在日常工作中我們不可避免地會(huì)遇到慢SQL問題，比如筆者在之前的公司時(shí)會(huì)定期收到DBA彪哥發(fā)來的Oracle AWR報(bào)告，并特別提示我某條sql近階段執(zhí)行明顯很慢，可能要優(yōu)化一下等。對于這樣的問題通常大家的第一反應(yīng)就是看看sql是不是寫的不合理啊諸如：“避免使用in和not in，否則可能會(huì)導(dǎo)致全表掃描”“ 避免在where子句中對字段進(jìn)行函數(shù)操作”等等，還有一種常見的反應(yīng)就是這個(gè)表有沒有加索引？絕大部分情況下，加了個(gè)索引基本上就搞定了。

既然題目是《從千萬級(jí)數(shù)據(jù)查詢來聊一聊索引結(jié)構(gòu)和數(shù)據(jù)庫原理》，首先就來構(gòu)造一個(gè)千萬級(jí)的表直觀感受下。我們創(chuàng)建了一張user表，然后插入了1000萬條數(shù)據(jù)，查詢一下：

用了近30秒的時(shí)間，這還是單表查詢，關(guān)聯(lián)查詢明顯會(huì)更讓人無法忍受。接下來，我們只是對id增加一個(gè)索引，再來驗(yàn)證一把：

從30s到0.02s，提升了足足1500倍。為什么加了索引之后，速度嗖地一下子就上去了呢？我們從【索引數(shù)據(jù)結(jié)構(gòu)】、【Mysql原理】兩個(gè)方面入手。

一、索引數(shù)據(jù)結(jié)構(gòu)

我們先來看下 MySQL官方對索引的定義：

索引（Index）是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。

這里面有2個(gè)關(guān)鍵詞：高效查找、數(shù)據(jù)結(jié)構(gòu)。對于數(shù)據(jù)庫來說，查詢是我們最主要的使用功能，查詢速度肯定是越快越好。最基本的查找是順序查找，更高效的查找我們很自然會(huì)想到二叉樹、紅黑樹、Hash表、BTree等等。

1.1 二叉樹

這個(gè)大家很熟悉了，他有一個(gè)很重要的特點(diǎn)：左邊節(jié)點(diǎn)的鍵值小于根的鍵值，右邊節(jié)點(diǎn)的鍵值大于根的鍵值。比如圖1，它確實(shí)能明顯提高我們的搜索性能。但如果用來作為數(shù)據(jù)庫的索引，明顯存在很大的缺陷，但對于圖2這種遞增的id，存儲(chǔ)后索引近似于變成了單邊的鏈表，肯定是不合適的。

1.2 紅黑樹

也稱之為平衡二叉樹。在JDK1.8后，HashMap對底層的鏈表也優(yōu)化成了紅黑樹（后續(xù)文章我們可以講講Hashmap1.8之后的調(diào)整）。平衡二叉樹的結(jié)構(gòu)使樹的結(jié)構(gòu)較好，明顯提高查找運(yùn)算的速度。但是缺陷也同樣很明顯，插入和刪除運(yùn)算變得復(fù)雜化，從而降低了他們的運(yùn)算速度。對大數(shù)據(jù)量的支撐很不好，當(dāng)數(shù)據(jù)量很大時(shí)，樹的高度太高，如果查找的數(shù)據(jù)是葉子節(jié)點(diǎn)，依然會(huì)超級(jí)慢。

1.3 BTree

B-Tree是為磁盤等外存儲(chǔ)設(shè)備設(shè)計(jì)的一種平衡查找樹。系統(tǒng)從磁盤讀取數(shù)據(jù)到內(nèi)存時(shí)是以磁盤塊（block）為基本單位的，位于同一個(gè)磁盤塊中的數(shù)據(jù)會(huì)被一次性讀取到內(nèi)存中。在Mysql存儲(chǔ)引擎中有頁（Page）的概念，頁是其磁盤管理的最小單位。Mysql存儲(chǔ)引擎中默認(rèn)每個(gè)頁的大小為16KB，查看方式：

mysql> show variables like 'innodb_page_size';

我們也可以將它修改為4K、8K、16K。系統(tǒng)一個(gè)磁盤塊的存儲(chǔ)空間往往沒有16K，因此Mysql每次申請磁盤空間時(shí)都會(huì)將若干地址連續(xù)磁盤塊來達(dá)到頁的大小16KB。Mysql在把磁盤數(shù)據(jù)讀入到磁盤時(shí)會(huì)以頁為基本單位，在查詢數(shù)據(jù)時(shí)如果一個(gè)頁中的每條數(shù)據(jù)都能有助于定位數(shù)據(jù)記錄的位置，這將會(huì)減少磁盤I/O次數(shù)，提高查詢效率。

如上圖所示，一棵B樹包含有鍵值、存儲(chǔ)子節(jié)點(diǎn)的指針信息、及除主鍵外的數(shù)據(jù)。相對于普通的樹BTree將橫向節(jié)點(diǎn)的容量變大，從而存儲(chǔ)更多的索引。

1.4 B+Tree

在B-Tree的基礎(chǔ)上大牛們又研究出了許多變種，其中最常見的是B+Tree，MySQL就普遍使用B+Tree實(shí)現(xiàn)其索引結(jié)構(gòu)。

與B-Tree相比，B+Tree做了以下一些改進(jìn)：
1、非葉子節(jié)點(diǎn)，只存儲(chǔ)鍵值信息，這樣極大增加了存放索引的數(shù)據(jù)量。
2、 所有葉子節(jié)點(diǎn)之間都有一個(gè)鏈指針。對于區(qū)間查詢時(shí)，不需要再從根節(jié)點(diǎn)開始，可直接定位到數(shù)據(jù)。
3、 數(shù)據(jù)記錄都存放在葉子節(jié)點(diǎn)中。根據(jù)二叉樹的特點(diǎn)，這個(gè)是順序訪問指針，提升了區(qū)間訪問的性能。
通過這樣的設(shè)計(jì)，一張千萬級(jí)的表最多只需要3次磁盤交互就可以找出數(shù)據(jù)。

二、Mysql部分原理說明

這一部分我們選舉幾個(gè)日常面試過程中或者使用過程中比較常見的問題通過問答的形式來進(jìn)行講解。

2.1、數(shù)據(jù)庫引擎MyISAM和InnoDB有什么區(qū)別

• MyISAM：
  在Mysql8之前，默認(rèn)引擎是MyISAM，其目標(biāo)是快速讀取。
  特點(diǎn)：
  1、讀取非?？?，如果頻繁插入和更新的話，因?yàn)樯婕暗綌?shù)據(jù)全表鎖，效率并不高
  2、保存了數(shù)據(jù)庫行數(shù)，執(zhí)行count時(shí)，不需要掃描全表；
  3、不支持?jǐn)?shù)據(jù)庫事務(wù)；
  4、不支持行級(jí)鎖和外鍵；
  5、不支持故障恢復(fù)。
  6、支持全文檢索FullText，壓縮索引。
  建議使用場景：
  1、做很多count計(jì)算的，（如果count計(jì)算后面有where還是會(huì)全表掃描）
  2、插入和更新較少，查詢比較頻繁的

• InnoDB：
  在Mysql8里，默認(rèn)存儲(chǔ)引擎改成了InnoDB。
  特點(diǎn)
  1、支持事務(wù)處理、ACID事務(wù)特性
  2、實(shí)現(xiàn)了SQL標(biāo)準(zhǔn)的四種隔離級(jí)別
  3、支持行級(jí)鎖和外鍵約束
  4、可以利用事務(wù)日志進(jìn)行數(shù)據(jù)恢復(fù)
  5、不支持FullText類型的索引，沒有保存數(shù)據(jù)庫行數(shù)，計(jì)算count(*)需要全局掃描
  6、支持自動(dòng)增加列屬性auto_increment
  7、最后也是非常重要的一點(diǎn)：InnerDB是為了處理大量數(shù)據(jù)時(shí)的最大性能設(shè)計(jì)，其CPU效率可能是其他基于磁盤的關(guān)系型數(shù)據(jù)庫所不能匹敵的。
  建議使用場景
  1、可靠性高或者必須要求事務(wù)處理
  2、表更新和查詢相當(dāng)?shù)念l繁，并且表鎖定的機(jī)會(huì)比較大的情況下，指定InnerDB存儲(chǔ)引擎。

2.2 表和數(shù)據(jù)等在Mysql中是如何存儲(chǔ)的

我們新建一個(gè)數(shù)據(jù)庫mds_demo，里面有兩張表：order_info,user

我們找到mysql存放數(shù)據(jù)的data目錄，存在一個(gè)mds_demo的文件夾，同時(shí)我們也找到了order_info和user的文件。

為什么兩張表產(chǎn)生了不同的文件呢？原因很簡單，因?yàn)閯?chuàng)建這兩張表時(shí)使用了不同的引擎

• MyISAM引擎在創(chuàng)建表的時(shí)候，會(huì)創(chuàng)建三個(gè)文件
  .MYD文件：存放表里的數(shù)據(jù)
  .MYI文件：存放索引數(shù)據(jù)
  .sdi文件： Serialized Dictionary Information的縮寫。在Mysql5里沒有sdi文件，但會(huì)有一個(gè)FRM文件，用戶存放表結(jié)構(gòu)信息。在MySQL8.0中重新設(shè)計(jì)了數(shù)據(jù)字典，改為sdi。
  MyISAM的索引和數(shù)據(jù)是分開的，并且索引是有壓縮的，所以存儲(chǔ)文件就會(huì)小很多，MyISAM應(yīng)對錯(cuò)誤碼導(dǎo)致的數(shù)據(jù)恢復(fù)的速度很快。

• InnerDB引擎在創(chuàng)建表的時(shí)候，只有1個(gè)文件.ibd，即存放了索引又存放了文件，參見B+Tree。所以它也被稱之為聚集索引，即葉子節(jié)點(diǎn)包含完整的索引和數(shù)據(jù)，對應(yīng)的MyISAM為非聚集索引。
  補(bǔ)充說明一下：存儲(chǔ)引擎是針對表的，而不是針對數(shù)據(jù)庫，同一個(gè)庫的不同的表可以使用不同的引擎。

2.3 為什么InnoDB必須要有主鍵，并且推薦使用整型的自增主鍵？

通過上面的講解這個(gè)問題其實(shí)已經(jīng)很清楚了，為了滿足MySQL的索引數(shù)據(jù)結(jié)構(gòu)B+樹的特性，必須要有索引作為主鍵，可以有效提高查詢效率。有的童鞋可能會(huì)說我創(chuàng)建表的時(shí)候可以沒有主鍵啊，這個(gè)其實(shí)和Oracle的rownum一樣，如果不指定主鍵，InnoDB會(huì)從插入的數(shù)據(jù)中找出不重復(fù)的一列作為主鍵索引，如果沒找到不重復(fù)的一列，InnoDB會(huì)在后臺(tái)增加一列rowId做為主鍵索引。所以不如我們自己創(chuàng)建一個(gè)主鍵。

將索引的數(shù)據(jù)類型是設(shè)置為整型，一來占有的磁盤空間或內(nèi)存空間更少，另一方面整型相對于字符串比較更快速，而字符串需要先轉(zhuǎn)換為ASCII碼然后再一個(gè)個(gè)進(jìn)行比較的。

參見B+樹的圖它本質(zhì)上是多路多叉樹，如果主鍵索引不是自增的，那么后續(xù)插入的索引就會(huì)引起B(yǎng)+樹的其他節(jié)點(diǎn)的分裂和重新平衡，影響數(shù)據(jù)插入的效率，如果是自增主鍵，只用在尾節(jié)點(diǎn)做增加就可以。

最后特別強(qiáng)調(diào)一點(diǎn)：不管當(dāng)前是否有性能要求或者數(shù)據(jù)量多大，千萬不要使用UUID作為索引。

2.4 為什么Mysql存儲(chǔ)引擎中默認(rèn)每個(gè)頁的大小為16KB？

假設(shè)我們一行數(shù)據(jù)大小為1K，那么一頁就能存16條數(shù)據(jù)，包含指針+數(shù)據(jù)+索引。假設(shè)一行數(shù)據(jù)大小為1K，那么一頁（1個(gè)葉子節(jié)點(diǎn)）就能存16條數(shù)據(jù)；對于非葉子節(jié)點(diǎn)，假設(shè)ID為bigint類型那么長度為8B，指針大小在Innodb源碼中為6B，一共就是14B，那么一頁里就可以存儲(chǔ)16K/14=1170個(gè)(主鍵+指針)，這樣一顆高度為3的B+樹能存儲(chǔ)的數(shù)據(jù)為：1170117016=2千萬級(jí)別。所以我們前面1000萬的數(shù)據(jù)只有0.02s。

2.5 HASH算法的使用場景

Hash算法是一種散列算法，就是計(jì)算出某個(gè)字段的hash，然后存放在對應(yīng)的地址中，查找數(shù)據(jù)時(shí)只需要1次定位而不像BTree那樣從根節(jié)點(diǎn)找到葉子節(jié)點(diǎn)經(jīng)過多次IO操作，所以查詢效率非常地高。但同樣也有很多的弊端，講一下最重要的兩條。

1、很明顯hash只支持=、IN等查詢，而不支持范圍查詢
2、 Hash 索引在任何時(shí)候都不能避免表掃描。

所以使用時(shí)務(wù)必注意。

圖片：
本文中的部分圖片來源于網(wǎng)絡(luò)，版本歸原作者所有。
參考：
https://www.cnblogs.com/vianzhang/p/7922426.html
https://www.cnblogs.com/yangecnu/p/Introduce-B-Tree-and-B-Plus-Tree.html
http://blog.codinglabs.org/articles/theory-of-mysql-index.html
https://tech.meituan.com/2014/06/30/mysql-index.html
https://www.ucloud.cn/yun/110762.html
https://www.cs.usfca.edu/~galles/visualization/BST.html

向圖片作者及內(nèi)容參考的作者表示感謝！

特別推薦一個(gè)分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒關(guān)注的小伙伴，可以長按關(guān)注一下：
長按訂閱更多精彩▼
如有收獲，點(diǎn)個(gè)在看，誠摯感謝