概述

人類存儲信息的發(fā)展歷程大致經(jīng)歷如下：

由于是個人憑著自己理解總結(jié)的，因此可能不一定精確，但是毋庸置疑的是，在當(dāng)代，各大公司機(jī)構(gòu)部門的數(shù)據(jù)都是維護(hù)在數(shù)據(jù)庫當(dāng)中的。

數(shù)據(jù)庫作為數(shù)據(jù)存儲介質(zhì)發(fā)展的最新產(chǎn)物，必然是具有許多優(yōu)點的，其中一個很大的優(yōu)點就是存儲在數(shù)據(jù)庫中的數(shù)據(jù)訪問速度非常快。

數(shù)據(jù)庫訪問速度快的一個很重要的原因就在于索引index的作用。也就是這篇文章的主要想介紹的內(nèi)容，為什么索引可以讓數(shù)據(jù)庫查詢變快？

計算機(jī)存儲原理

在理解索引這個概念之前，我們需要先了解一下計算機(jī)存儲方面的基本知識。

我們知道數(shù)據(jù)持久化之后存在了數(shù)據(jù)庫里,那么我現(xiàn)在的問題是數(shù)據(jù)庫將數(shù)據(jù)存在了哪里？答案顯然是存在了計算機(jī)的存儲設(shè)備上。就個人電腦而言，數(shù)據(jù)被存在了我們的電腦存儲設(shè)備上。

計算機(jī)的存儲設(shè)備有很多種，其中速度越快的越貴，因此容量也往往越小例如我們的RAM隨機(jī)存儲器，也就是大家平時說的內(nèi)存條，速度慢的就相對便宜例如我們的硬盤。而我們的數(shù)據(jù)往往都是被存在最慢的存儲設(shè)備硬盤上的，因為存在當(dāng)中的數(shù)據(jù)在斷電之后依然存在。

計算機(jī)的存儲介質(zhì)有多種，例如硬盤，例如告訴緩存，不同的存儲介質(zhì)的數(shù)據(jù)讀取速度是不一樣的。例如，像RAM這樣的易失性存儲設(shè)備的讀寫操作就非?？欤L問其中的數(shù)據(jù)幾乎沒有延遲性。

由于這個原因，計算機(jī)操作系統(tǒng)的設(shè)計是這樣的：數(shù)據(jù)永遠(yuǎn)不會直接從硬盤等機(jī)械設(shè)備中取出，而是首先從硬盤轉(zhuǎn)移到更快的存儲設(shè)備，例如RAM，從RAM當(dāng)中應(yīng)用程序直接按需獲取數(shù)據(jù)。

計算機(jī)內(nèi)部的機(jī)械硬盤是下面這樣的：

在一個典型的硬盤驅(qū)動器中可以有很多個盤片，“盤片”在外觀上非常類似于一個光盤（但具有很高的存儲容量）。盤片又被磁道分條，同時一個盤片又可以分為扇區(qū)。

要獲取數(shù)據(jù)，“盤片”需要由主軸進(jìn)行旋轉(zhuǎn)。大多數(shù)硬盤供應(yīng)商都提到了主軸旋轉(zhuǎn)的速度，例如，7200轉(zhuǎn)/分和15000轉(zhuǎn)/分。磁盤中的數(shù)據(jù)總是以扇區(qū)的固定大小倍數(shù)表示。因此，如果要從硬盤訪問數(shù)據(jù)，需要執(zhí)行以下步驟，這也是性能開銷的主要來源。

• 確定數(shù)據(jù)所在的正確磁道，并將磁頭移動到該磁道。即通常說的尋道。
• 讓“主軸”旋轉(zhuǎn)盤片，使正確的扇區(qū)位于“磁盤頭”下方。
• 從扇區(qū)開始到扇區(qū)結(jié)束獲取整個數(shù)據(jù)。

如果數(shù)據(jù)恰好分布在連續(xù)扇區(qū)上，那么它將提高獲取數(shù)據(jù)的性能。因為主軸和磁頭本身不需要移動/旋轉(zhuǎn)，也就沒有太多開銷，但是大多數(shù)時候這種開銷是存在的。

由于存在這種開銷，我們不能直接從硬盤獲取數(shù)據(jù)。RAM的存儲器高性能的背后的主要原因是它沒有像硬盤那樣的機(jī)械運動部件。但是盡管RAM的性能很高，但它當(dāng)中的數(shù)據(jù)卻不會用作永久存儲，斷電之后就會消失，重新啟動之后就什么都沒有了，這是我們需要硬盤來進(jìn)行持久化的原因所在。數(shù)據(jù)庫中的數(shù)據(jù)毫無疑問就是存放在硬盤當(dāng)中的，因此訪問數(shù)據(jù)庫中的數(shù)據(jù)不可避免的會經(jīng)歷磁盤操作的開銷。

索引是如何工作的？

知道上述知識后，索引就更容易理解了。

舉個例子，想象一下，現(xiàn)在有一本500頁厚包含幾十萬字的字典，同時里面的字是無序排列的，現(xiàn)在我需要你從中找出某幾個字出來同時不允許查看目錄。毫無疑問，我們只能一頁一頁的翻，這是非人類能接受的工作，我們必然想的是先看目錄，找到相關(guān)的字或者偏旁，然后去對應(yīng)的地方查找文字，這樣效率就大大提高了。目錄事實上就是一種索引，其思想一脈相承。

數(shù)據(jù)庫的索引類似于書中的這個目錄。索引會幫助我們快速檢索數(shù)據(jù)庫，查詢不需要通過整個表來獲取數(shù)據(jù)，而是從索引中找到數(shù)據(jù)塊。以一張數(shù)據(jù)庫表為例：

上表是一張真實的數(shù)據(jù)庫表，其中每一行是一條記錄，每條記錄都有字段。假設(shè)上面的數(shù)據(jù)庫是一個有10萬條記錄的大數(shù)據(jù)庫?，F(xiàn)在，我們想從10萬條記錄中搜索一些內(nèi)容，那么挨著一個一個搜索無疑將花費很長的時間，這個時候我們在數(shù)據(jù)結(jié)構(gòu)與算法里學(xué)的二分查找法就派上了用場。

二分查找法

使用二分查找法，需要將數(shù)據(jù)先排序，但是其查詢效率將大大提高。

例子如下:

假設(shè)我們在上面的數(shù)據(jù)庫中使用的是固定長度的記錄,固定塊記錄大小為205個字節(jié)， 默認(rèn)塊大小是1024字節(jié)。則：

所以每個數(shù)據(jù)塊的記錄數(shù)=1024/204=5條記錄，10萬條記錄就是2萬個塊

不使用任何算法，我們要查詢100000條記錄中的某一條，，在最壞的情況下我們需要遍歷一遍2萬block才能獲得全部100000條記錄。但如果進(jìn)行二分查找，則只需要進(jìn)行20000的對數(shù)基數(shù)2，即14.287712次即可。這意味著我們只需對排序后的值進(jìn)行14次搜索，就可以使用二分查找到您感興趣的唯一值。

上圖是對一串?dāng)?shù)字生成的二叉查找樹。其時間復(fù)雜度為O(n)=O(log2N),即以2為底，n的對數(shù)。其中n為查找目標(biāo)群體的總數(shù)據(jù)量。

例如，假設(shè)N為8，則O(n) = O(2為底8的對數(shù)) = O(3).

遍歷方式，其時間復(fù)雜度為O(n)

在上述例子當(dāng)中，n就是10000。使用索引的時間復(fù)雜度為O(2為底10000的對數(shù)) 大約等于 13. 和O(10000)之間差大概800倍。

索引為何使得查詢變快？

這個時候我們就能直接回答上述問題了，建立了索引的數(shù)據(jù)，就是通過事先排好序，從而在查找時可以應(yīng)用二分查找來提高查詢效率。這也解釋了為什么索引應(yīng)當(dāng)盡可能的建立在主鍵這樣的字段上，因為主鍵必須是唯一的，根據(jù)這樣的字段生成的二叉查找樹的效率無疑是最高的。

為什么索引不能建立的太多？

如果一個表中所有字段的索引很大，也會導(dǎo)致性能下降。想象一下，如果一個索引和一個表一樣長，那么它將再次成為一個需要檢查的開銷。這就好比字典的目錄非常詳細(xì)，但是其長度已經(jīng)和所有的文字一樣長，這個時候目錄本身的效率就大大下降了。

索引有弊端嗎？

肯定是有的，索引可以提高查詢讀取性能，而它將降低寫入性能。當(dāng)有索引時，如果更改一條記錄，或者在數(shù)據(jù)庫中插入一條新的記錄，它將執(zhí)行兩個寫入操作（一個操作是寫入記錄本身，另一個操作是將更新索引）。因此，在定義索引時，必須牢記以下幾點：

• 索引表中的每個字段將降低寫入性能。
• 建議使用表中的唯一值為字段編制索引。
• 在關(guān)系數(shù)據(jù)庫中充當(dāng)外鍵的字段必須建立索引，因為它們有助于跨多個表進(jìn)行復(fù)雜查詢。
• 索引還使用磁盤空間，因此在選擇要索引的字段時要小心。

什么是聚集索引

聚集索引clustered index也叫聚簇索引，它的定義是：聚集索引的表中數(shù)據(jù)行的物理順序與列值（一般是主鍵的那一列）的邏輯順序相同，一個表中只能擁有一個聚集索引。

例如:

結(jié)合上面的表格就很好理解了：數(shù)據(jù)行的物理順序與列值的順序相同，如果我們查詢id比較靠后的數(shù)據(jù)，那么這行數(shù)據(jù)的地址在磁盤中的物理地址也會比較靠后。聚集索引存儲記錄是物理上連續(xù)存在，而非聚集索引是邏輯上的連續(xù)，物理存儲并不連續(xù)。

為什么查詢更快呢？我們通過上面的分析知道了索引是通過二叉樹的數(shù)據(jù)結(jié)構(gòu)來描述的，我們可以這么理解聚簇索引：索引的葉節(jié)點就是數(shù)據(jù)節(jié)點。而非聚簇索引的葉節(jié)點仍然是索引節(jié)點，只不過有一個指針指向?qū)?yīng)的數(shù)據(jù)塊。

主鍵一般會默認(rèn)創(chuàng)建聚集索引。

在創(chuàng)建聚集索引之前，應(yīng)先了解您的數(shù)據(jù)是如何被訪問的?？煽紤]將聚集索引用于：

包含大量非重復(fù)值的列。使用下列運算符返回一個范圍值的查詢：BETWEEN、>、>=、< 和 <=。被連續(xù)訪問的列。返回大型結(jié)果集的查詢。經(jīng)常被使用聯(lián)接或 GROUP BY 子句的查詢訪問的列；一般來說，這些是外鍵列。對 ORDER BY 或 GROUP BY 子句中指定的列進(jìn)行索引，可以使 SQL Server 不必對數(shù)據(jù)進(jìn)行排序，因為這些行已經(jīng)排序。這樣可以提高查詢性能。OLTP型的應(yīng)用程序，這些程序要求進(jìn)行非常快速的單行查找（一般通過主鍵）。應(yīng)在主鍵上創(chuàng)建聚集索引。聚集索引不適用于：

頻繁更改的列 這將導(dǎo)致整行移動，因為 SQL Server 必須按物理順序保留行中的數(shù)據(jù)值。這一點要特別注意，因為在大數(shù)據(jù)量事務(wù)處理系統(tǒng)中數(shù)據(jù)是易失的

索引失效的典型例子

條件中用or，即使其中有條件帶索引，也不會使用索引查詢，這就是查詢盡量不要用or的原因，用in吧。

常見的sql優(yōu)化手段有哪些

1.避免全表掃描

全表掃描往往發(fā)生在下面幾種情況:

• SQL的on子句或者where子句涉及到的列上沒有索引；
• 表數(shù)據(jù)量很小，走索引查詢比全表掃描更麻煩；這對于少于10行且行長度較短的表來說很常見

2.避免索引失效

不在索引列上做任何操作（計算，函數(shù)、自動or手動類型轉(zhuǎn)換），這樣會導(dǎo)致索引失效而轉(zhuǎn)向全表掃描。

存儲引擎不能使用索引中范圍條件右邊的列。這個是因為age中查詢時范圍查詢了，pos列的索引就沒有生效了。

盡量使用覆蓋索引（只訪問索引的查詢（索引列和查詢列一致）），減少select *。

對于MySQL而言：

• mysql在使用不等于（!=或者<>）的時候無法使用索引會導(dǎo)致全表掃描
• is null,is not null也無法使用索引
• like 通配符開頭'%abc..'，mysql索引會失效會變成全表掃描的操作

3.避免排序，不能避免，盡量選擇索引排序

4.避免查詢不必要的字段

5.避免臨時表的創(chuàng)建，刪除