索引和事务应用在比较复杂的场景和比较庞大的数据量
一、索引索引是一种特殊的文件,包含数据库中所有记录的引用,类似于数组的引用下标,通过这个下标就能拿到数组中的数据。和数组中下标一样,通过下标寻找数组数据很快的,通过索引去查找数据库中的数据也是很快的。
M有SQL数据库是插件式的设计。每种索引再不同的存储引擎中的实现都有可能不同
存储引擎:就是MySQL到底如何对书记进行增删查改的不同实现方案。
MySQL5.5之后默认的存储引擎是 InnoDB,支持事务,但是性能不如之前的MyISAM
要考虑对数据库表的某列或某几列创建索引,需要考虑以下几点: a数据量较大,且经常对这些列进行条件查询。 b该数据库表的插入操作,及对这些列的修改操作频率较低。 c索引会占用额外的磁盘空间。 满足以上条件时,考虑对表中的这些字段创建索引,以提高查询效率。 反之,如果非条件查询列,或经常做插入、修改操作,或磁盘空间不足时,不考虑创建索引。
提问:为什么需要索引?
为了提高查询数据的效率,但是会拖慢增、删、改的效率。
创建索引也许有时间和空间的开销。
索引和书的目录作用是一样的,根据书本的目录去查找特定的内容,要远比胡乱翻找快得多。
explain + sql语句 :
MySQL的引擎分析这个sql语句可能会用到的索引等信息,包含扫描的行数。
创建索引 (普通索引)
create index + 索引名 + on (属性名);
还有一类是主键 也是索引:主键约束(PRIMARY KEY)、唯一约束(UNIQUE)、外键约束(FOREIGN KEY)。
创建索引之后
删除索引
drop index 索引名 on 表名;
查看索引
show index from 表名;
索引背后的数据结构
高效的查找数据的数据结构有:RBTree(红黑树) 和 哈希表
RBTree:查找的时间复杂度为logN,当数据量非常大时,由于二叉树每个节点最多有两个子树,RBTree的高度就会很高,数据库的数据都在磁盘上存储,每当访问一个二叉树的节点都得读写一次磁盘,这样就会非常慢。当一个程序有大量的磁盘读写操作、文件IO,这个程序就会非常的低效。
哈希表 :理论上的O(1)找到数据,常数时间。但是哈希表是 查找数据是否等于指定数据,区间查找就不行了,比如说MySQL的 between ...and... 哈希表无法处理范围查询操作。
B-树的特点1.每个树节点上都有多个值
2.每个节点上的(分叉树)子树的个数,就是当前节点值的个数+1
3.保证子树中的节点值—定要处在父节点的范围之内
注意:B树中的每个值都是一个复合值 。以一个学生表为例 Student(id,name,class_id)
以id为索引创建索引,树中不光要保存id,还要存储其他的学生信息。
聚簇索引(主键索引,一个表只有-个聚簇索引):构建索引树上的每个节点,除了要保存索引列的信息,还需要保存这条记录的完整内容。查询速度快,但是一个表只有一个聚簇索引,保存的信息多,占用空间大。
非聚簇索引(二级索引)(普通索引,唯-索引, index创建的都是非聚簇索引,一张表可以有多个非聚簇索引) :索引树上的每个节点,除了保存索引列的信息之外,还需要保存该记录的行号(对应的主键id)。查询速度慢(只能找到主键信息,需要回表查询)一个表可以有多个非聚簇索引,保存信息少,占用空间小。
B+树的特点
1.B+树中,子节点中存在的最大值(最小值)是在父节点中出现过的值 =》这样做的目的就是最底层的叶子节点包含了整个数据的全集!!
2.B +树中,最底层的叶子节点使用链表连接 =》更高效率的区间查找
3.对于B+树来说,所有的数据都存储在叶子节点中,非叶子节点只需要保存索引列的辅助信息(索引列的值) 非叶子节点占用的空间小,可以直接放在内存中,减少磁盘IO。
注意: 以一个学生表为例 Student(id,name,class_id),非叶子节点中保存了id,而其他的学生信息保存叶子节点中。
B树家族是一个严格的平衡树,左右子树高度差为0,高度完全相同。这是前提。



