MySQL索引类型及原理？一文读懂

电玩女神 2024-03-26 13:28 66阅读 0赞

## 一、什么是MySQL索引？ ##

MySQL索引是一种数据结构，用于提高数据库查询的性能。它类似于一本书的目录，通过在表中存储指向数据行的引用，使得查询数据的速度更快。

在MySQL中，索引通常是在表上定义的，它们可以是单个列或多个列的组合。索引可以是唯一的，也可以允许重复值。

![925744176eb141afb5c6fd66a090cfa0.png][]

## 二、不同类型的MySQL索引 ##

MySQL支持多种类型的索引，包括：

*  **B-Tree索引**

B-Tree索引是MySQL中最常用的索引类型。它使用一种树形结构，将数据按照排序方式组织在节点中。每个节点可以包含多个键和指向其他节点的指针。通过在节点之间移动，可以快速定位数据。

B-Tree索引适用于所有类型的查询，包括精确匹配和范围查询。它还支持排序和分组操作。MySQL使用B-Tree索引来实现主键索引、唯一索引和普通索引。

*  **Hash索引**

Hash索引使用哈希表来存储数据。哈希表是一种无序数据结构，其中每个键都对应一个唯一的值。当查询时，MySQL使用哈希函数来计算键的哈希值，并使用该值快速定位数据。

Hash索引仅适用于精确匹配查询，例如等于或不等于操作。它不支持范围查询、排序或分组操作。MySQL使用Hash索引来实现内存表索引。

*  **Full-text索引**

Full-text索引用于对文本列进行全文搜索。它使用一种称为倒排索引的数据结构，将每个单词映射到包含该单词的行。查询时，MySQL使用倒排索引快速找到包含查询词的行。

Full-text索引支持文本搜索和排序。MySQL使用Full-text索引来实现全文索引。

*  **R-Tree索引**

R-Tree索引用于空间数据类型，例如点、线和多边形。它使用一种类似于B-Tree的结构，将空间对象组织在节点中。每个节点可以包含多个空间对象和指向其他节点的指针。通过在节点之间移动，可以快速定位空间对象。

R-Tree索引适用于空间查询，例如查找包含点的多边形或查找在给定距离内的空间对象。MySQL使用R-Tree索引来实现空间索引。

## 三、MySQL索引实现原理 ##

MySQL使用多种算法来实现不同类型的索引。在下面的部分中，我将介绍MySQL使用的常见算法。

*  **B-Tree索引实现原理**

B-Tree索引使用一种平衡树的数据结构，每个节点包含多个键和指向其他节点的指针。根据节点的层数，B-Tree索引可以是平衡的或不平衡的。

MySQL使用InnoDB存储引擎来实现B-Tree索引。当创建一个InnoDB表时，MySQL会自动在主键上创建一个B-Tree索引。如果定义了其他索引，MySQL将创建相应的B-Tree索引。

![4891fa3103f040fe8328231d0160def5.png][]

B-Tree索引的实现原理如下：

**（1）节点结构**

InnoDB的B-Tree索引节点包含多个数据页，每个数据页包含多个键值对。在索引节点中，键被存储为固定长度的二进制字符串，指针指向其他节点或数据页。

**（2）数据页结构**

InnoDB的数据页包含多个记录，每个记录包含一个键和一个指向对应数据行的引用。

**（3）页分裂和页合并**

当一个数据页已满时，InnoDB将执行页分裂操作。在页分裂操作中，InnoDB将数据页中一半的记录移到新的数据页中，并将新数据页的地址插入到父节点中。

当一个数据页的记录数量低于一定阈值时，InnoDB将执行页合并操作。在页合并操作中，InnoDB将两个相邻的数据页合并为一个数据页，并将父节点中相应的指针删除。

**（4）索引维护**

当插入、更新或删除一行时，InnoDB需要更新B-Tree索引。如果插入的行是按照主键顺序插入的，则不需要重新平衡B-Tree索引。否则，InnoDB将执行页分裂操作，以确保B-Tree索引保持平衡。

*  **Hash索引实现原理**

Hash索引使用哈希表来存储数据。当插入一行时，MySQL使用哈希函数计算键的哈希值，并将数据插入到相应的哈希桶中。当查询时，MySQL使用哈希函数计算查询键的哈希值，并在相应的哈希桶中查找数据。

MySQL使用Memory存储引擎来实现Hash索引。Memory存储引擎将表存储在内存中，并使用哈希表来存储数据。由于哈希表是无序的，Memory存储引擎不支持排序、分组或范围查询。

![58688481a4344893892d65cf68ba884e.png][]

Hash索引的实现原理如下：

**（1）哈希桶结构**

Memory存储引擎的哈希桶由一个哈希链表和一个自适应哈希索引组成。哈希链表用于解决哈希冲突，自适应哈希索引用于提高哈希查找的效率。

**（2）哈希函数**

Memory存储引擎使用一个32位的哈希函数来计算键的哈希值。哈希函数使用加法、位移和异或等运算符来计算哈希值。

**（3）哈希冲突解决**

当两个键的哈希值相同时，Memory存储引擎使用链表来解决哈希冲突。每个哈希桶包含一个链表，链表中的每个节点包含一个键和对应的数据行。当插入一行时，Memory存储引擎将新行插入到链表的头部。

**（4）哈希表扩容**

当哈希表中的哈希桶数量不足以容纳数据时，Memory存储引擎将执行哈希表扩容操作。在哈希表扩容操作中，Memory存储引擎创建一个新的哈希表，并将旧哈希表中的数据移动到新哈希表中。哈希表扩容操作会导致数据移动，因此会影响性能。

**（5）哈希索引**

Memory存储引擎的哈希索引用于提高哈希查找的效率。哈希索引由一个哈希表和一个索引表组成。哈希表用于存储数据，索引表用于记录每个哈希桶的起始位置和长度。当查询一行时，Memory存储引擎首先使用哈希函数计算查询键的哈希值，并在索引表中查找对应的哈希桶。然后，Memory存储引擎在哈希表中查找数据。

*  **Full-Text索引实现原理**

Full-Text索引使用倒排索引（Inverted Index）来实现全文搜索。倒排索引是一种将文档中的每个单词映射到包含该单词的文档的技术。

MySQL使用MyISAM存储引擎来实现Full-Text索引。MyISAM存储引擎使用倒排索引来存储Full-Text索引。Full-Text索引可以用于在文本列上执行全文搜索。

![12caa0f4ef2b43ef8eef00cd034c5580.png][]

Full-Text索引的实现原理如下：

**（1）分词器**

Full-Text索引使用一个分词器来将文本分成单词。MySQL使用一个基于单词的分词器，它将文本分成单词，然后将单词存储在倒排索引中。

**（2）倒排索引**

Full-Text索引使用倒排索引来实现全文搜索。倒排索引是一种将文档中的每个单词映射到包含该单词的文档的技术。在Full-Text索引中，倒排索引将单词映射到包含该单词的文档列表。

倒排索引使用一个多级索引结构来提高搜索效率。多级索引结构包括主索引和辅助索引。主索引包含所有单词及其对应的文档列表。辅助索引包含每个单词的位置和长度信息。

**（3）全文搜索**

Full-Text索引使用全文搜索来匹配查询条件。全文搜索支持布尔运算符、通配符、模糊搜索和相似度搜索等功能。全文搜索使用倒排索引来查找匹配的文档列表。

全文搜索的实现原理如下：

*  分词：将查询条件分成单词。
 *  过滤：过滤掉停用词和短词。
 *  计算权重：计算每个单词的权重。
 *  布尔运算：根据查询条件执行布尔运算。
 *  匹配文档：匹配包含所有查询单词的文档。
 *  排序：按照权重排序。
 *  返回结果：返回匹配的文档列表。

*  **B-Tree索引实现原理**

B-Tree索引是MySQL中最常用的索引类型之一。B-Tree索引使用B-Tree数据结构来实现索引。B-Tree索引支持等值查询、范围查询和排序操作。

B-Tree索引的实现原理如下：

**（1）B-Tree数据结构**

B-Tree是一种平衡树数据结构，它可以保证每个节点的高度相同，从而保证查询效率。B-Tree中的每个节点包含一个键和对应的数据行或子节点。B-Tree中的每个节点都有相同的大小。

B-Tree中的每个节点包含多个子节点和键。子节点指向下一级节点，键用于划分节点的范围。B-Tree中的每个节点包含两个关键参数：度数和填充因子。度数指节点最多可以包含的子节点数，填充因子指节点至少要填满的子节点数。

**（2）B-Tree索引结构**

B-Tree索引使用B-Tree数据结构来实现索引。B-Tree索引中的每个节点包含一个键和对应的数据行或子节点。B-Tree索引中的每个节点都有相同的大小。

B-Tree索引中的每个节点包含多个子节点和键。子节点指向下一级节点，键用于划分节点的范围。B-Tree索引中的每个节点包含两个关键参数：度数和填充因子。度数指节点最多可以包含的子节点数，填充因子指节点至少要填满的子节点数。

B-Tree索引使用分裂和合并操作来维护索引的平衡性。分裂操作在节点达到度数上限时触发，它将节点分成两个节点，并将中间键上移到父节点。合并操作在节点子节点数小于填充因子时触发，它将节点与兄弟节点合并，并将中间键下移到新节点。

**（3）B-Tree索引查询**

B-Tree索引支持等值查询、范围查询和排序操作。B-Tree索引使用二分查找算法来查找符合查询条件的节点，然后在节点中顺序查找符合查询条件的数据行。

B-Tree索引查询的过程如下：

*  从根节点开始，比较查询条件与节点中的键。
 *  如果查询条件等于节点中的键，则在节点中查找符合查询条件的数据行。
 *  如果查询条件小于节点中的键，则进入左子节点。
 *  如果查询条件大于节点中的键，则进入右子节点。
 *  重复以上步骤，直到找到符合查询条件的节点。

*  **Hash索引实现原理**

Hash索引是一种基于哈希表的索引类型，它使用哈希函数将数据行映射到哈希表中的位置。Hash索引支持等值查询，但不支持范围查询和排序操作。

Hash索引的实现原理如下：

**（1）哈希表**

哈希表是一种基于哈希函数的数据结构，它将数据映射到固定的位置。哈希表包含两个关键参数：哈希函数和桶。哈希函数用于将数据映射到桶中，桶用于存储数据。

哈希函数的设计很重要，它应该尽可能地将数据均匀地分布到桶中。如果哈希函数设计不好，会导致桶的大小不均匀，从而影响查询效率。

**（2）Hash索引结构**

Hash索引使用哈希表来实现索引。Hash索引中的每个桶包含一个键和对应的数据行。Hash索引中的每个桶都有相同的大小。

Hash索引使用哈希函数将数据行映射到桶中。如果多个数据行映射到同一个桶中，它们会被存储在一个链表中。Hash索引不支持范围查询和排序操作，因为它没有对数据行进行排序。

**（3）Hash索引查询**

Hash索引只支持等值查询，它使用哈希函数将查询条件映射到桶中，并在链表中查找符合查询条件的数据行。

Hash索引查询的过程如下：

*  将查询条件应用于哈希函数，得到查询条件对应的桶号。
 *  在桶中查找符合查询条件的数据行。
 *  如果多个数据行映射到同一个桶中，则在链合并操作来维护索引的平衡性。分裂操作在节点达到度数上限时触发，它将节点分成两个节点，并将中间键上移到父节点。合并操作在节点子节点数小于填充因子时触发，它将节点与兄弟节点合并，并将中间键下移到新节点。

[925744176eb141afb5c6fd66a090cfa0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4a76e4f250e74e4791330fa7ba5a8b36.png
[4891fa3103f040fe8328231d0160def5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/a4b5bc4cdefd40aeba6cbea5c2dae597.png
[58688481a4344893892d65cf68ba884e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b7b2ac9665f94601ac7e7b9797f4ddd2.png
[12caa0f4ef2b43ef8eef00cd034c5580.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/75507ac576f24360a1b8344e02532d25.png