摘要：如果插入的數(shù)據(jù)在數(shù)據(jù)節(jié)點(diǎn)，如果不引起分裂和合并，則索引節(jié)點(diǎn)組成的樹就不會變。

此文已由作者劉超授權(quán)網(wǎng)易云社區(qū)發(fā)布。

歡迎訪問網(wǎng)易云社區(qū)，了解更多網(wǎng)易技術(shù)產(chǎn)品運(yùn)營經(jīng)驗(yàn)。

數(shù)據(jù)庫永遠(yuǎn)是應(yīng)用最關(guān)鍵的一環(huán)，同時(shí)越到高并發(fā)階段，數(shù)據(jù)庫往往成為瓶頸，如果數(shù)據(jù)庫表和索引不在一開始就進(jìn)行良好的設(shè)計(jì)，則后期數(shù)據(jù)庫橫向擴(kuò)展，分庫分表都會遇到困難。

對于互聯(lián)網(wǎng)公司來講，一般都會使用Mysql數(shù)據(jù)庫。

一、數(shù)據(jù)庫的總體架構(gòu)

我們首先來看Mysql數(shù)據(jù)的總體架構(gòu)如下：

這是一張非常經(jīng)典的Mysql的系統(tǒng)架構(gòu)圖，通過這個(gè)圖可以看出Mysql各個(gè)部分的功能。

當(dāng)客戶端連接數(shù)據(jù)庫的時(shí)候，首先面對的是連接池，用于管理用戶的連接，并會做一定的認(rèn)證和鑒權(quán)。

連接了數(shù)據(jù)庫之后，客戶端會發(fā)送SQL語句，而SQL接口這個(gè)模塊就是來接受用戶的SQL語句的。

SQL語句往往需要符合嚴(yán)格的語法規(guī)則，因而要有語法解析器對語句進(jìn)行語法解析，解析語法的原理如同編譯原理中的學(xué)到的那樣，從語句變成語法樹。

對于用戶屬于的查詢可以進(jìn)行優(yōu)化，從而可以選擇最快的查詢路徑，這就是優(yōu)化器的作用。

為了加快查詢速度，會有查詢緩存模塊，如果查詢緩存有命中的查詢結(jié)果，查詢語句就可以直接去查詢緩存中取數(shù)據(jù)。

上面的所有的組件都是數(shù)據(jù)庫服務(wù)層，接下來是數(shù)據(jù)庫引擎層，當(dāng)前主流的數(shù)據(jù)庫引擎就是InnoDB。

對于數(shù)據(jù)庫有任何的修改，數(shù)據(jù)庫服務(wù)層會有binary log記錄下來，這是主備復(fù)制的基礎(chǔ)。

對于數(shù)據(jù)庫引擎層，一個(gè)著名的圖如下：

在存儲引擎層，也有緩存，也有日志，最終數(shù)據(jù)是落到盤上的。

存儲引擎層的緩存也是用于提高性能的，但是同數(shù)據(jù)庫服務(wù)層的緩存不同，數(shù)據(jù)庫服務(wù)層的緩存是查詢緩存，而數(shù)據(jù)庫引擎層的緩存讀寫都緩存。數(shù)據(jù)庫服務(wù)層的緩存是基于查詢邏輯的，而數(shù)據(jù)庫引擎引擎的緩存是基于數(shù)據(jù)頁的，可以說是物理的。

哪怕是數(shù)據(jù)的寫入僅僅寫入到了數(shù)據(jù)庫引擎層中的緩存，對于數(shù)據(jù)庫服務(wù)層來講，就算是已經(jīng)持久化了，當(dāng)然這個(gè)時(shí)候會造成緩存頁和硬盤上的頁的數(shù)據(jù)的不一致，這種不一致由數(shù)據(jù)庫引擎層的日志來保證完整性。

所以數(shù)據(jù)庫引擎層的日志和數(shù)據(jù)庫服務(wù)層的也不同，服務(wù)層的日志記錄的是一個(gè)個(gè)的修改邏輯，而引擎層的日志記錄的是緩存頁和數(shù)據(jù)頁的物理差異。

二、數(shù)據(jù)庫的工作流程

在收到一個(gè)查詢的時(shí)候，Mysql的架構(gòu)中的各個(gè)組件是如此工作的：

客戶端同數(shù)據(jù)庫服務(wù)層建立TCP連接，連接管理模塊會建立連接，并請求一個(gè)連接線程。如果連接池中有空閑的連接線程，則分配給這個(gè)連接，如果沒有，在沒有超過最大連接數(shù)的情況下，創(chuàng)建新的連接線程負(fù)責(zé)這個(gè)客戶端。

在真正的操作之前，還需要調(diào)用用戶模塊進(jìn)行授權(quán)檢查，來驗(yàn)證用戶是否有權(quán)限。通過后，方才提供服務(wù)，連接線程開始接收并處理來自客戶端的SQL語句。

連接線程接收到SQL語句之后，將語句交給SQL語句解析模塊進(jìn)行語法分析和語義分析。

如果是一個(gè)查詢語句，則可以先看查詢緩存中是否有結(jié)果，如果有結(jié)果可以直接返回給客戶端。

如果查詢緩存中沒有結(jié)果，就需要真的查詢數(shù)據(jù)庫引擎層了，于是發(fā)給SQL優(yōu)化器，進(jìn)行查詢的優(yōu)化。如果是表變更，則分別交給insert, update, delete, create，alter處理模塊進(jìn)行處理。

接下來就是請求數(shù)據(jù)庫引擎層，打開表，如果需要的話獲取相應(yīng)的鎖。

接下來的處理過程就到了數(shù)據(jù)庫引擎層，例如InnoDB。

在數(shù)據(jù)庫引擎層，要先查詢緩存頁中有沒有相應(yīng)的數(shù)據(jù)，如果有則可以直接返回，如果沒有就要從磁盤上去讀取。

當(dāng)在磁盤中找到相應(yīng)的數(shù)據(jù)之后，則會加載到緩存中來，從而使得后面的查詢更加高效，由于內(nèi)存有限，多采用變通的LRU表來管理緩存頁，保證緩存的都是經(jīng)常訪問的數(shù)據(jù)。

獲取數(shù)據(jù)后返回給客戶端，關(guān)閉連接，釋放連接線程，過程結(jié)束。

三、數(shù)據(jù)庫索引的原理

在整個(gè)過程中，最容易稱為瓶頸點(diǎn)的是數(shù)據(jù)的讀寫，往往意味著要順序或者隨機(jī)讀寫磁盤，而讀寫磁盤的速度往往是比較慢的。

如果加快這個(gè)過程呢？相信大家都猜到了就是建立索引。

為什么索引能夠加快這個(gè)過程呢？

相信大家都逛過美食城，里面眾多家餐館琳瑯滿目，如果你不著急呢，肚子不餓，對搜索的性能沒有要求，就可以在商場里面慢慢逛，逛一家看一家，知道找到自己想吃的餐館。但是當(dāng)你餓了，或者你們約好了餐館，你一定想直奔那個(gè)餐館，這個(gè)時(shí)候，你往往會去看樓層的索引圖，快速的查找你目標(biāo)餐館的位置，找到后，直奔主題，就會大大節(jié)約時(shí)間，這就是索引的作用。

所以索引就是通過值，快速的找到它的位置，從而可以快速的訪問。

索引的另外一個(gè)作用就是不用真正的查看數(shù)據(jù)，就能夠做一些判斷，例如商場里面有沒有某個(gè)餐館，你看一下索引就知道了，不必真的到商場里面逛一圈，再如找出所有的川菜館，也是只要看索引就可以了，不用一家一家川菜館跑。

那么在Mysql中，索引是如何工作的呢？

Mysql的索引結(jié)構(gòu)，往往是一棵B+樹。

一棵m階B+樹具有如下的性質(zhì)：

節(jié)點(diǎn)分索引節(jié)點(diǎn)和數(shù)據(jù)節(jié)點(diǎn)。索引節(jié)點(diǎn)相當(dāng)于B樹的內(nèi)部節(jié)點(diǎn)，所有的索引節(jié)點(diǎn)組成一棵B樹，具有B樹的所有的特性。在索引節(jié)點(diǎn)中，存放著Key和指針，并不存放具體的元素。數(shù)據(jù)節(jié)點(diǎn)相當(dāng)與B樹的外部節(jié)點(diǎn)，B樹的外部節(jié)點(diǎn)為空，在B+樹中被利用了起來，用于存放真正的數(shù)據(jù)元素，里面包含了Key和元素的其他信息，但是沒有指針。

整棵索引節(jié)點(diǎn)組成的B樹僅僅用來查找具有某個(gè)Key的數(shù)據(jù)元素位于哪個(gè)外部節(jié)點(diǎn)。在索引節(jié)點(diǎn)中找到了Key，事情沒有結(jié)束，要繼續(xù)找到數(shù)據(jù)節(jié)點(diǎn)，然后將數(shù)據(jù)節(jié)點(diǎn)中的元素讀出來，或者二分查找，或者順序掃描來尋找真正的數(shù)據(jù)元素。

M這個(gè)階數(shù)僅僅用來控制索引節(jié)點(diǎn)部分的度，至于每個(gè)數(shù)據(jù)節(jié)點(diǎn)包含多少元素，與m無關(guān)。

另外有一個(gè)鏈表，將所有的數(shù)據(jù)節(jié)點(diǎn)串起來，可以順序訪問。

這個(gè)定義的比較抽象，我們來看一個(gè)具體的例子。

從圖中我們可以看出，這是一個(gè)3階B+樹，而一個(gè)外部數(shù)據(jù)節(jié)點(diǎn)最多包含5項(xiàng)。如果插入的數(shù)據(jù)在數(shù)據(jù)節(jié)點(diǎn)，如果不引起分裂和合并，則索引節(jié)點(diǎn)組成的B樹就不會變。

如果在71到75的外部節(jié)點(diǎn)插入一項(xiàng)76，則引起分裂，71,72,73成為一個(gè)數(shù)據(jù)節(jié)點(diǎn)，74,75,76成為一個(gè)數(shù)據(jù)節(jié)點(diǎn)，而對于索引節(jié)點(diǎn)來講相當(dāng)于插入一個(gè)Key為74的過程。

如果在41到43的外部節(jié)點(diǎn)中刪除43，則引起合并，41,42,61,62,63合并成一個(gè)節(jié)點(diǎn)，對于索引節(jié)點(diǎn)來講，相當(dāng)于刪除Key為60的過程。

查找的時(shí)候，由于B+樹層高很小，所以能夠比較快速的定位，例如我們要查找值62，在根節(jié)點(diǎn)發(fā)現(xiàn)大于40則訪問右面，小于70則訪問左面，大于60則訪問右面，在葉子節(jié)點(diǎn)的第二個(gè)，就找到了62，成功定位。

在Mysql的InnoDB中，有兩種類型的B+樹索引，一種稱為聚簇索引，一種稱為二級索引。

聚簇索引的葉子節(jié)點(diǎn)就是數(shù)據(jù)節(jié)點(diǎn)，往往是主鍵作為聚簇索引，二級索引的葉子節(jié)點(diǎn)存放的是KEY字段加主鍵值。因而通過二級索引訪問數(shù)據(jù)，要訪問兩次索引。

還有一種索引的形式稱為組合索引，或者復(fù)合索引，可以在多個(gè)列上建立索引。

這種索引的排序規(guī)則為，先比較第一列，在第一列相等的情況下，比較第二列，以此類推。

四、數(shù)據(jù)庫索引的優(yōu)缺點(diǎn)

數(shù)據(jù)庫索引的優(yōu)勢最明顯的就是減少I/O，下面分析幾種場景。

對于=條件的字段，可以直接通過查找B+樹的方式，通過很少的硬盤讀取次數(shù)(相當(dāng)于B+樹層高)，就能夠到達(dá)葉子節(jié)點(diǎn)，然后直接定位到數(shù)據(jù)的位置。

對于范圍的字段，由于B+樹里面都是排好序的，范圍可以很快的通過樹進(jìn)行定位。

同理對于orderby/group by/distinct/max/min，由于B+樹是排好序的，也是能夠很快的得到結(jié)果的。

還有一個(gè)常見的場景稱為索引覆蓋數(shù)據(jù)。例如A, B兩個(gè)字段作為條件字段，常出現(xiàn)A=a AND B=b，同時(shí)select C, D時(shí)候，往往會建聯(lián)合索引(A, B)，是一個(gè)二級索引，所以搜索的時(shí)候，通過二級索引的B+樹能夠很快的找到相應(yīng)的葉子節(jié)點(diǎn)和記錄，但是記錄中有的是聚簇索引的ID，所以還需要查找一次聚簇索引的B+樹，找到真正的表中的記錄，然后在記錄中，將C,D讀取出來。如果建立聯(lián)合索引的時(shí)候?yàn)?A, B, C, D)，則在二級索引的B+樹中就有了所有的數(shù)據(jù)，可以直接返回了，減少了一次搜索樹的過程。

當(dāng)然索引肯定是有代價(jià)的，天下沒有免費(fèi)的午餐。

索引帶來的好處多是讀的效率的提高，而索引帶來的代價(jià)就是寫的效率的降低。

插入和修改數(shù)據(jù)，都有可能意味著索引的改變。

插入的時(shí)候，往往會在主鍵上建設(shè)聚簇索引，因而主鍵最好使用自增長，這樣插入的數(shù)據(jù)就總是在最后，而且是順序的，效率比較高。主鍵不要使用UUID，這樣順序比較隨機(jī)，會帶來隨機(jī)的寫入，效率比較差。主鍵不要使用和業(yè)務(wù)有關(guān)，因?yàn)榕c業(yè)務(wù)相關(guān)意味著會被更新，將面臨著一次刪除和重新插入，效率會比較差。

通過上面對于B+樹的原理的介紹，我們可以看出B+樹的分裂代價(jià)還是比較大的，而分裂往往就產(chǎn)生于插入的過程中。

而對于數(shù)據(jù)的修改，則基本相當(dāng)于刪除再插入，代價(jià)也比較大。

對于一些字符串的列的二級索引，往往會造成隨機(jī)的寫入和讀取，對I/O的壓力也比較大。

五、解讀數(shù)據(jù)庫軍規(guī)背后的原理

了解了這兩種索引的原理，我們就能夠解釋為什么很多所謂的數(shù)據(jù)庫的軍規(guī)長這個(gè)樣子了。下面我們來一一解釋。

什么情況下應(yīng)該使用組合索引而非多帶帶索引呢？

假設(shè)有條件語句A=a AND B=b，如果A和B是兩個(gè)多帶帶的索引，在AND條件下只有一個(gè)索引起作用，對于B則要逐個(gè)判斷，而如果使用組合索引(A, B)，只要遍歷一棵樹就可以了，大大增加了效率。但是對于A=a OR B=b，由于是或的關(guān)系，因而組合索引是不起作用的，因而可以使用多帶帶索引，這個(gè)時(shí)候，兩個(gè)索引可以同時(shí)起作用。

為什么索引要有區(qū)分度，組合索引中應(yīng)該講有區(qū)分度的放在前面？

如果沒有區(qū)分度，例如用性別，相當(dāng)于把整個(gè)大表分成兩部分，查找數(shù)據(jù)還是需要遍歷半個(gè)表才能找到，使得索引失去了意義。

如果有組合索引，還需要單列索引嗎？

如果組合索引是(A, B)，則對于條件A=a，是可以用上這個(gè)組合索引的，因?yàn)榻M合索引是先按照第一列進(jìn)行排序的，所以沒必要對于A多帶帶建立一個(gè)索引，但是對于B=b就用不上了，因?yàn)橹挥性诘谝涣邢嗤那闆r下，才比較第二列，因而第二列相同的，可以分布在不同的節(jié)點(diǎn)上，沒辦法快速定位。

索引是越多越好嗎？

當(dāng)然不是，只有在必要的地方添加索引，索引不但會使得插入和修改的效率降低，而且在查詢的時(shí)候，有一個(gè)查詢優(yōu)化器，太多的索引會讓優(yōu)化器困惑，可能沒有辦法找到正確的查詢路徑，從而選擇了慢的索引。

為什么要使用自增主鍵

因?yàn)樽址麈I和隨機(jī)主鍵會使得數(shù)據(jù)隨機(jī)插入，效率比較差，主鍵應(yīng)該少更新，避免B+樹和頻繁合并和分裂。

為什么盡量不使用NULL

NULL在B+樹里面比較難以處理，往往需要特殊的邏輯進(jìn)行處理，反而降低了效率。

為什么不要在更新頻繁的字段上建立索引

更新一個(gè)字段意味著相應(yīng)的索引也要更新，更新往往意味著刪除然后再插入，索引本來是一種事先在寫的階段形成一定的數(shù)據(jù)結(jié)構(gòu)，從而使得在讀的階段效率較高的方式，但是如果一個(gè)字段是寫多讀少，則不建議使用索引。

為什么在查詢條件里面不要使用函數(shù)

例如ID+1=10這種條件，索引是事先寫入的時(shí)候生成好的，ID+1這種操作在查詢階段，索引無能為例，沒辦法把所有的索引都先做一個(gè)計(jì)算，然后再比較吧，代價(jià)太大了，因而應(yīng)該使用ID=10-1。

為什么不要使用NOT等負(fù)向查詢條件

你可以想象一下，對于一棵B+樹，跟節(jié)點(diǎn)是40，如果你的條件是等于20，就去左面查，你的條件等于50，就去右面查，但是你的條件是不等于66，索引應(yīng)該咋辦？還不是遍歷一遍才知道。

為什么模糊查詢不要以通配符開頭

對于一棵B+樹來講，如果根是字符def，如果通配符在后面，例如abc%，則應(yīng)該搜索左面，例如efg%，則應(yīng)該搜索右面，如果通配符在前面%abc，則不知道應(yīng)該走哪一面，還是都掃描一遍吧。

為什么OR要改成IN，或者使用Union

OR查詢條件的優(yōu)化往往比較難找到最佳的路徑，尤其是OR的條件比較多的時(shí)候，尤其如此，對于同一個(gè)字段，使用IN就好一些，數(shù)據(jù)庫會對IN里面的條件進(jìn)行排序，并統(tǒng)一通過二分搜索的方法處理。對于不同的字段，使用Union，則可以讓每一個(gè)子查詢都使用索引。

為什么數(shù)據(jù)類型應(yīng)該盡量小，常用整型來代替字符型，長字符類型可以考慮使用前綴索引？

因?yàn)閿?shù)據(jù)庫是按照頁存放的，每一頁的大小是一樣的，如果數(shù)據(jù)類型比較大，則頁數(shù)會比較多，每一頁放的數(shù)據(jù)會比較少，樹的高度會比較高，因而搜索數(shù)據(jù)要讀取的I/O數(shù)目會比較多，插入的時(shí)候節(jié)點(diǎn)也容易分裂，效率會降低。使用整型來代替字符型多是這個(gè)考慮，整型對于索引有更高的效率，例如IP地址等。如果有長字符類型需要使用索引進(jìn)行查詢，為了不要使得索引太大，可以考慮將字段的前綴進(jìn)行索引，而非整個(gè)字段。

六、查詢優(yōu)化的方法論

要找到需要優(yōu)化的SQL語句，首先要收集有問題的SQL語句。

MySQL 數(shù)據(jù)庫提供了慢SQL日志功能，通過參數(shù)slow_query_log，獲取執(zhí)行時(shí)間超過一定閾值的SQL語錄列表。

沒有使用索引的SQL語句，可以通過long_queries_not_using_indexes參數(shù)開啟。

min_examined_row_limit，掃描記錄數(shù)大于該值的SQL語句才會被記入慢SQL日志。

找到有問題的語句，接下來就是通過explainSQL，獲取SQL的執(zhí)行計(jì)劃，是否通過索引掃描記錄，可以通過創(chuàng)建索引來優(yōu)化執(zhí)行效率。是否掃描記錄數(shù)過多。是否持鎖時(shí)間過長，是否存在鎖沖突。返回的記錄數(shù)是否較多。

接下來可以定制化的優(yōu)化。沒有被索引覆蓋的過濾條件涉及的字段，在區(qū)分度較大的字段上創(chuàng)建索引，如果涉及多個(gè)字段，盡量創(chuàng)建聯(lián)合索引。

掃描記錄數(shù)非常多，返回記錄數(shù)不多，區(qū)分度較差，重新評估SQL語句涉及的字段，選擇區(qū)分度高的多個(gè)字段創(chuàng)建索引

掃描記錄數(shù)非常多，返回記錄數(shù)也非常多，過濾條件不強(qiáng)，增加SQL過濾條件

schema_redundant_indexes查看有哪些冗余索引。

如果多個(gè)索引涉及字段順序一致，則可以組成一個(gè)聯(lián)合索引schema_unused_indexes查看哪些索引從沒有被使用。

七、讀寫分離的原理

數(shù)據(jù)庫往往寫少讀多，所以性能優(yōu)化的第一步就是讀寫分離。

主從復(fù)制基于主節(jié)點(diǎn)上的服務(wù)層的日志實(shí)現(xiàn)的，而從節(jié)點(diǎn)上有一個(gè)IO線程讀取這個(gè)日志，然后寫入本地。另有一個(gè)線程從本地日志讀取后在從節(jié)點(diǎn)重新執(zhí)行。

如圖是主從異步復(fù)制的流程圖。在主實(shí)例寫入引擎后就返回成功，然后將事件發(fā)給從實(shí)例，在從實(shí)例上執(zhí)行。這種同步方式速度較快，但是在主掛了的時(shí)候，如果還沒有復(fù)制，則可能存在數(shù)據(jù)丟失問題。

數(shù)據(jù)庫同步復(fù)制也不同，是當(dāng)從節(jié)點(diǎn)落盤后再返回客戶端，當(dāng)然這樣會使得性能有所降低，網(wǎng)易數(shù)據(jù)庫團(tuán)隊(duì)是通過組提交，并行復(fù)制等技術(shù)將性能提上來。

有了主從復(fù)制，在數(shù)據(jù)庫DAO層可以設(shè)置讀寫分離策略，也有通過數(shù)據(jù)庫中間件做這個(gè)事情的。

其實(shí)數(shù)據(jù)庫日志還有很多其他用處，如使用canal(阿里巴巴開源項(xiàng)目: 基于mysql數(shù)據(jù)庫binlog的增量訂閱&消費(fèi))訂閱數(shù)據(jù)庫的binlog，可以用于更新緩存等。

網(wǎng)易云計(jì)算基礎(chǔ)服務(wù)深度整合了 IaaS、PaaS 及容器技術(shù)，提供彈性計(jì)算、DevOps 工具鏈及微服務(wù)基礎(chǔ)設(shè)施等服務(wù)，幫助企業(yè)解決 IT、架構(gòu)及運(yùn)維等問題，使企業(yè)更聚焦于業(yè)務(wù)，是新一代的云計(jì)算平臺，點(diǎn)擊可免費(fèi)試用。

文章來源： 網(wǎng)易云社區(qū)