深入理解MySQL索引底層資料結構

京東雲開發者發表於2023-04-06

1 引言

在日常工作中,我們會遇見一些慢SQL,在分析這些慢SQL時,我們通常會看下SQL的執行計劃,驗證SQL執行過程中有沒有走索引。通常我們會調整一些查詢條件,增加必要的索引,SQL執行效率就會提升幾個數量級。我們有沒有思考過,為什麼加了索引就會能提高SQL的查詢效率,為什麼有時候加了索引SQL執行反而會沒有變化,本文就從MySQL索引的底層資料結構和演算法來進行詳細分析。

2 索引資料結構對比

索引的定義:索引(Index)是幫助MySQL高效獲取資料的排好序的資料結構。

索引中常見的資料結構有以下幾種:

  • Hash表
  • 二叉樹
  • 紅黑樹
  • B-Tree
  • B+Tree

Hash表
透過索引的key進行一次hash計算,就可以快速獲取磁碟檔案指標,對於指定索引查詢檔案非常快,但是對於範圍查詢沒法支援,有時候也會出現Hash衝突的情況。

二叉樹
二叉樹的特點:左邊子節點的資料小於父節點資料,右邊子節點的資料大於父節點資料。如下圖所示,如果col2是索引,查詢索引為65的行元素,只需要查詢兩次,就可以獲取到行元素所在的磁碟指標地址。

但如果是一個按照順序遞增的值,例如為col1建立索引,不再適合使用二叉樹建立索引,因為此時使用二叉樹建立索引將會變成一個鏈式索引,此時的索引結構如下圖所示,如果查詢6節點需要6次遍歷才能找到。

紅黑樹
紅黑樹是一種二叉平衡樹,可以提高查詢效率,此時若再查詢6節點只需要遍歷3次就能找到了。但紅黑樹也有缺點,當儲存大資料量時,樹的高度就會變的不可控, 數量越大,樹的高度越高,查詢的效率將會大大降低。

B-Tree
B-Tree是一種多路二叉樹,所具有的特點:1 葉節點具有相同的深度,葉節點的指標為空;2 所有索引元素不重複;3 節點中的資料索引從左到右遞增排列。

B+Tree
B+Tree是B-Tree的變種,所具有的特點:1 非葉子節點不儲存data,只儲存索引(冗餘),可以放更多的索引;2 葉子節點包含所有索引欄位;3 葉子節點用指標連線,提高區間訪問的效能。

與紅黑樹相比,B-Tree和B+Tree兩種資料結構都更加矮胖,儲存相同數量級的索引資料時,層級更低。

B-Tree和B+Tree之間一個很大的不同,是B+Tree的節點上不儲存value,只儲存key,而葉子節點上儲存了所有key-value集合,並且節點之間都是有序的。這樣的好處是每一次磁碟IO能夠讀取的節點更多,也就是樹的度(Max.Degree)可以設定的更大一些,因為每次磁碟IO讀取的磁碟頁數是一定的。例如,每次磁碟IO能夠讀取1頁=4kb,那麼省去value的情況下同樣一頁資料能夠讀取更多的key,這樣就大大減少了磁碟的IO次數。

此外,B+Tree也是排好序的資料結構,資料庫中><或者order by等都可以直接依賴這一特性。

MySQL中對於索引使用的主要資料結構也是B+Tree,目的也是在讀取資料時能夠減少磁碟IO。

3 千萬級資料如何用B+樹索引快速查詢

MySQL 官方對非葉子節點(如最上層 h = 1的節點,B+Tree高度為3) 的大小是有限制的,最大的大小是16K,可以透過以下SQL語句查詢到,當然這個值是可以調的,既然官方給出這個閾值說明再大的話會影響磁碟IO效率。

從執行結果,可以看到大小為 16384,即 16K大小。

假如:B+Tree的表都存滿了。主鍵索引的型別為BigInt,大小為8B,指標儲存了下個節點的檔案地址,大小為6B。最後一層,假如 存放的資料data為1K 大小,那麼

  1. 第一層最大節點數為: 16k / (8B + 6B) ≈ 1170 (個);
  2. 第二層最大節點數也應為:1170個;
  3. 第三層最大節點數為:16K / 1K = 16 (個)。

則,一張B+Tree的表最多存放 1170_1170_16 ≈ 2千萬。

所以,透過分析,我們可以得出,B+Tree結構的表可以容納千萬資料量的查詢。而且一般來說,MySQL會把 B+Tree 根節點放在記憶體中,那隻需要兩次磁碟IO就行。

4 儲存引擎索引實現

MySQL中索引儲存在哪裡呢?和資料一樣,索引以檔案形式儲存在硬碟上。
在MyISAM儲存引擎中,資料和索引檔案試試分開儲存的,資料存在.MYD結尾的檔案中,索引單獨存在.MYI結尾的檔案中。

在InnoDB中,資料和索引檔案是合起來儲存的,注意下圖中沒有了.MYI結尾的檔案,只有一個.ibd結尾的檔案。

MyISAM索引檔案和資料檔案是分離的(非聚集),並且主鍵索引和輔助索引(二級索引)的儲存方式是一樣的。

InnoDB中索引檔案和資料檔案是同一個檔案(聚集),並且主鍵索引和二級索引儲存方式有所不同,如圖所示,二級索引的葉子節點不儲存資料,僅儲存主鍵ID。

這裡思考幾個問題:

  • 為什麼建議InnoDB表必須建主鍵,並且推薦使用整型的自增主鍵?
  • 為什麼非主鍵索引結構葉子節點儲存的是主鍵值?

如果我們在建立表時不設定主鍵,InnoDB會自動幫我們從第一列開始篩選一列資料不重複的列做為主鍵,如果找不到這樣的列,就會建立一個隱藏的列(rowid)做為主鍵,這會增加很多MySQL的工作,所以建議我們在建立InnoDB表時一定要設定主鍵。

整型的欄位做為主鍵,一方面在資料比較時不需要進行轉換,另一方面儲存也比較節省空間。那為什麼要強調主鍵自增呢?如果主鍵id是無序的,那麼很有可能新插入的值會導致當前節點分裂,此時MySQL不得不為了將新記錄插到合適位置而移動資料,甚至目標頁面可能已經被回寫到磁碟上而從快取中清掉,此時又要從磁碟上讀回來,這增加了很多開銷,同時頻繁的移動、分頁操作造成了大量的碎片,得到了不夠緊湊的索引結構,後續不得不透過OPTIMIZE TABLE來重建表並最佳化填充頁面。反之,如果每次插入有序,那就會在當前頁後面連續寫入,寫不下就會重新分配一個節點,記憶體都是連續的,這樣效率自然也就最高了。

非主鍵索引的葉子節點儲存主鍵值而非全部資料,主要也是為了一致性和節省空間。如果二級索引儲存的也是資料,那麼每次插入MySQL都不得不更新每棵索引樹,這樣就加劇了新增編輯時的效能損耗,並且這樣一來空間利用率也不高,必然產生了大量冗餘資料。

5 聯合索引底層資料結構又是怎樣的

聯合索引又叫複合索引,例如下表:

CREATE TABLE `test` (
`id` bigint NOT NULL AUTO_INCREMENT,
`name` varchar(24) NOT NULL,
`age` int NOT NULL,
`position` varchar(32) NOT NULL,
`address` varchar(128) NOT NULL,
`birthday` date NOT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

如下索引就是一個聯合索引。

`idx_name_age_position` (`name`,`age`,`position`) USING BTREE

聯合索引底層資料結構長什麼樣?

比較相等時,先比較第一列的值,如果相等,再繼續比較第二列,以此類推。

瞭解了聯合索引的儲存結構,我們就知道了索引最左字首最佳化原則是怎麼回事了,在使用聯合索引時,對於索引列的定義順序將會影響到最終查詢時索引的使用情況。例如聯合索引(name,age,position),MySQL會從最左邊的列優先匹配,如果最左邊的帶頭大哥name沒有使用到,在未使用覆蓋索引的情況下,就只能全表掃描。

聯合底層資料結構思考:MySQL會優先以聯合索引第一列匹配,此後才會匹配下一列,如果不指定第一列匹配的值,也就無法得知下一步查詢哪個節點。

6 總結

索引本質上是一種排好序的資料結構,瞭解了MySQL索引的底層資料結構及儲存原理,可以幫助我們更好地進行SQL最佳化。其實資料庫索引調優是一項技術活,不能僅僅靠理論,因為實際情況千變萬化,而且MySQL本身存在很複雜的機制,如查詢最佳化策略和各種引擎的實現差異等都會使情況變得更加複雜。但同時這些理論是索引調優的基礎,只有在明白理論的基礎上,才能對調優策略進行合理推斷並瞭解其背後的機制,然後結合實踐中不斷的實驗和摸索,從而真正達到高效使用MySQL索引的目的。

最後,如果大家想再溫習一下資料結構的知識,這個資料結構網站(https://www.cs.usfca.edu/~galles/visualization/Algorithms.html)不可錯過,可以很好地幫助我們演示資料結構的儲存過程。

作者:京東物流 於朔

相關文章