列的所有值。但是需要理解的重點是數據庫索引并不存儲這個表中其他列(字段)的值。舉例來說，如果我們在 name 列創建索引，那么 age 列和 address 列上的值并不會存儲在這個索引當中。如果我們確實把其他所有字段也存儲在個這個索引中，那這樣會占用太大的空間而且會十分低效。

索引還存儲指向表行的指針

如果我們在索引里找到某一條記錄作為索引的列的值，如何才能找到這一條記錄的其它值呢?

這很簡單，數據庫索引同時存儲了指向表中的相應行的指針。指針是指一塊內存區域， 該內存區域記錄的是對硬盤上記錄的相應行的數據的引用。因此，索引中除了存儲列的值，還存儲著一個指向在行數據的索引。也就是說，索引中的name這列的某個值(或者節點)可以描述為 (“leixiaoshuai”, 0x996996)， 0x996996 就是包含 “leixiaoshuai”那行數據在硬盤上的地址。如果沒有這個引用，你就只能訪問到一個單獨的值(“leixiaoshuai”)，而這樣沒有意義，因為你不能獲取這一行記錄的employee的其他值-例如地址(address)和年齡(age)。

數據庫如何知道何時使用索引?

當你運行一條查詢 SQL 語句時，數據庫會檢查在查詢的列上是否有索引。假設 name 列上確實創建了索引，數據庫會接著檢查使用這個索引做查詢是否合理 ，因為有些場景下，使用索引比起全表掃描會更加低效。

可以強制數據庫在查詢中使用索引嗎?

通常來說， 你不會告訴數據庫什么時候使用索引，數據庫自己決定。

如何在SQL中創建索引?

下面是在前面示例中的Employee_Name列上創建索引時實際SQL的外觀：

CREATE INDEX name_index 
 
ON t_employee (name) 

如何在SQL中創建聯合(多列)索引?

我們可以在age 和 address 兩列上創建聯合索引，SQL如下：

CREATE INDEX age_address_index 
 
ON t_employee (age, address) 

可以把數據庫索引類比成什么?

一個非常好的類比是把數據庫索引看作是書的索引。

你從頭到尾逐字逐行讀完就是「全表掃描」;

你翻看目錄挑選感興趣的部分閱讀就是走了索引。

使用數據庫索引有什么代價?

既然索引優點這么多，那給所有列加上索引不就完事了，no no no，加索引是有代價的。

(1)索引會占用空間。你的表越大，索引占用的空間越大。

(2)在更新操作有性能損失。當你在表中添加、刪除或者更新行數據的時候， 在索引中也會有相同的操作。

基本原則是：如果表中某列在查詢過程中使用的非常頻繁，那就在該列上創建索引。

參考：

How do database indexes work? And, how do indexes help? Provide a tutorial on database indexes.

數據庫索引漫談

-- End --

 

好了，以上就是數據庫索引先導篇了，也可以叫做入門篇了。后面會通過圖解的方式逐步帶大家深入索引的原理，敬請期待!