【MySQL】1.索引

「爱情、让人受尽委屈。」 2024-04-03 06:41 52阅读 0赞

#### 文章目录 ####

*  【MySQL】索引
 *  1. 什么是索引
 *  2. 索引的分类
 *   *  2.1 单列索引
     *  2.2 组合索引
     *  2.3 全文索引
     *   *   *  2.3.1 使用全文索引
     *  2.4 空间索引
 *  3. 索引的特点
 *   *  3.1 索引的优点
     *  3.2 索引的缺点
 *  4. 创建索引的原则
 *  5. 索引内部原理
 *   *  5.1 Hash算法
     *  5.2 B+TREE树

## 【MySQL】索引 ##

## 1. 什么是索引 ##

**索引是通过某种算法，构建出一个数据模型，用于快速找出在某个列中有一特定值的行**

就像新华字典的根据拼音查询一个字一样，如果没有索引就需要一页一页查找，效率极慢，这样表数据越多，查询的时间就会越长。

**如果表中查询的列有一个索引，MySQL能够快速到达一个位置去搜索数据文件，而不必查看所有数据，那么将会节省很大一部分时间。**

根据实现方式分类，可以分为 **Hash索引** 与 **B+Tree索引**

*  Hash索引：索引字段值通过某种算法公式算出一个hashCode，当查询这个字段的时候通过这个公式就可以计算出hashCode，然后就可以快速找到该行数据；就算一个hashCode对应了多行的数据，那也比遍历全表速度快。

![在这里插入图片描述][cf224f6c553641e0a64019f9abc5415a.png_pic_center]

![在这里插入图片描述][627174b145f843bcbf4b298a742a6fa7.png_pic_center]

--------------------

## 2. 索引的分类 ##

**按照功能来分，索引划分为以下分类：**

![在这里插入图片描述][4aa1bbe8d19846079d2f476cb1925807.png_pic_center]

--------------------

### 2.1 单列索引 ###

\*\*单列索引：一个索引只包含单个列，但一个表中可以有多个单列索引

*  **唯一索引：与前面的普通索引类似，不同的就是：索引列的值必须唯一，但允许有空值。如果是组合索引，则列值的组合必须唯一。它有以下几种创建方式：**
 *  **主键索引：每张表一般都会有自己的主键，当我们在创建表时，MySQL会自动在主键列上建立一个索引。主键是具有唯一性并且不允许为NULL，所以他是一种特殊的唯一索引。**

--------------------

### 2.2 组合索引 ###

*  **组合索引也叫复合索引**，指的是我们在建立索引的时候使用多个字段，例如同时使用身份证和手机号建立索引，同样的可以建立为普通索引或者是唯一索引。
 *  **复合索引的使用复合最左原则。**

什么是最左原则？

-- 创建索引的基本语法 
    create index index_phone_name on student(phone_num,name);

就比如说这里索引有两个字段phone\_num和name

select * from student where name = '张三'; 
    select * from student where phone_num = '15100046637'; 
    select * from student where phone_num = '15100046637' and name = '张三'; 
    select * from student where name = '张三' and phone_num = '15100046637';

**三条sql只有 2 、 3、4能使用的到索引idx\_phone\_name,因为条件里面必须包含索引前面的字段 才能够进行匹配。**

**而3和4相比where条件的顺序不一样，为什么4可以用到索引呢？**

**是因为mysql本身就有一层sql优化，他会根据sql来识别出来该用哪个索引，我们可以理解为3和4在mysql眼中是等价的。**

--------------------

### 2.3 全文索引 ###

*  **全文索引的关键字是fulltext**
 *  全文索引主要用来查找文本中的关键字，而不是直接与索引中的值相比较，它更像是一个搜索引擎，基于相似度的查询，而不是简单的where语句的参数匹配。

**用 like + % 就可以实现模糊匹配了，为什么还要全文索引？**

**like + % 在文本比较少时是合适的，但是对于大量的文本数据检索，是不可想象的。全文索引在大量的数据面前，能比 like + % 快 N 倍，速度不是一个数量级，但是全文索引可能存在精度问题。**

> 但是有些mysql版本是不支持全文索引的
> 
>  *  **MySQL 5.6 以前的版本，只有 MyISAM 存储引擎支持全文索引；**
>  *  **MySQL 5.6 及以后的版本，MyISAM 和 InnoDB 存储引擎均支持全文索引;**
>  *  **只有字段的数据类型为 char、varchar、text 及其系列才可以建全文索引；**
> 
> **在数据量较大时候，现将数据放入一个没有全局索引的表中，然后再用create index创建fulltext索引，要比先为一张表建立fulltext然后再将数据写入的速度快很多；**

MySQL 中的全文索引，**有两个变量，最小搜索长度和最大搜索长度**

**对于长度小于最小搜索长度和大于最大搜索长度的词语，都不会被索引。**

通俗点就是说，想对一个词语使用全文索引搜索，那么这个词语的长度必须在以上两个变量的区间内。这两个的默认值可以使用以下命令查看:

show variables like '%ft%';

![在这里插入图片描述][c39c3f93a6ac4a64a24e1b5f304dc4a3.png_pic_center]

<table> 
 <thead> 
  <tr> 
   <th>#</th> 
   <th>参数名称</th> 
   <th>默认值</th> 
   <th>最小值</th> 
   <th>最大值</th> 
   <th>作用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1</td> 
   <td>ft_min_word_len</td> 
   <td>4</td> 
   <td>1</td> 
   <td>3600</td> 
   <td>MyISAM 引擎表全文索引包含的最小词长度</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>ft_query_expansion_limit</td> 
   <td>20</td> 
   <td>0</td> 
   <td>1000</td> 
   <td>MyISAM引擎表使用 with query expansion 进行全文搜索的最大匹配数</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>innodb_ft_min_token_size</td> 
   <td>3</td> 
   <td>0</td> 
   <td>16</td> 
   <td>InnoDB 引擎表全文索引包含的最小词长度</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>innodb_ft_max_token_size</td> 
   <td>84</td> 
   <td>10</td> 
   <td>84</td> 
   <td>InnoDB 引擎表全文索引包含的最大词长度</td> 
  </tr> 
 </tbody> 
</table>

##### 2.3.1 使用全文索引 #####

和常用的模糊匹配使用 like + % 不同，全文索引有自己的语法格式，使用 match 和 against 关键字，格式:

match (col1,col2,...) against(expr [search_modifier])
     
    select * from t_article where match(content) against('yo’); -- 没有结果 单词数需要大于等于3 
    select * from t_article where match(content) against('you'); -- 有结果

--------------------

### 2.4 空间索引 ###

*  MySQL在5.7之后的版本支持了空间索引，而且支持OpenGIS几何数据模型
 *  空间索引是对空间数据类型的字段建立的索引，MYSQL中的空间数据类型有4种，分别是GEOMETRY、POINT、LINESTRING、POLYGON。
 *  MYSQL使用SPATIAL关键字进行扩展，使得能够用于创建正规索引类型的语法创建空间索引。
 *  创建空间索引的列，必须将其声明为NOT NULL。
 *  空间索引一般是用的比较少，了解即可。

![在这里插入图片描述][e4eac5f3207e456c88260112b8023a2b.png_pic_center]

<table> 
 <thead> 
  <tr> 
   <th><strong>类型</strong></th> 
   <th><strong>含义</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Geometry</td> 
   <td>空间数据</td> 
   <td>任何一种空间类型</td> 
  </tr> 
  <tr> 
   <td>Point</td> 
   <td>点</td> 
   <td>坐标值</td> 
  </tr> 
  <tr> 
   <td>LineString</td> 
   <td>线</td> 
   <td>有一系列点连接而成</td> 
  </tr> 
  <tr> 
   <td>Polygon</td> 
   <td>多边形</td> 
   <td>由多条线组成</td> 
  </tr> 
 </tbody> 
</table>

create table shop_info (
      id  int  primary key auto_increment comment 'id',
      shop_name varchar(64) not null comment '门店名称',
      geom_point geometry not null comment '经纬度’,
      spatial key geom_index(geom_point)
    );

--------------------

## 3. 索引的特点 ##

### 3.1 索引的优点 ###

*  **大大加快数据的查询速度**
 *  使用分组和排序进行数据查询时，可以显著减少查询时分组和排序的时间
 *  **创建唯一索引**，能够保证数据库表中每一行数据的唯一性
 *  在实现数据的参考完整性方面，**可以加速表和表之间的连接**

--------------------

### 3.2 索引的缺点 ###

*  创建索引和维护索引需要消耗时间，并且随着数据量的增加，时间也会增加
 *  索引需要占据磁盘空间
 *  对数据表中的数据进行增加，修改，删除时，索引也要动态的维护，**降低了维护的速度**

--------------------

## 4. 创建索引的原则 ##

*  **更新频繁的列不应设置索引**
 *  数据量小的表不要使用索引（毕竟总共2页的文档，还要目录吗？）
 *  重复数据多的字段不应设为索引（比如性别，只有男和女，一般来说：重复的数据超过百分之15就不该建索引）
 *  **首先应该考虑对where 和 order by 涉及的列上建立索引**

--------------------

## 5. 索引内部原理 ##

索引其内部有Hash算法与B+Tree

### 5.1 Hash算法 ###

通过某一个公式算出hashCode，然后通过hashCode快速找到需要的数据

![在这里插入图片描述][a900c4cd1f5a43869f144a3ff8c0c9d4.png_pic_center]

\*\*优点：\*\*通过字段的值计算的hash值，定位数据非常快。  
\*\*缺点：\*\*不能进行范围查找，因为散列表中的值是无序的，无法进行大小的比较。

--------------------

### 5.2 B+TREE树 ###

目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构，Btree结构可以有效的解决之前的相关算法遇到的问题。

可以通过下面的这个网站可视化理解B+TREE的插入查询删除数据的流程

3是指三阶，当数据等于三个之后，就会变成树木，第二个数据就会父节点，以此类推

[数据结构可视化][Link 1]

![在这里插入图片描述][6d8d889191b343e0a0735484a04c0ded.png_pic_center]

![在这里插入图片描述][4feff46ddc33489984439d7312da111d.png_pic_center]

--------------------

> 参考：  
> [2022新版黑马程序员MySQL知识精讲资料][2022_MySQL]

[cf224f6c553641e0a64019f9abc5415a.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/064fd797a19f4afdb989011001f708e1.png
[627174b145f843bcbf4b298a742a6fa7.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/0605b117d8254543a5d9b32b7b0bcf2d.png
[4aa1bbe8d19846079d2f476cb1925807.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/5adaaf3b62d1450f8f529ba74c68918a.png
[c39c3f93a6ac4a64a24e1b5f304dc4a3.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/1666e07708da438f9c7b6b1d9e67f037.png
[e4eac5f3207e456c88260112b8023a2b.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/11b7a3f6485949afb7e8268ae30c2fb1.png
[a900c4cd1f5a43869f144a3ff8c0c9d4.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/252c85d8360344ec927b55c1285b7a06.png
[Link 1]: https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
[6d8d889191b343e0a0735484a04c0ded.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/b7c7356215f34129adf8b7c9599ea284.png
[4feff46ddc33489984439d7312da111d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/08f01c2221ed49d180822e49498277af.png
[2022_MySQL]: https://www.bilibili.com/video/BV1iF411z7Pu?p=142&vd_source=cc24ad51180ec9731f4262085c2e8be9