0
点赞
收藏
分享

微信扫一扫

Python爬虫学习完整版

索引按照物理实现可以分为2种:聚簇索引和非聚簇索引。我们也把非聚簇索引称为二级索引或者辅助索引

1.聚簇索引

(1)使用记录主键值的大小进行记录和页的排序,这包括三个方面的含义:

  • 页内 的记录是按照主键的大小顺序排成一个 单向链表 。
  • 各个存放 用户记录的页 也是根据页中用户记录的主键大小顺序排成一个 双向链表 。
  • 存放 目录项记录的页 分为不同的层次,在同一层次中的页也是根据页中目录项记录的主键 大小顺序排成一个 双向链表 。

(2)B+树的 叶子节点 存储的是完整的用户记录。
  所谓完整的用户记录,就是指这个记录中存储了所有列的值(包括隐藏列)。
在这里插入图片描述
优点:
1.数据访问快,因为聚簇索引将索引和数据存放在一个B+树中,因此从聚簇索引中获取数据比非聚簇索引速度更快
2.聚簇索引对于主键的排序查找范围查找速度非常快
3.按照聚簇索引排列顺序,查询一定范围数据的时候,由于数据都是紧密相连,数据库不用从多个数据块中提取数据,所以节省了大量的IO操作
缺点:

1.插入速度严重依赖于插入顺序,按照主键的顺序插入是最快的方式,否认将会出现页分裂,严重影响性能。因此,对于InnoDB表,我们一般都会定义一个自增的ID列为主键
2.更新主键的代价很高,因为将会导致被更新的行移动。因此对于InnoDB表,我们一般定义主键为不可更新
3.二级索引访问需要两次索引查找,第一次找到主键值,第二次根据主键值找到行数据。
限制:

  • 对于MySQL数据库目前只有InnoDB数据引擎支持聚簇索引,而MyISAM并不支持聚簇索引
  • 由于数据物理存储排序方式只能有一种,所以每个MySQL的表只能由一个聚簇索引,一般情况下就是该表的主键
  • 如果没有定义主键,Innodb会选择非空的唯一索引代替,如果没有这样的索引,Innodb会隐式的定义一个主键来作为聚簇索引。
  • 为了充分利用聚簇索引的聚簇特性,所以Innodb表的主键尽量选用有序的顺序id,而不建议用无序的id,如UUID,MD5,HASH,字符串列作为主键无法保证数据的顺序增长。

2.二级索引

与聚簇索引相比,二级索引是按照非主键列c2值的大小进行记录和页的排序,B+树的叶子节点存储的不是完整的用户记录,而是c2+主键这两个列的值。
为什么使用二级索引查询还需要一次回表操作呢?而不是直接把完整的用户记录放到叶子节点
在这里插入图片描述

回表
我们根据这个以c2列大小排序的B+树只能确定我们要查找记录的主键值,所以如果我们想根据c2列的值查找到完整的用户记录的话,仍然需要到 聚簇索引 中再查一遍,这个过程称为 回表 。也就是根据c2列的值查询一条完整的用户记录需要使用到 2 棵B+树!
问题:
这是因为非聚簇索引可以有多个,如果每个索引的叶子节点都存放完整的用户记录,就会造成数据冗余。如果采用回表的设计,就可以使得数据库中只有一份数据,减少冗余。

在这里插入图片描述
小结:聚簇索引与非聚簇索引的原理不同,在使用上也有一些区别:
1.聚簇索引的叶子节点存储的就是我们的数据记录,非聚簇索引的叶子节点存储的是数据位置,非聚簇索引不会影响数据表的物理存储顺序。
2.一个表只能有一个聚簇索引,因为只有一种排序存储的方式,但可以有多个非聚簇索引,也就是多个索引目录提供数据检索
3。使用聚簇索引的时候,数据的查询效率高, 但如果对数据进行插入、删除、更新等操作,效率会比非聚簇索引低。这是因为对一个某个列值数据比如c3进行修改,只需修改其对应的非聚簇索引即可,不需要修改其他的非聚簇索引。

3.联合索引

我们也可以同时以多个列的大小作为排序规则,也就是同时为多个列建立索引,比方说我们想让B+树按照 c2和c3列 的大小进行排序,这个包含两层含义:

  • 先把各个记录和页按照c2列进行排序。
  • 在记录的c2列相同的情况下,采用c3列进行排序

注意一点,以c2和c3列的大小为排序规则建立的B+树称为 联合索引 ,本质上也是一个二级索引。
小结:
由联合索引的数据结构,我们可以得出之所以使用联合索引时要遵循最左前缀原则,是因为它的物理结构就是按照最左原则进行排序,如果不遵循该原则,可能会发生索引失效或查询结果错误等问题。

问题:

1.InnoDB和MyISAM都支持非聚簇索引,二者在物理存储上的区别
非聚簇索引在InnoDB和MyISAM上都是独立存储的,即索引文件和数据文件是分开存储的,但是在InnoDB中索引文件中存储的是索引值及对应的主键值,在MyISAM中索引文件存储的是索引值及对应的数据行的物理地址。

举报

相关推荐

0 条评论