面试官:谈谈你对mysql索引的认识?

引言

大家好,我渣渣烟。我曾经写过一篇 《面试官:讲讲mysql表设计要注意啥》 ,当时写完后,似乎效果还行!

于是呢,决定再来一个mysql的数据库专题,这篇我们就来谈谈关于索引方面的mysql面试题。还是老规矩,讲的是在Innodb存储引擎下的情形,毕竟我还真没用过Mysiam之类的存储引擎。

ps :其实很早就想写了,一直偷懒!

其实这下面每个问题,我都可以讲一篇文章出来!而且这些问题,不是我凭空编的。如下图所示( 注意看第三题 )

所以我回忆了一下,索引常见考点有哪些,总结成了这篇文章!

主要题目有下面这些

  • (1)你一般怎么建索引的?

  • (2)讲讲索引的分类?你知道哪些?

  • (3)如何避免回表查询?什么是索引覆盖?

  • (4)现在我有一个列,里头的数据都是唯一的,需要建一个索引,选唯一索引还是普通索引?

  • (5)mysql索引是什么结构的?用红黑树可以么?

  • (6)mysql某表建了多个单索引,查询多个条件时如何走索引的?

正文

1、你一般怎么建索引的?

烟哥注: 曾记得有一个粉丝来找我的时候,出现如下搞笑一幕

渣渣烟:"你这个简历上写了拥有SQL优化经验,你怎么建索引的? "

只见该粉丝嘿嘿一笑..说道:"就那样建啊…"

渣渣烟:"噢(第二声),就哪样建啊…"

粉丝:"…就网上说的那些索引规则啊"

渣渣烟:"那你怎么知道那些SQL出问题,需要建索引呢? "

粉丝:"我….."

嗯,这道题其实很基础。但是有没有做过,这题是可以看出来的。

去my.cnf里配置三个配置

打开慢查询日志
slow_query_log=1
慢查询日志存储路径
slow_query_log_file=/var/log/mysql/log-slow-queries.log
SQL执行时间大于3秒,则记录日志
long_query_time=3

监控到慢SQL后,就马上开始建索引?

NO,NO,NO….这种时候,应该先考虑你的SQL能不能进行SQL优化。

例如,当只要一行数据时使用 limit 1

查询时如果已知会得到一条数据,这种情况下加上 limit 1 会增加性能。因为 mysql 数据库引擎会在找到一条结果停止搜索,而不是继续查询下一条是否符合标准直到所有记录查询完毕。

然而大多数情况下,业务SQL十分复杂,没法优化。所以就要建立索引了。这个时候,参照如下规则建立索引

  • (1)索引并非越多越好,大量的索引不仅占用磁盘空间,而且还会影响insert,delete,update等语句的性能

  • (2)避免对经常更新的表做更多的索引,并且索引中的列尽可能少;对经常用于查询的字段创建索引,避免添加不必要的索引

  • (3)数据量少的表尽量不要使用索引,由于数据较少,查询花费的时间可能比遍历索引的时间还要短,索引可能不会产生优化效果

  • (4)在条件表达式中经常用到不同值较多的列上创建索引,在不同值很少的列上不要建立索引。比如性别字段只有“男”“女”俩个值,就无需建立索引。如果建立了索引不但不会提升效率,反而严重减低数据的更新速度

  • (5)在频繁进行排序或者分组的列上建立索引,如果排序的列有多个,可以在这些列上建立联合索引。

2、讲讲索引的分类?你知道哪些?

从物理存储角度:

聚簇索引和非聚簇索引

从数据结构角度:

B+树索引、hash索引、FULLTEXT索引、R-Tree索引

从逻辑角度:

  • 主键索引:主键索引是一种特殊的唯一索引,不允许有空值

  • 普通索引或者单列索引

  • 多列索引(复合索引):复合索引指多个字段上创建的索引,只有在查询条件中使用了创建索引时的第一个字段,索引才会被使用。使用复合索引时遵循最左前缀集合

  • 唯一索引或者非唯一索引

  • 空间索引:空间索引是对空间数据类型的字段建立的索引,MYSQL中的空间数据类型有4种,分别是GEOMETRY、POINT、LINESTRING、POLYGON。

3、如何避免回表查询?什么是索引覆盖?

这个问题,如果要看详细版,请参阅文章《Innodb中索引的原理》

这里简单说一下。

当能通过读取索引就可以得到想要的数据,那就不需要回表读取行了。一个索引包含了(或覆盖了)满足查询结果的数据就叫做索引覆盖。

例如此时有一张表 table1 ,有一个联合索引(a,b)

执行如下SQL

select a,b from table1

在索引上就能找到结果,就不用回表去查询!

而你执行的是

select a,b,c from table2

c列在索引上不存在,就需要回表查询。

需要说明的是覆盖索引必须要存储索引列的值,而哈希索引、空间索引和全文索引不存储索引列的值,所以mysql只能用B+ tree索引做覆盖索引。

4、现在我有一个列,里头的数据都是唯一的,需要建一个索引,选唯一索引还是普通索引?

答唯一索引!

首先,在孤尽出的《阿里巴巴JAVA开发规范》中有这么一段话

【强制】业务上具有唯一特性的字段,即使是多个字段的组合,也必须建成唯一索引

说明:不要以为唯一索引影响了 insert 速度,这个速度损耗可以忽略,但提高查找速度是明显的;另外,即使在应用层做了非常完善的校验控制,只要没有唯一索引,根据墨菲定律,必然有脏数据产生。

那好,下一问出现了!

为什么唯一索引的插入速度比不上普通索引? 为什么唯一索引的查找速度比普通索引快?

这个问题就要从Insert Buffer开始讲起了,在进行非聚簇索引的插入时,先判断插入的索引页是否在内存中。如果在,则直接插入;如果不在,则先放入Insert Buffer 中,然后再以一定频率和情况进行Insert Buffer和原数据页合并(merge)操作。

这么做的优点:能将多个插入合并到一个操作中,就大大提高了非聚簇索引的插入性能。

InnoDB 从 1.0.x 版本开始引入了 Change Buffer,可以算是对 Insert Buffer 的升级。从这个版本开始,InnoDB 存储引擎可以对 insert、delete、update 都进行缓存。

唯一速度的 插入 比普通索引慢的原因就是:

  • 唯一索引无法利用Change Buffer

  • 普通索引可以利用Change Buffer

于是乎下一问又来了!

为什么唯一索引的更新不使用 Change Buffer?

因为唯一索引为了保证唯一性,需要将数据页加载进内存才能判断是否违反唯一性约束。但是,既然数据页都加载到内存了,还不如直接更新内存中的数据页,没有必要再使用Change Buffer。

最后回答一下,唯一索引的 搜索速度 比普通索引快的原因就是:

  • 普通索引在找到满足条件的第一条记录后,还需要判断下一条记录,直到第一个不满足条件的记录出现。

  • 唯一索引在找到满足条件的第一条记录后,直接返回,不用判断下一条记录了。

5、mysql索引是什么结构的?用红黑树可以么?

这个妥妥答最常见的B+ Tree。

AVL树和红黑树基本都是存储在内存中才会使用的数据结构。在大规模数据数据存储的时候,显然不能将全部数据全部加载进内存,因此如果采用红黑树,就会造成频繁IO,效率低下。

那为啥不用B Tree,而选择B+ tree呢?

这就需要贴一下经典的两张图。B tree是长下面这样的

注意一下B tree的两个明显特点

  • 树内存储数据

  • 叶子节点上无链表

而B+ tree长下面这样的

注意一下B+ tree的两个明显特点

  • 数据只出现在叶子节点

  • 所有叶子节点增加了一个链指针

接下来就可以开始编了~~ 比如数据库索引采用 B tree 的主要原因是B Tree在提高了磁盘IO性能的同时并没有解决元素遍历的效率低下的问题。正是为了解决这个问题, B tree 应运而生。 B tree 只要遍历叶子节点就可以实现整棵树的遍历。而且在数据库中基于范围的查询是非常频繁的,如果使用B Tree,则需要做局部的中序遍历,可能要跨层访问,效率太慢。

提示,我下一问就是:

你刚才说了这么多B tree不行,那你知道为啥Mongodb用B Tree当索引,而不用B+ Tree么?

(从关系数据库和非关系数据库的区别角度去答,不拓展了!仔细想想,在Mongodb里表示二者的关系,你会怎么处理!)

6、mysql某表建了多个单索引,查询多个条件时如何走索引的?

其实,我看到这题的时候,内心一抖。这题让后端开发来答,真的很拼功底!

这里希望大家先看看我的另一篇文章《我是一条DQL》。此题在考优化器的知识!此题是在考察优化器如何抉择索引的!优化器会评估出走哪个索引最优,然后执行。

Mysql在优化器中有一个优化器称为Range 优化器,负责进行范围查询的优化!

那么该优化器计算执行成本有两种方式index dive与index statistics。

它们是MySQL优化器对开销代价的估算方法,前者统计速度慢但是能得到精准的值,后者统计速度快但是数据未必精准。

坦白说写到这里,我内心痛哭流涕,要把index dive和index statistics写明白,真不是一件容易的事,这里只能稍微扯扯。

对于index dive:

计算成本的方式为

COST = CPU COST + IO COST

其中CPU COST指的是处理返回记录所花的开销。而IO COST指的是读取页面的开销。

mysql会对每种索引的执行情况,进行上述成本计算,最后以成本小的方式进行执行。

但是呢,在某些情况下mysql执行index dive的成本太大。因此优化器会选择以index statistics方式进行估算成本。

具体如下:

SHOW INDEX FROM tbl_name [FROM db_name] 

此时出来的结果中,有一列名为 Cardinality ,该值表示索引列中不重复值的个数。

简单来说就是,索引列的唯一值的个数,如果是复合索引就是唯一组合的个数。

这个数值将会作为mysql优化器对语句执行计划进行判定时依据。如果唯一性太小,那么优化器会认为,这个索引对语句没有太大帮助,而不使用索引。

Cardinality 值越大,就意味着,使用索引能排除越多的数据,执行也更为高效。

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章