Mari kita bercakap tentang struktur indeks MySQL

Artikel ini membawa anda pengetahuan yang berkaitan tentang mysql takrifan rasmi MySQL ialah indeks (Indeks) ialah struktur data yang membantu MySQL memperoleh data dengan cekap struktur data. Mari kita lihat. Saya harap ia akan membantu semua orang.

Pembelajaran yang disyorkan: tutorial video mysql

Pengenalan

Selain data, sistem pangkalan data juga mengekalkan Struktur data yang memenuhi algoritma carian tertentu Struktur data ini merujuk (menunjukkan) data dalam beberapa cara supaya algoritma carian lanjutan boleh dilaksanakan pada struktur data ini. Struktur data ini ialah indeks.

Secara umumnya, indeks itu sendiri juga sangat besar dan tidak boleh disimpan sepenuhnya dalam ingatan, jadi indeks selalunya disimpan pada cakera dalam bentuk fail indeks.

Kelebihan:

1 Sama seperti membina indeks bibliografi di perpustakaan universiti, ia meningkatkan kecekapan pengambilan data dan mengurangkan kos IO pangkalan data.

2. Isih data melalui lajur indeks untuk mengurangkan kos pengisihan data dan mengurangkan penggunaan CPU.

Kelemahan:

1 Walaupun indeks sangat meningkatkan kelajuan pertanyaan, ia juga mengurangkan kelajuan mengemas kini jadual, seperti INSERT, UPDATE dan DELETE pada jadual. Kerana semasa mengemas kini jadual, MySQL bukan sahaja perlu menyimpan data, tetapi juga menyimpan fail indeks. Setiap kali medan yang menambah lajur indeks dikemas kini, maklumat indeks selepas perubahan nilai utama yang disebabkan oleh kemas kini akan dilaraskan.

2 Malah, indeks juga merupakan jadual yang menyimpan kunci utama dan medan indeks dan menunjuk ke rekod jadual entiti, jadi lajur indeks juga mengambil ruang

Contoh indeks: ( Gunakan struktur pokok sebagai indeks)

Sebelah kiri ialah jadual data, dengan jumlah dua lajur dan tujuh rekod yang paling kiri ialah alamat fizikal rekod data.

Untuk mempercepatkan carian Col2, anda boleh mengekalkan pepohon carian binari seperti yang ditunjukkan di sebelah kanan Setiap nod mengandungi nilai kunci indeks dan penunjuk ke alamat fizikal rekod data yang sepadan, supaya anda boleh menggunakan carian binari untuk mendapatkan data yang sepadan dalam kerumitan tertentu, dengan itu cepat mendapatkan semula rekod yang memenuhi syarat.

Struktur indeks (pokok)

Bagaimana untuk mempercepatkan kelajuan pertanyaan jadual pangkalan data melalui indeks? Untuk kemudahan penjelasan, kami mengehadkan jadual pangkalan data untuk hanya memasukkan dua keperluan pertanyaan berikut:

1 pilih* daripada pengguna di mana id=1234

2. pilih *daripada pengguna di mana id>1234 dan id

Mengapa menggunakan pokok dan bukannya jadual cincang

Ha Prestasi pertanyaan jadual Greek mengikut nilai adalah sangat baik, dan kerumitan masa ialah O(1), tetapi ia tidak dapat menyokong carian pantas data mengikut selang waktu, jadi ia tidak dapat memenuhi keperluan. Dengan cara yang sama, walaupun prestasi pertanyaan bagi pepohon carian binari seimbang adalah sangat tinggi, kerumitan masa adalah O(logn), dan traversal tertib pepohon boleh mengeluarkan urutan data yang tersusun, ia tidak dapat memenuhi keperluan untuk cepat mencari data mengikut selang .

Untuk menyokong carian pantas data mengikut selang waktu, kami mengubah pepohon carian binari dan merangkai nod daun pepohon carian perduaan dengan senarai terpaut Jika anda ingin mencari data dalam selang waktu tertentu, anda hanya perlu menggunakan selang Nilai permulaan dicari dalam pepohon Selepas mengesan nod dalam senarai terpaut tersusun, ia bermula dari nod ini dan merentasi sepanjang senarai terpaut tersusun sehingga nilai data nod dalam senarai terpaut tersusun lebih besar. daripada nilai akhir selang sehingga.

Dan kerana kerumitan masa banyak operasi pada pokok adalah berkadar dengan ketinggian pokok, mengurangkan ketinggian pokok boleh mengurangkan operasi cakera IO. Oleh itu, kami membina indeks menjadi pokok m-ary (m>2). Sila lihat artikel berikut untuk mendapatkan butiran.

Indeks BTree

Sebelum memperkenalkan B-tree, mari kita fahami B-tree dahulu.

1. Pengenalan Permulaan

B-tree, blok biru muda dipanggil blok cakera, anda boleh melihat setiap blok cakera Mengandungi beberapa item data (ditunjukkan dalam warna biru tua) dan penunjuk (ditunjukkan dalam warna kuning Sebagai contoh, blok cakera 1 mengandungi item data 17 dan 35, dan mengandungi penunjuk P1, P2, dan P3. P1 mewakili blok cakera kurang daripada 17, P2 mewakili blok cakera antara 17 dan 35, dan P3 mewakili blok cakera lebih daripada 35.

Nota:

Data sebenar hanya wujud dalam nod daun iaitu 3, 5, 9, 10, 13, 15, 28, 29, 36, 60, 75, 79, 90, 99 . (Dan ia adalah selang data yang terdiri daripada berbilang keping data: 3~5,...,90~99)

Nod bukan daun tidak menyimpan data sebenar, tetapi hanya menyimpan item data yang membimbing arah carian, seperti 17, 35 sebenarnya tidak wujud dalam helaian data.

2. Proses carian

Jika anda ingin mencari item data 29, anda akan memuatkan blok cakera 1 dari cakera ke memori Pada masa ini, IO berlaku Gunakan carian binari dalam memori untuk menentukan bahawa 29 adalah antara 17 dan 35 , dan kunci P2 blok cakera 1. Penunjuk, masa ingatan boleh diabaikan kerana ia sangat singkat (berbanding cakera IO blok cakera 3 dimuatkan dari cakera ke memori melalui alamat cakera penunjuk P2 blok cakera). 1. IO kedua berlaku, 29 antara 26 dan 30. Dalam tempoh tersebut, penunjuk P2 blok cakera 3 dikunci, dan blok cakera 8 dimuatkan ke dalam memori melalui penunjuk IO ketiga berlaku. carian binari dilakukan dalam ingatan untuk mencari 29, dan pertanyaan ditamatkan sebanyak tiga IO.

Indeks Pokok B

Pokok B serupa dengan pokok B dan pokok B ialah versi pokok B yang dipertingkatkan. Iaitu: pokok yang dibina oleh pokok carian m-fork dan senarai terpaut tersusun ialah B-tree, iaitu indeks pokok untuk disimpan

seperti yang ditunjukkan dalam rajah: B-tree dan ciri-ciri utama B-tree Perbezaannya adalah seperti berikut:

1. Nod daun bagi B-tree disambung secara bersiri menggunakan senarai terpaut. Untuk mencari data dalam selang tertentu, anda hanya perlu menggunakan nilai permulaan selang untuk mencari dalam pepohon Selepas mengesan nod dalam senarai terpaut tersusun, mulakan dari nod ini dan melintasi senarai terpaut tersusun ke belakang sehingga Sehingga nod. nilai data dalam senarai terpaut tersusun adalah lebih besar daripada nilai akhir selang.

2. Mana-mana nod dalam B-tree tidak menyimpan data sebenar, tetapi hanya digunakan untuk pengindeksan. B-tree memperoleh data secara langsung melalui nod daun; dan setiap nod daun B-tree menyimpan nilai utama dan maklumat alamat baris data Apabila nod daun tertentu ditanya, maklumat data sebenar ditemui melalui alamat daun nod.

Indeks berkelompok dan indeks tidak berkelompok

Indeks berkelompok bukan jenis indeks yang berasingan, tetapi kaedah penyimpanan data. Istilah 'berkelompok' bermaksud bahawa baris data disimpan bersama dengan kelompok nilai kunci bersebelahan.

Faedah indeks berkelompok:

Mengikut susunan indeks berkelompok, apabila membuat pertanyaan untuk memaparkan julat data tertentu, kerana data bersambung rapat, pangkalan data tidak perlu mengekstrak daripada berbilang data menyekat data, jadi ia menjimatkan banyak operasi io.

Batasan indeks berkelompok:

1 Untuk pangkalan data mysql, pada masa ini hanya enjin data innodb menyokong indeks berkelompok, manakala Myisam tidak menyokong indeks berkelompok.

2. Memandangkan hanya terdapat satu kaedah pengisihan storan fizikal untuk data, setiap jadual Mysql hanya boleh mempunyai satu indeks berkelompok. Biasanya ia adalah kunci utama jadual.

3 Untuk menggunakan sepenuhnya ciri pengelompokan indeks berkelompok, lajur kunci utama jadual innodb harus cuba menggunakan ID urutan tersusun dan tidak disyorkan untuk menggunakan ID tidak tertib, seperti sebagai uuid.

Seperti yang ditunjukkan di bawah, indeks di sebelah kiri ialah indeks berkelompok, kerana susunan baris data pada cakera adalah konsisten dengan pengisihan indeks.

Klasifikasi indeks

Indeks nilai tunggal

Iaitu, indeks hanya mengandungi satu lajur dan jadual boleh mempunyai berbilang tunggal -indeks lajur

随表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
PRIMARY KEY(id),
KEY (customer_name)
);
 
单独建单值索引：
CREATE  INDEX idx_customer_name ON customer(customer_name); 
 
删除索引：
DROP INDEX idx_customer_name  on customer;

Indeks unik

Nilai lajur indeks mestilah unik, tetapi nilai null ​​dibenarkan

随表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id),
  KEY (customer_name),
  UNIQUE (customer_no)
);
  
单独建唯一索引：
CREATE UNIQUE INDEX idx_customer_no ON customer(customer_no); 
 
删除索引：
DROP INDEX idx_customer_no on customer ;

Indeks kunci utama

Selepas menetapkan kunci utama kepada pangkalan data Indeks akan dibuat secara automatik Innodb ialah indeks berkelompok

随表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id) 
);
   
CREATE TABLE customer2 (
id INT(10) UNSIGNED   ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id) 
);
 
 单独建主键索引：
ALTER TABLE customer 
 add PRIMARY KEY customer(customer_no);  
 
删除建主键索引：
ALTER TABLE customer 
 drop PRIMARY KEY ;  
 
修改建主键索引：
必须先删除掉(drop)原索引，再新建(add)索引

indeks kompaun

, iaitu indeks mengandungi berbilang. lajur

随表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id),
  KEY (customer_name),
  UNIQUE (customer_name),
  KEY (customer_no,customer_name)
);
 
单独建索引：
CREATE  INDEX idx_no_name ON customer(customer_no,customer_name); 
 
删除索引：
DROP INDEX idx_no_name  on customer ;

analisis prestasi

Senario penciptaan indeks

Dalam kes yang mana adalah perlu untuk mencipta indeks

1 . Kunci utama secara automatik mencipta indeks unik

2 Medan yang kerap digunakan sebagai syarat pertanyaan harus dibuat Indeks

3 hubungan

4. Pilihan kunci tunggal/indeks gabungan, indeks gabungan lebih menjimatkan kos

5. Jika medan pengisihan diakses melalui indeks, kelajuan pengisihan akan dipertingkatkan dengan baik

6 Statistik atau medan kumpulan dalam pertanyaan

Dalam keadaan apa tidak mencipta indeks

1 >

2. Jadual atau medan yang kerap ditambah, dipadam atau diubah suai Sebab: Ia meningkatkan kelajuan pertanyaan, tetapi pada masa yang sama mengurangkan kelajuan mengemas kini jadual, seperti INSERT, UPDATE dan DELETE pada jadual. Kerana semasa mengemas kini jadual, MySQL bukan sahaja perlu menyimpan data, tetapi juga fail indeks

3. Tiada indeks akan dibuat untuk medan yang tidak digunakan dalam keadaan Where

4 . Prestasi penapisan tidak bagus Sesuai untuk pembinaan indeks

Pembelajaran yang disyorkan:

tutorial video mysql

Atas ialah kandungan terperinci Mari kita bercakap tentang struktur indeks MySQL. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!