前段時(shí)間，公司一個(gè)新上線的網(wǎng)站出現(xiàn)頁面響應(yīng)速度緩慢的問題， 一位負(fù)責(zé)這個(gè)項(xiàng)目的但并不是搞技術(shù)的妹子找到我，讓我想辦法提升網(wǎng)站的訪問速度 ，因?yàn)橐呀?jīng)有很多用戶來投訴了。我第一反應(yīng)覺的是數(shù)據(jù)庫上的問題，假裝思索了一下，擺著一副深沉炫酷的模樣說：“是不是數(shù)據(jù)庫查詢上出問題了， 給表加上索引吧”，然后妹子來了一句：“現(xiàn)在我們網(wǎng)站訪問量太大，加索引有可能導(dǎo)致寫入數(shù)據(jù)時(shí)性能下降，影響用戶使用的”。當(dāng)時(shí)我就楞了一下， 有種強(qiáng)行裝逼被拆穿的感覺，在自己的專業(yè)領(lǐng)域居然被非專業(yè)的同學(xué)教育， 面子上真有點(diǎn)掛不住。
其實(shí)， 我說這個(gè)例子并不是為展現(xiàn)我們公司的同事們專業(yè)能力的強(qiáng)大、做的產(chǎn)品棒、安全性高、性能牛逼， 連非技術(shù)的同事也懂得技術(shù)上的細(xì)節(jié)。事實(shí)上我只是想說明，「數(shù)據(jù)庫」和「數(shù)據(jù)庫索引」這兩個(gè)東西是在服務(wù)器端開發(fā)領(lǐng)域應(yīng)用最為廣泛的兩個(gè)概念，熟練使用數(shù)據(jù)庫和數(shù)據(jù)庫索引是開發(fā)人員在行業(yè)內(nèi)生存的必備技能，而整天和技術(shù)人員打交道的非技術(shù)人員們，由于耳濡目染久了，自然也就能講個(gè)頭頭是道了。
使用索引很簡單，只要能寫創(chuàng)建表的語句，就肯定能寫創(chuàng)建索引的語句，要知道這個(gè)世界上是不存在不會(huì)創(chuàng)建表的服務(wù)器端程序員的。然而， 會(huì)使用索引是一回事， 而深入理解索引原理又能恰到好處使用索引又是另一回事，這完全是兩個(gè)天差地別的境界（我自己也還沒有達(dá)到這層境界）。很大一部份程序員對(duì)索引的了解僅限于到“加索引能使查詢變快”這個(gè)概念為止。
為什么要給表加上主鍵？
為什么加索引后會(huì)使查詢變快？
為什么加索引后會(huì)使寫入、修改、刪除變慢？
什么情況下要同時(shí)在兩個(gè)字段上建索引？
這些問題他們可能不一定能說出答案。知道這些問題的答案有什么好處呢？如果開發(fā)的應(yīng)用使用的數(shù)據(jù)庫表中只有1萬條數(shù)據(jù)，那么了解與不了解真的沒有差別， 然而， 如果開發(fā)的應(yīng)用有幾百上千萬甚至億級(jí)別的數(shù)據(jù)，那么不深入了解索引的原理， 寫出來程序就根本跑不動(dòng)，就好比如果給貨車裝個(gè)轎車的引擎，這貨車還能拉的動(dòng)貨嗎？
接下來就講解一下上面提出的幾個(gè)問題，希望對(duì)閱讀者有幫助。
網(wǎng)上很多講解索引的文章對(duì)索引的描述是這樣的「索引就像書的目錄， 通過書的目錄就準(zhǔn)確的定位到了書籍具體的內(nèi)容」，這句話描述的非常正確， 但就像脫了褲子放屁，說了跟沒說一樣，通過目錄查找書的內(nèi)容自然是要比一頁一頁的翻書找來的快，同樣使用的索引的人難到會(huì)不知道，通過索引定位到數(shù)據(jù)比直接一條一條的查詢來的快，不然他們?yōu)槭裁匆ㄋ饕?/span>
想要理解索引原理必須清楚一種數(shù)據(jù)結(jié)構(gòu)「平衡樹」(非二叉)，也就是b tree或者 b tree，重要的事情說三遍：“平衡樹，平衡樹，平衡樹”。當(dāng)然， 有的數(shù)據(jù)庫也使用哈希桶作用索引的數(shù)據(jù)結(jié)構(gòu) ， 然而， 主流的RDBMS都是把平衡樹當(dāng)做數(shù)據(jù)表默認(rèn)的索引數(shù)據(jù)結(jié)構(gòu)的。
我們平時(shí)建表的時(shí)候都會(huì)為表加上主鍵， 在某些關(guān)系數(shù)據(jù)庫中， 如果建表時(shí)不指定主鍵，數(shù)據(jù)庫會(huì)拒絕建表的語句執(zhí)行。 事實(shí)上， 一個(gè)加了主鍵的表，并不能被稱之為「表」。一個(gè)沒加主鍵的表，它的數(shù)據(jù)無序的放置在磁盤存儲(chǔ)器上，一行一行的排列的很整齊， 跟我認(rèn)知中的「表」很接近。如果給表上了主鍵，那么表在磁盤上的存儲(chǔ)結(jié)構(gòu)就由整齊排列的結(jié)構(gòu)轉(zhuǎn)變成了樹狀結(jié)構(gòu)，也就是上面說的「平衡樹」結(jié)構(gòu)，換句話說，就是整個(gè)表就變成了一個(gè)索引。沒錯(cuò)， 再說一遍， 整個(gè)表變成了一個(gè)索引，也就是所謂的「聚集索引」。 這就是為什么一個(gè)表只能有一個(gè)主鍵， 一個(gè)表只能有一個(gè)「聚集索引」，因?yàn)橹麈I的作用就是把「表」的數(shù)據(jù)格式轉(zhuǎn)換成「索引（平衡樹）」的格式放置。
上圖就是帶有主鍵的表（聚集索引）的結(jié)構(gòu)圖。圖畫的不是很好， 將就著看。其中樹的所有結(jié)點(diǎn)（底部除外）的數(shù)據(jù)都是由主鍵字段中的數(shù)據(jù)構(gòu)成，也就是通常我們指定主鍵的id字段。最下面部分是真正表中的數(shù)據(jù)。 假如我們執(zhí)行一個(gè)SQL語句：
select * from table where id = 1256;
首先根據(jù)索引定位到1256這個(gè)值所在的葉結(jié)點(diǎn)，然后再通過葉結(jié)點(diǎn)取到id等于1256的數(shù)據(jù)行。 這里不講解平衡樹的運(yùn)行細(xì)節(jié)， 但是從上圖能看出，樹一共有三層， 從根節(jié)點(diǎn)至葉節(jié)點(diǎn)只需要經(jīng)過三次查找就能得到結(jié)果。如下圖
假如一張表有一億條數(shù)據(jù) ，需要查找其中某一條數(shù)據(jù)，按照常規(guī)邏輯， 一條一條的去匹配的話， 最壞的情況下需要匹配一億次才能得到結(jié)果，用大O標(biāo)記法就是O(n)最壞時(shí)間復(fù)雜度，這是無法接受的，而且這一億條數(shù)據(jù)顯然不能一次性讀入內(nèi)存供程序使用， 因此， 這一億次匹配在不經(jīng)緩存優(yōu)化的情況下就是一億次IO開銷，以現(xiàn)在磁盤的IO能力和CPU的運(yùn)算能力， 有可能需要幾個(gè)月才能得出結(jié)果 。如果把這張表轉(zhuǎn)換成平衡樹結(jié)構(gòu)（一棵非常茂盛和節(jié)點(diǎn)非常多的樹），假設(shè)這棵樹有10層，那么只需要10次IO開銷就能查找到所需要的數(shù)據(jù)， 速度以指數(shù)級(jí)別提升，用大O標(biāo)記法就是O(log n)，n是記錄總樹，底數(shù)是樹的分叉數(shù)，結(jié)果就是樹的層次數(shù)。換言之，查找次數(shù)是以樹的分叉數(shù)為底，記錄總數(shù)的對(duì)數(shù)，用公式來表示就是
用程序來表示就是Math.Log(100000000,10)，100000000是記錄數(shù)，10是樹的分叉數(shù)（真實(shí)環(huán)境下分叉數(shù)遠(yuǎn)不止10）， 結(jié)果就是查找次數(shù)，這里的結(jié)果從億降到了個(gè)位數(shù)。因此，利用索引會(huì)使數(shù)據(jù)庫查詢有驚人的性能提升。
然而， 事物都是有兩面的， 索引能讓數(shù)據(jù)庫查詢數(shù)據(jù)的速度上升， 而使寫入數(shù)據(jù)的速度下降，原因很簡單的， 因?yàn)槠胶鈽溥@個(gè)結(jié)構(gòu)必須一直維持在一個(gè)正確的狀態(tài)， 增刪改數(shù)據(jù)都會(huì)改變平衡樹各節(jié)點(diǎn)中的索引數(shù)據(jù)內(nèi)容，破壞樹結(jié)構(gòu)， 因此，在每次數(shù)據(jù)改變時(shí)， DBMS必須去重新梳理樹（索引）的結(jié)構(gòu)以確保它的正確，這會(huì)帶來不小的性能開銷，也就是為什么索引會(huì)給查詢以外的操作帶來副作用的原因。
講完聚集索引 ， 接下來聊一下非聚集索引， 也就是我們平時(shí)經(jīng)常提起和使用的常規(guī)索引。
非聚集索引和聚集索引一樣， 同樣是采用平衡樹作為索引的數(shù)據(jù)結(jié)構(gòu)。索引樹結(jié)構(gòu)中各節(jié)點(diǎn)的值來自于表中的索引字段， 假如給user表的name字段加上索引 ， 那么索引就是由name字段中的值構(gòu)成，在數(shù)據(jù)改變時(shí)， DBMS需要一直維護(hù)索引結(jié)構(gòu)的正確性。如果給表中多個(gè)字段加上索引 ， 那么就會(huì)出現(xiàn)多個(gè)獨(dú)立的索引結(jié)構(gòu)，每個(gè)索引（非聚集索引）互相之間不存在關(guān)聯(lián)。 如下圖
每次給字段建一個(gè)新索引， 字段中的數(shù)據(jù)就會(huì)被復(fù)制一份出來， 用于生成索引。 因此， 給表添加索引，會(huì)增加表的體積， 占用磁盤存儲(chǔ)空間。
非聚集索引和聚集索引的區(qū)別在于， 通過聚集索引可以查到需要查找的數(shù)據(jù)， 而通過非聚集索引可以查到記錄對(duì)應(yīng)的主鍵值 ， 再使用主鍵的值通過聚集索引查找到需要的數(shù)據(jù)，如下圖
不管以任何方式查詢表， 最終都會(huì)利用主鍵通過聚集索引來定位到數(shù)據(jù)， 聚集索引（主鍵）是通往真實(shí)數(shù)據(jù)所在的唯一路徑。
然而， 有一種例外可以不使用聚集索引就能查詢出所需要的數(shù)據(jù)， 這種非主流的方法 稱之為「覆蓋索引」查詢， 也就是平時(shí)所說的復(fù)合索引或者多字段索引查詢。 文章上面的內(nèi)容已經(jīng)指出， 當(dāng)為字段建立索引以后， 字段中的內(nèi)容會(huì)被同步到索引之中， 如果為一個(gè)索引指定兩個(gè)字段， 那么這個(gè)兩個(gè)字段的內(nèi)容都會(huì)被同步至索引之中。
先看下面這個(gè)SQL語句
//建立索引
create index index_birthday on user_info(birthday);
//查詢生日在1991年11月1日出生用戶的用戶名
select user_name from user_info where birthday = '1991-11-1'
這句SQL語句的執(zhí)行過程如下
首先，通過非聚集索引index_birthday查找birthday等于1991-11-1的所有記錄的主鍵ID值
然后，通過得到的主鍵ID值執(zhí)行聚集索引查找，找到主鍵ID值對(duì)就的真實(shí)數(shù)據(jù)（數(shù)據(jù)行）存儲(chǔ)的位置
最后， 從得到的真實(shí)數(shù)據(jù)中取得user_name字段的值返回， 也就是取得最終的結(jié)果
我們把birthday字段上的索引改成雙字段的覆蓋索引
create index index_birthday_and_user_name on user_info(birthday, user_name);
這句SQL語句的執(zhí)行過程就會(huì)變?yōu)?/span>
通過非聚集索引index_birthday_and_user_name查找birthday等于1991-11-1的葉節(jié)點(diǎn)的內(nèi)容，然而， 葉節(jié)點(diǎn)中除了有user_name表主鍵ID的值以外， user_name字段的值也在里面， 因此不需要通過主鍵ID值的查找數(shù)據(jù)行的真實(shí)所在， 直接取得葉節(jié)點(diǎn)中user_name的值返回即可。 通過這種覆蓋索引直接查找的方式， 可以省略不使用覆蓋索引查找的后面兩個(gè)步驟， 大大的提高了查詢性能，如下圖
數(shù)據(jù)庫索引的大致工作原理就是像文中所述， 然而細(xì)節(jié)方面可能會(huì)略有偏差，這但并不會(huì)對(duì)概念闡述的結(jié)果產(chǎn)生影響 。
最后， 推薦三本關(guān)系數(shù)據(jù)庫方面的書籍， 文中所講解的概念內(nèi)容都是來自于此。
《SQL Server2005技術(shù)內(nèi)幕之T-SQL查詢》
這本書雖然是針對(duì)SQL Server寫的， 但是里面的大部份內(nèi)容同樣適用于其它關(guān)系數(shù)據(jù)庫，此書對(duì)查詢編寫的技巧和優(yōu)化講解的非常透徹。
《關(guān)系數(shù)據(jù)庫系統(tǒng)概論》第四版
王珊和薩師煊寫的那本， 是大學(xué)計(jì)算機(jī)教材， 講的通俗易懂， 在國內(nèi)計(jì)算機(jī)書圖書出版領(lǐng)域質(zhì)量是排的上號(hào)的。
《數(shù)據(jù)庫系統(tǒng)概念》
這本書在數(shù)據(jù)庫領(lǐng)域非常出名， 被稱之為帆船書， 書中內(nèi)容博大精深，非一朝一夕可參透的。
聯(lián)系客服
