前言
大家好,我是阿星。
本文就接上一篇文章【InnoDB原理篇:聊聊数据页变成索引这件事】来聊聊索引。
建议看完上篇文章再看本篇,食用效果最佳。
索引
假设给你一本非常厚的《Java编程思想》阅读,没有目录,你想快速找到某一个章节的知识点,那估计得找一会了,如果有目录就不一样。
索引其实就是为了提高数据查询的效率,就像书的目录一样,对于数据库的表而言,索引其实就是它的目录。
二叉搜索树
索引的实现种类繁多,比如常见的有序数组、哈希表、树等,不同的结构都有自己的适用场景和局限性,在数据库领域中,树结构是被广泛使用。
我们先从最基本的二叉搜索树说起。
二叉搜索树的特点是:父节点左子树所有结点的值小于父节点的值,右子树所有结点的值大于父节点的值,如下图所示:
如果要查id=4的数据,按照图中的搜索顺序是索引页A -> 索引页B -> 索引页D -> 数据页0,时间复杂度是O(log(N))。
也就是说,搜索速度与高度有关,树越高,性能越差,假设100万行的表,使用二叉树来存储,树高20,磁盘每次随机读一个数据块需要10ms左右,单独访问一个行可能需要20个10ms的时间,这个查询可真够慢的。
N叉搜索树
为了减少磁盘随机读IO,就必须控制好树的高度,那就不应该使用二叉树,而是使用N叉树,这里的N代表数据块的大小。
也就说,你一个索引页存储的数据越多,树会越矮,InnoDB中就使用了B+树来实现索引。
以InnoDB的整数字段建立索引为例。
一个页默认16kb,整数(bigint)字段的长度为8B,另外还跟着6B的指向其子树的指针,这意味着一个索引页可以存储接近1200条数据(16kb/14B ≈ 1170)。
如果这颗B+树高度为4,就可以存1200的3次方的值,差不多17亿条数据。
考虑到树根节点总是在内存中的,树的第二层很大概率也在内存中,所以一次搜索最多只需要访问2次磁盘IO。
可能小伙伴会有疑问,为什么树的根节点与树的第二层会在内存,第三层、第四层却没在?
道理很简单,看下数据大小就清楚了。
- 树的根节点就是16kb的索引页,内存完全可以放下,里面存储1200条索引目录
- 树的第二层总共是1200个索引页,1200 * 16KB = 20M内存依然放得下的
- 树的第三层1200 * 1200 = 144w页,144w * 16kB = 23G放内存就不合适了
- 树的第四层就是数据页了,属于完整数据了,更不可能全部加载进内存了
最后再感受下索引搜索的流程。
假设1亿数据量的表,根据主键id建立了B+树索引,现在搜索id=2699的数据,流程如下:
- 内存中直接获取树根索引页,对树根索引页内的目录进行二分查找,定位到第二层的索引页
- 内存中直接获取第二层的索引页,对索引页内的目录进行二分查找,定位到第三层的索引页
- 从磁盘加载第三层的索引页到内存中,对索引页内的目录进行二分查找,定位到第四层数据页
- 从磁盘加载第四层的数据页到内存中,数据页变成缓存页,对缓存页中的目录进行二分查找,定位到具体的行数据