《MySQL实战45讲》——学习笔记09 “普通索引和唯一索引、change buffer 和 redo log“

小咪咪 2023-09-24 10:56 43阅读 0赞

### 09 | 普通索引和唯一索引，应该怎么选择？ ###

#### 普通索引和唯一索引的查询过程 ####

先举个例子，假设你在维护一个市民系统，每个人都有一个唯一的身份证号，如果市民系统需要按照身份证号查姓名，就会执行类似这样的 SQL 语句：

select name from t_user where id_card = 'abcxyz';

现在考虑在 id\_card 字段上建索引：由于身份证号字段比较大，而每个二级索引的叶子节点会存放主键，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小；所以不建议把身份证号当做主键；

那么现在有两个选择：要么给id\_card字段创建唯一索引，要么创建一个普通索引；如果业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的；

简单起见，我们还是用前面的文章中的例子（主键ID，普通索引k）来说明，假设字段k上的值都不重复；如下图所示；

![6c1d56074ee545a1a1011d5217e29479.png][]

接下来，我们就从这两种索引对查询语句和更新语句的性能影响来进行分析；先分析下查询性能；

> **先说结论**：**查询性能上，普通二级索引与唯一索引的差距微乎其微**！

假设，执行查询的语句是 select id from T where k=5；

这个查询语句在索引树k上查找的过程：先从B+树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，然后在数据页内部通过二分法来定位记录；

（1）对于普通索引来说：查找到满足条件的第一个记录 (5,500) 后，**需要查找下一个记录**，**直到碰到第一个不满足 k=5 条件的记录**；  
（2）对于唯一索引来说：由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索；

由于B+数的特性，即叶子节点是有序的，因此"**直到碰到第一个不满足 k=5 条件的记录**"很快就能完成，只需接着第一条满足条件的记录**按序往后找**，直到找到不满足条件的记录即可；这相对于"找到第一个满足条件的记录后，就会停止继续检索"，多占用的查询性能几乎可以忽略不计；

#### **为什么"****普通二级索引与唯一索引的查询性能差距很小****"？** ####

InnoDB的数据是按数据页为单位来读写的，也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存；

（1）如果k=5的这条记录与"接下来第一条不满足k=5条件"的记录都在同一个数据页内，则对于普通索引来说，要多做的一次“查找和判断下一条记录”的操作，就只需要在内存中完成一次指针寻找和一次计算，几乎不耗费性能；

（2）如果k=5的这条记录与"接下来第一条不满足k=5条件"的记录不在同一个数据页内，如k=5这个记录刚好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些，多了一次IO操作，即会多一次从磁盘读取一个数据页到内存的过程；

但是，对于整型字段，一个数据页（InnoDB中每个数据页的大小默认是16KB）可以放近千个key，因此出现这种情况的概率会很低；所以，我们计算平均性能差异时，仍可以认为这个操作成本对于现在的CPU来说可以忽略不计

#### change buffer的机制？ ####

> 先介绍**change buffer的机制**：当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，**在不影响数据一致性的前提下，InnoDB会将这些更新操作缓存在change buffer中，这样就不需要立即从磁盘中读入这个数据页了**；在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作；通过这种方式就能保证这个数据逻辑的正确性；

需要说明的是，虽然名字叫作change buffer，实际上它是可以持久化的数据；也就是说，**change buffer在内存中有拷贝，也会被写入到磁盘上**；

> 将change buffer中的操作应用到原数据页，得到最新结果的过程称为merge；注意：这里说的是merge，而不包含刷磁盘（刷脏页）；

**触发merge的场景**：（1）除了访问这个数据页会触发merge外，（2）系统有后台线程会定期merge；（3）在数据库正常关闭（shutdown）的过程中，也会执行merge操作；

**change buffer带来的好处**很明显：（1）如果能够将更新操作先记录在change buffer，**减少读磁盘，语句的执行速度会得到明显的提升**；而且，（2）数据读入内存是需要占用buffer pool的，所以这种方式还能够**避免占用内存，提高内存利用率**；

#### 只有普通索引可以使用change buffer？ ####

**对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束，也就是先查再校验，校验完成后再写；先查意味着数据要先将数据页从磁盘读入内存；**比如，要插入(4,400)这个记录，就要先判断现在表中是否已经存在k=4的记录，而这必须要将数据页读入内存才能判断；

如果都已经读入到内存了，那直接更新内存会更快，就没必要使用change buffer了；**因此，唯一索引的更新就不能使用change buffer，实际上也只有普通索引可以使用；**

change buffer用的是buffer pool里的内存，因此不能无限增大；change buffer的大小，可以通过参数innodb\_change\_buffer\_max\_size来动态设置；这个参数设置为50的时候，表示changebuffer的大小最多只能占用buffer pool的50%；

#### 普通索引和唯一索引的更新过程 ####

基于上面的change buffer的机制，来分析下在上文中的表中插入一个新记录(4,400)，InnoDB的处理流程是怎样的；

![5242ac1db086498da02b6d721dfd393c.png][]

（1）第一种情况是，这个记录要更新的目标页在内存中；这时，InnoDB的处理流程如下：

对于唯一索引来说，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束；  
对于普通索引来说，找到3和5之间的位置，插入这个值，语句执行结束；

这样看来，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的CPU时间；

（2）第二种情况是，这个记录要更新的目标页不在内存中；这时，InnoDB的处理流程如下：

**对于唯一索引来说，需要将数据页读入内存，判断到没有冲突**，插入这个值，语句执行结束；  
**对于普通索引来说，则是将更新记录在change buffer**，语句执行就结束了；

> **将数据从磁盘读入内存涉及随机IO的访问，是数据库里面成本最高的操作之一；change buffer因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的；**

对于更新/插入频繁的表来说，当你把某个普通索引改成了唯一索引，这个表的内存命中率可能会大幅下降，从而更新性能下降；

#### change buffer 的适用场景 ####

通过上面的分析可知，change buffer只限于用在普通索引的场景下，而不适用于唯一索引；但是，**不是普通索引的所有场景下，使用change buffer都可以起到加速作用**；

因为merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录的变更动作缓存下来，所以**在一个数据页做merge之前，change buffer记录的变更越多，收益就越大**；

**因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时change buffer的使用效果最好；这种业务模型常见的就是账单类、日志类的系统；**

反过来，假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在change buffer，但之后由于马上要访问这个数据页，会立即触发merge过程；这样随机访问IO的次数不会减少，反而增加了change buffer的维护代价；

#### 普通索引和唯一索引该如何选择？ ####

其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响；所以，在可以业务上保证插入的数据不会触发唯一约束时，**建议你尽量选择普通索引**；

如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭change buffer，因为立即触发了merge，它缓存的更新操作没有起到作用，没有降低磁盘随机IO的频率；而在其他情况下，change buffer都能提升更新性能；

在实际使用中，普通索引和change buffer的配合使用，对于数据量大的表的更新优化还是很明显的；特别地，在使用机械硬盘时，change buffer这个机制的收效是非常显著的；

所以，当你有一个类似“历史数据”的库（频繁写，由于是归档数据因此很少读），并且出于成本考虑用的是机械硬盘时（机械硬盘的单次IO成本较大），那你应该特别关注这些表里的索引，尽量使用普通索引，然后把change buffer尽量开大，以确保这个“历史数据”表的数据写入速度；

#### change buffer 和 redo log的作用的区别？ ####

WAL提升性能的核心机制，也的确是尽量减少随机读写，redo log和change buffer这两个概念确实容易混淆；下面举个栗子说明下二者在执行更新语句时的作用和区别；

mysql> insert into t(id,k) values(id1,k1),(id2,k2);

假设当前k索引树的状态：查找到位置后，k1所在的数据页在内存(InnoDB buffer pool)中，k2所在的数据页不在内存中；下面是带change buffer的更新状态图；

![d5ab874d84d44f52a76bf46e5eb29012.png][]

这条更新语句做了如下的操作（按照图中的数字顺序）：

1. Page1在内存中，直接更新内存（图中的1）；  
2. Page2没有在内存中，就在内存的change buffer区域，记录下“我要往Page2插入一行”这个信息（图中的2）；  
3. 将上述两个动作记入redo log中（图中的3和4）；  
4. 图中的两个虚线箭头，是后台操作，数据落盘；

做完1-3，更新操作的事务就完成了；执行这条更新语句的成本很低，就是写了两处内存，然后写了一处磁盘（两次操作合在一起写了一次磁盘），而且还是顺序写的；图中的两个虚线箭头，是后台操作；

接下来执行一个查询操作：

select * from t where k in (k1, k2);

这里画了这两个读请求的流程图；条件：如果读语句发生在更新语句后不久，内存中的数据都还在，那么此时的这两个读操作就与系统表空间（ibdata1）和 redo log（ib\_log\_fileX）无关了；所以，图中就没画出这两部分，如下所示；

![c9283beb7bf244d28c5fe3b3bb1554c8.png][]

从图中可以看到：

1. 读Page1的时候，直接从内存返回；

可能存在疑问——WAL之后如果读数据，是不是一定要读盘，是不是一定要从redolog里面把数据更新以后才可以返回？其实是不用的；可以看一下上图，虽然(id1,k1)还未落盘，磁盘上还是之前的数据，但是这里读(id1,k1)时直接从内存返回结果，结果是正确的；

2. 要读Page2的时候，需要把Page2从磁盘读入内存中，然后应用changebuffer里面的操作日志，生成一个正确的版本并返回结果；可以看到，直到需要读Page2的时候，这个数据页才会被读入内存；

所以，如果要简单地对比这两个机制在提升更新性能上的收益的话，**redo log主要节省的是随机写磁盘的IO消耗（转成顺序写），而change buffer主要节省的则是随机读磁盘的IO消耗**；

解释一下，redo log 与 change buffer(含磁盘持久化) 这2个机制，不同之处在于——分别优化了整个变更流程的不同阶段； 先不考虑redo log、change buffer机制，简化抽象一个变更（insert、update、delete）流程：

步骤1：从磁盘读取待变更的行所在的数据页，读取至内存页中；  
步骤2：对内存页中的行，执行变更操作；  
步骤3：将变更后的数据页，写入至磁盘中；

步骤1涉及随机读磁盘IO；步骤3涉及随机写磁盘IO；

change buffer机制优化了步骤1——将更新命令存于change buffer而非更新前就将数据页刷入内存中，从而避免了随机读磁盘IO；

redo log机制优化了步骤3——将更新命令按序先落在redo log而非逐条立即落盘，避免了随机写磁盘IO，将随机写磁盘，优化为了顺序写磁盘（写redo log，确保crash-safe）；

关于作用的时机， change buffer机制不是一直会被应用到，仅当待操作的数据页当前不在内存中，需要先读磁盘加载数据页时，change buffer才有用武之地；而 redo log机制，为了保证crash-safe，一直都会用到；

#### 思考题 ####

问题（1）：如果某次写入使用了change buffer机制，之后主机异常重启，是否会丢失内存中的change buffer和数据？

**答案是不会丢失**；虽然是只更新内存，但是**在事务提交的时候，我们把change buffer的操作也记录到redo log里**了，所以崩溃恢复的时候，不仅可以对数据的变更恢复，内存中change buffer的变更也能恢复；

问题（2）：文中提到 "将 change buffer 中的操作应用到原数据页，得到最新结果的过程称为 merge"，那么merge的过程是否会把数据直接写回磁盘？

merge的执行流程是这样的：

1. 从磁盘读入数据页到内存（老版本的数据页）；  
2. 从change buffer里找出这个数据页的change buffer记录(可能有多个），依次应用，得到新版数据页；  
3. 写redo log；这个redo log包含了数据的变更和change buffer的变更，到这里merge过程就结束了；这时候，数据页和内存中change buffer对应的磁盘位置都还没有修改，属于脏页，之后各自刷回自己的物理数据，就是另外一个过程了；

**也就是merge只会走到"将change buffer记录因此应用得到最新的数据，并将更新记录到redo log"这一步，而不是马上刷入磁盘，落盘有专门的异步任务去做**；

下篇文章：待定

本章参考：[09 | 普通索引和唯一索引，应该怎么选择？-极客时间][09 _ _-]

[6c1d56074ee545a1a1011d5217e29479.png]: https://img-blog.csdnimg.cn/6c1d56074ee545a1a1011d5217e29479.png
[5242ac1db086498da02b6d721dfd393c.png]: https://img-blog.csdnimg.cn/5242ac1db086498da02b6d721dfd393c.png
[d5ab874d84d44f52a76bf46e5eb29012.png]: https://img-blog.csdnimg.cn/d5ab874d84d44f52a76bf46e5eb29012.png
[c9283beb7bf244d28c5fe3b3bb1554c8.png]: https://img-blog.csdnimg.cn/c9283beb7bf244d28c5fe3b3bb1554c8.png
[09 _ _-]: https://time.geekbang.org/column/article/70848