【MySQL 保姆级教学】深层理解索引及其特性（重点）--上（11）

MySQL与磁盘

1. MySQL和内存、磁盘的联系

我们所有的MySQL数据操作（增删查改），全部是在MySQL的内存中进行的。MySQL在启动的时候会预先开辟一大块内存空间，在合适的时候把我们对数据的操作体现在内存级，MySQL定期的把数据刷新到外设（磁盘）做持久化。

mysql的服务器本质是在内存中的，所有的数据库的CURD操作全部是在内存中进行的，索引也是如此。

提高算法效率的因素：1.组织数据的方式，2.算法本身

索引是特定的数据结构组织的结构

2. 认识磁盘

2.1 MySQL与存储

MySQL与存储
MySQL 给用户提供存储服务，存储的都是数据，而数据在磁盘这个外设当中。磁盘是计算机中的一个机
械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提高效率，是MySQL 的一个重要话题。

2.2 磁盘结构

磁盘中的一个盘片：

2.3 扇区

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。

不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不讨论。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文
件系统，如：proc ，sys 之类，我们不讨论)

数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的扇区。

怎么查看数据库文件呢？
展示：

/var/lib/mysql

目录：
用于存储 MySQL 数据库的数据文件，包括表数据、索引、日志文件等。
这个目录是 MySQL 数据库的核心存储位置

查看MySQL数据库中的文件：

# 进入目录
cd /var/lib/mysql

# 查看目录中的文件ls

创建一个数据库，再创建一个表，然后子再插入数据：

createdatabase test_database;use test_database;createtable t1 (id int, name varchar(10));insertinto t1 values(1,'李明'),(2,'李白');

查看创建的文件在linux中的位置：

# 进入目录
cd /var/lib/mysql

# 查看目录中的文件ls

显然，多了一个目录–我们刚才创建的数据库。

进入该数据库并查看文件：
命令：

cd test_database;

查看：

ls

显然，我们可以看到创建的表。

db.opt

这个文件包含了数据库的一些选项和参数，例如字符集编码、排序规则等。它是 MySQL 创建数据库时自动生成的一个文本文件。

t1.frm

这个文件是表定义文件，包含了表的结构信息，如字段名称、类型、长度、是否允许为空等。frm 文件是 MySQL 表的元数据文件，用于描述表的结构。

t1.ibd

这个文件是表数据文件，包含了表的实际数据和索引。ibd 文件是 InnoDB 存储引擎特有的数据文件格式，用于存储表的数据和索引信息。

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

2.4 定位扇区

• 柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面
• 每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的
• 只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做CHS，不过实际使用的并不是CHS（但是硬件是），而是LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将LBA地址最后会转化成为CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？

答：不是

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化。

从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多
次磁盘访问，会带来效率的降低。

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是
数据块。

故，系统读取磁盘，是以块为单位的，基本单位是4KB 。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

• 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。
• 连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。
• 因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。
• 磁盘是通过机械运动进行寻址的，连续访问不需要过多的定位，故效率比较高。

为什么是4kb呢？

内存被分为多个4kb大小的块，为了让磁盘数据和内存数据进行更好的I/O交互。

也考虑到 I/O 效率和解耦，磁盘需要被操作系统访问，4kb的大小是一种取舍，采用局部性原理来提高整机的效率

3. MySQL与磁盘交互基本单位

而MySQL作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高
基本的IO效率，MySQL 进行IO的基本单位是16KB (后面统一使用InnoDB 存储引擎讲解)

查询MySQL进行IO的基本单位：

# 命令：showglobalstatuslike 'innodb_page_size;

16389的单位是字节，1638/1024 = 16 KB

也就是说，磁盘这个硬件设备的基本单位是512 字节，而MySQL

innodb引擎

使用16KB进行交互，即MySQL 和磁盘进行数据交互的基本单位是16KB 。这个基本数据单元，在MySQL 这里叫做page（注意和系统的page区分）

从逻辑上看，MySQL好像和磁盘之间是16KB进行交互，但是MySQL是不能直接与磁盘进行交互的，能与磁盘进行交互的只有操作系统。实际上在操作系统中有文件缓冲区，mysql对操作系统进行16kb的交互，操作系统对磁盘进行4*4kb的交互。

4. 建立共识

• MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
• MySQL 的CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数 据。
• 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。
• 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新 策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位 就是Page。
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为Buffer Pool的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。
• 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数。

5. 索引的理解

5.1 建立一个表并查询

建立一个表（设置主键索引）：

createtableuser( 
id intprimarykey,     
age intnotnull,
name varchar(16)notnull);

我的默认使用 innodb存储引擎

**插入数据，

id

的顺序随机**：

insertintouser(id, age, name)values(3,18,'杨过');insertintouser(id, age, name)values(4,16,'小龙女');insertintouser(id, age, name)values(2,26,'黄蓉');insertintouser(id, age, name)values(5,36,'郭靖');insertintouser(id, age, name)values(1,56,'欧阳锋');

查询数据：
命令：

select * from user;

没有使用排序命令，为什么查询结果是排序的呢？

下面慢慢解释。

5.2 为何 I/O 交互要是Page

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢?用多少，加载多少不香吗?
如上面的5条记录，如果MySQL要查找

id=2

的记录，第一次加载

id=1

，第二次加载

id=2

，一次一条记录，那么就需要2次IO。如果要找

id=5

，那么就需要5次IO。

但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找

id=2

的时
候，整个Page会被加载到MySQL的

Buffer Pool

中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。

怎么保证，用户一定下次找的数据，就在这个Page里面？我们不能严格保证，但是有很大概率，因为有局部性原理。往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

理解的单个Page
MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要先描述，再组织，我们目前可以简单的理解成一个个独立文件是有一个或者多个Page构成的，每个Page像链表一样链接起来。

不同的

Page

，在MySQL 中，都是

16KB

，使用因为有主键的问题，

prev

和

next

构成双向链表MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？

插入数据时排序的目的，就是优化查询的效率。

页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。

正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一
整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页
模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条
比较来取出特定的数据。
如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起
来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这
效率也太低了。

那么，怎么提高查询的效率呢？

页目录

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法：

1. 从头逐页的向后翻，直到找到目标内容
2. 通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位本质上，书中的目录，是多花了纸张的，但是却提高了效率所以，目录，是一种“空间换时间的做法”

单页情况

针对上面的单页Page，我们能否也引入目录呢？

当然可以

那么当前，在一个Page内部，我们引入了目录。比如，我们要查找id=4

记录，之前必须线性遍历4次， 才能拿到结果。现在直接通过目录

2[3]`，直接进行定位新的起始位置，提高了效率。

现在我们可以再次正式回答上面的问题了，为何通过键值MySQL 会自动排序？

可以很方便引入目录

多页情况

MySQL 中每一页的大小只有16KB ，单个Page大小固定，所以随着数据量不断增大，16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下，MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会
在新Page上面，这里仅仅做演示。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问
题，在Page之间，也是需要MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。

• 使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
• 和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
• 其中，每个目录项的构成是：键值+指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可
通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？

不用担心，可以在加目录页

在查询的时候从最上面的Page开始，一个接一个的找到目录页。

从结构就可以看出，这就是B+树啊！没错，至此，我们已经给我们的表user构建完了主键索引。随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

复盘一下
Page分为目录页和数据页。目录页只放各个下级Page的最小键值。查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了IO次数

InnoDB
在建立索引结构来管理数据的时候，其他数据结构为何不行？

• 链表？线性遍历？前文已经解释过，效率太慢。
• 二叉搜索树？退化问题，可能退化成为线性结构。
• AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶B+，意味着树整体过高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的IO Page交互。虽然你很秀，但是有更秀的。
• Hash？ 官方的索引实现方式中，MySQL 是支持HASH的，不过InnoDB 和MyISAM 并不支持.Hash跟进其算法特征，决定了虽然有时候也很快(O(1))，不过，在面对范围查找就明显不行，另外还有其他差别，有兴趣可以查一下。

6. B+树 Vs B 树数

6.1 不同存储引擎支持的索引结构类型

数据结构演示链接：点击进入 里面有各种数据结构的结构。

6.2 B+树 Vs B树

B树？最值得比较的是InnoDB 为何不用B树作为底层索引？

B树

B+树

目前这两棵树，对我们最有意义的区别是：

• B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和Page指针
• B+叶子节点，全部相连，而B没有

为何选择B+

节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。叶子节点相连，更便于进行范围查找。

7. 聚簇索引 Vs 非聚簇索引

7.1 MyISAM Vs InnoDB

MyISAM 存储引擎—主键索引

MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为表的主索引，Col1 为主键。

其中，MyISAM 最大的特点是，将索引Page和数据Page分离，也就是==叶子节点没有数据，只有对应数据的地址。相较于InnoDB 索引，InnoDB 是将索引和数据放在一起的。

MySAM存储引擎演示：

MySQL：

--创建数据库createdatabase myisam_test;use myisam_test;createtable mtest(
id intprimarykey,
name varchar(11)notnull)engine=MyISAM;--使用engine=MyISAM

Linux：

# 命令：ls/var/lib/mysql/myisam_test/-al

MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

Innodb存储引擎演示：

MySQL：

--创建数据库createdatabase Innodb_test;use Innodb_test;createtable Itest(
id intprimarykey,
name varchar(11)notnull)engine=Innodb;--使用engine=Innodb

Linux：

# 命令：ls/var/lib/mysql/Innodb_test/-al

InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引

MySQL除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。
对于M yISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。
下图就是基于MyISAM 的Col2 建立的索引，和主键索引没有差别

同样，InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的
Col3 建立对应的辅助索引，如下图：

可以看到，InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。
所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询

为何InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？
答：太浪费空间了。目录Page就全部存放目录，这样才是最大的优化。

7.2 总结

InnoDB 主键索引和普通索引
答：

• 主键索引在 InnoDB 中是聚簇索引，这意味着数据行的物理存储顺序与主键的顺序一致。如果没有显式定义主键，InnoDB 会选择第一个非空的唯一索引作为聚簇索引。如果没有合适的唯一索引，InnoDB 会建一个隐藏的聚簇索引。
• 辅助索引的叶子节点存储的是主键值，而不是数据行的物理地址。 通过辅助索引查找数据时，首先找到主键值，然后通过主键值在聚簇索引中找到数据行。

MyISAM 主键索引和普通索引
答：

• 主键索引和普通索引在 MyISAM 中都是非聚簇索引，这意味着索引的叶子节点存储的是数据行的物理地址。主键索引和普通索引在结构上没有区别，只是主键索引是唯一的。
• 普通索引的叶子节点存储的是数据行的物理地址。通过索引查找数据时，直接根据物理地址访问数据行。

其他数据结构为何不能作为索引结构，尤其是B+和B
B+ 树的优势

• 高效的范围查询: B+ 树的叶子节点是链表形式连接的，这使得范围查询非常高效。 在进行范围查询时，可以从一个叶子节点开始，沿着链表快速遍历多个节点。
• 较高的扇出（Fan-out）: B+ 树的每个节点可以容纳更多的键值，因此树的高度较低，减少了磁盘 I/O 次数。 较低的树高度意味着更快的查询速度。
• 稳定的性能: B+ 树的插入和删除操作复杂度为 O(log n)，性能稳定。 插入和删除操作不会导致树的高度变化，保持了查询性能的稳定性。