InnoDB索引结构
文章目录
- 索引数据结构
- 聚集索引
- 非聚集索引
- 索引维护
- 顺序插入和随机插入
- 为什么预留空间
- 索引构建过程
- 页的合并拆分
索引数据结构
https://dev.mysql.com/doc/refman/8.4/en/innodb-physical-structure.html
除了空间索引（spatial index）使用R-tree之外，InnoDB索引数据结构都是B+树。每个节点都是一个Page，Page是InnoDB存储记录的最小单位。非叶子节点存储指向子节点的 key 和指针的值。叶子节点存储记录和指向相邻叶节点的指针。索引记录存储在其B+树的叶子节点Page中。索引页的默认大小为16KB。页的大小由MySQL实例初始化时的设置项innodb_page_size设置决定。
聚集索引
每个InnoDB表都有一个特殊的索引，称为聚集索引。聚集索引的功能不单单只是索引，更重要的是，它用于存储引擎为InnoDB的表的所有数据行。
一个表最多只能有一个聚集索引，下面是聚集索引的选取规则：
- 当有主键时，则将主键用作聚集索引
- 当没有主键时，使用第一个
NOT NULL UNIQUE索引作为聚集索引。 - 如果以上都没有，InnoDB会在包含行ID值的合成列上生成一个名为
GEN_CLUST_INDEX的隐藏聚集索引
聚集索引按 key 也就是主键值顺序存储记录，父节点的 key 会在子节点复制一份，并且每个叶节点连接到其相邻的叶节点。这有以下几个好处：
- 双向链表允许在页之间快速移动，便于在不同页之间进行导航。这对于遍历和访问数据时非常高效，因为可以在链表中向前和向后移动。
- 在处理行插入和删除时，双向链表可以快速找到需要更新的页。这对于页的合并、分裂和重用都非常有利。
- 执行范围查询不需要扫描整个树。它所需要做的就是找到包含最小值的叶节点，然后加载下一个叶节点，以此类推，直到到达包含最大值的叶结点。
如果以随机的 key 顺序插入记录，会有性能问题。例如，添加一条键为13的记录，MySQL会将该记录保存在第8页。但是，当您使用 9 作为 key 添加记录时，会导致第7页进行拆分。在这种情况下，MySQL会在页之间移动记录并影响性能。
非聚集索引
辅助索引类似于聚集索引，区别在于，它不在叶子节点中存储数据行，而只存储辅助索引的索引 key 和聚集索引的 key （通常是主键）来查找记录：
辅助索引 key 的顺序和聚集索引 key 的顺序通常不相同，因此进行范围查询不如聚集索引有效。此外，由于辅助索引将存储聚集索引 key ，聚集索引 key 的大小将影响辅助索引的大小。
索引维护
MySQL不会填满整个页的空间；相反，它会为以后的修改留下空间，比如上图第6页。根据MySQL 5.7参考手册：
当新记录插入到InnoDB聚集索引中时，InnoDB会尝试留出1/16的页空间，以便将来插入和更新索引记录。如果按顺序插入索引记录，升序或降序，则生成的索引页的大小约为15/16。如果记录以随机顺序插入，则页面的大小1/2 ~ 15/16。
顺序插入和随机插入
插入数据的顺序取决于多个因素，包括表的类型、存储引擎、索引设计以及具体的插入操作。以下是一些关键情况：
- 顺序插入
自增主键：使用自增（AUTO_INCREMENT）字段时，插入的记录通常是顺序的。例如，当你插入新的行时，它们会根据自增值的顺序添加到表中。
没有竞争的插入：在没有并发插入的情况下，数据通常按插入的顺序存储。
InnoDB 存储引擎：InnoDB 使用聚簇索引（Clustered Index），数据行按照主键顺序存储，因此在自增主键的情况下，数据会顺序插入。 - 随机插入
非自增主键：如果你使用非自增主键（如 UUID 等），插入的记录可能会在不同的位置随机存储。
并发插入：在高并发环境下，多个并发插入可能会导致数据在存储中的位置不再是顺序的。
使用特定的插入策略：如果你在插入时指定了一个具体的值（而不是自增），并且这些值是随机生成的，那么数据将随机分布在表中。
表类型：
对于某些表类型（如 MyISAM），如果插入数据时没有索引，数据可能会顺序插入。然而，一旦有索引，插入可能会导致随机位置的更新。 - 影响因素
事务：在事务中，数据的插入顺序可能会因为锁机制而影响。
索引更新：当插入新记录时，索引的更新可能导致数据在存储中的位置分散。
数据分区：如果使用了数据分区，插入数据的顺序也可能受到影响。
总结
顺序插入：通常发生在使用自增主键且没有并发插入的情况下。
随机插入：发生在使用非自增主键、并发插入或特定插入策略的情况下。
为什么预留空间
在 MySQL 中，页是存储引擎用于管理数据的基本单位。预留空间在 MySQL 页管理中起着关键作用。预留空间是为了提高性能和效率，它能够减少页分裂，提高插入和更新性能，优化空间利用率，并提升整体数据库的并发处理能力和查询性能。以下是一些主要原因：
- 减少页分裂频率
当页满时，如果需要插入新数据，存储引擎会执行页分裂，导致性能下降。预留空间可以减少这种情况的发生，从而减少页分裂的频率。 - 提高插入性能
在批量插入数据时，预留空间可以容纳更多的数据，减少因频繁分裂页而导致的性能开销。 - 优化更新操作
行更新：当更新现有行的大小时，例如增加字符串长度，预留空间可以避免频繁的页移动和分裂，减少锁争用和提高并发性能。 - 提高空间利用率
预留空间有助于维持高效的空间利用率，避免频繁的页合并和碎片化，保持数据的紧凑存储。 - 支持动态行格式
动态扩展：例如，InnoDB 支持动态行格式，长行数据可以存储在不同的页中，预留空间有助于管理这些指针和数据的存储。 - 减轻锁争用
提高并发性：预留空间可以减少因页分裂导致的锁争用，从而提高数据库的并发处理能力。 - 优化读性能
缓存效果：预留的空间可以提高页的缓存效果，减少磁盘 IO，从而提高查询性能。
索引构建过程
https://dev.mysql.com/doc/refman/8.4/en/sorted-index-builds.html
InnoDB在创建或重建B+树索引时执行批量加载。这种索引创建方法被称为排序索引构建。innodb_fill_factor变量定义了在排序索引构建期间填充的每个B+树页面上的空间百分比，剩余空间保留用于未来的索引增长。innodb_fill_factor设置为100时，聚集索引页中有1/16的空间可用于未来的索引增长。
索引构建有三个阶段：
- 第一阶段，扫描聚集索引，生成索引项并将其添加到排序缓冲区。当排序缓冲区已满时，索引项将被排序，然后写入临时中间文件
- 第二阶段，第一阶段执行了一次或多次后，对写入的临时中间文件中的所有索引项执行合并排序
- 第三阶段，将排序后的索引项插入到B+树中；这个过程是多线程的
页的合并拆分
页满率：页的数据量占总数据容量的百分比
如果删除行或通过UPDATE操作缩短行时索引页的页满率低于MERGE_THRESHOLD值，InnoDB将尝试将索引页与相邻索引页进行合并。默认的MERGE_THRESHOLD值为50，最小MERGE_THRESHOLD值为1，最大值为50。
当索引页的页满率降至默认MERGE_THRESHOLD设置的50%以下时，InnoDB会尝试将索引页与相邻页面合并。如果两个页面都接近50%满，则页面合并后很快就会发生页面拆分。如果这种合并-拆分行为频繁发生，可能会对性能产生不利影响。为了避免频繁的合并拆分，您可以降低MERGE_THRESHOLD值，以便InnoDB尝试以较低的容量百分比进行页合并。以较低的页满率合并页会在索引页面中留下更多空间，并有助于减少页的合并拆分行为。
索引页的MERGE_THRESHOLD可以为表或单个索引定义。为单个索引定义的MERGE_THRESHOLD值优先于为表定义的MERGE_THRESHORD值。如果未定义，则MERGE_THRESHOLD值默认为50。
参考资料：
- https://dev.mysql.com/doc/refman/8.4/en/innodb-physical-structure.html
- https://medium.com/@genchilu/a-brief-introduction-to-cluster-index-and-secondary-index-in-innodb-9b8874d4da6a