初始MYSQL数据库（5）—— 索引

news2024/12/28 11:32:15

找往期文章包括但不限于本期文章中不懂的知识点：

个人主页：我要学编程(ಥ_ಥ)-CSDN博客

所属专栏： MYSQL

目录

索引的概念 

索引选择的数据结构

MySQL中的页的相关知识

索引的分类

主键索引 

普通索引

唯一索引

非聚集索引

回表查询与索引覆盖 

索引的使用

创建主键索引 

使用 alter 修改表结构

增加列

删除列

修改列的数据类型 

修改表名

添加约束 

删除约束 

创建唯一索引

创建外键索引 

创建普通索引 

查看索引 

删除索引 

创建索引的注意事项 

索引的概念 

MySQL中的索引是一种数据结构，它可以帮助数据库高效地查询、更新数据表中的数据。索引通过一定的规则排列数据表中的记录，使得对表的查询可以通过对索引的搜索来加快速度。
MySQL索引类似于书籍的目录，通过指向数据行的位置，可以快速定位和访问表中的数据，比如
汉语字典的目录（索引）页，我们可以按笔画、偏旁部首、拼音等排序的目录（索引）快速查找到需要的字。 

为什么要使用索引呢？索引可以让数据库更加高效地查询、更新数据。

索引选择的数据结构

我们前面知道了MySQL中的索引是一种数据结构，但到底使用的是什么数据结构呢？现在我们就来探讨一下。

首先，上场的是最优秀的数据结构：哈希表。通过学习哈希表，我们知道其存取的时间复杂度是O(1)，没有哪一种数据结构快过它。但是由于存在哈希冲突和不能实现范围查找的问题（数据库中 的数据可不是一星半点的），最终被淘汰下场了。

接着，上场的是二叉搜索树。这个既不会存在哈希冲突，还能实现范围查找，并且时间复杂度还能达到O(log N)，但可惜的是由于其不能确保树高，并且在特殊情况下的数据是一棵单分支的树，造成其效率低下，最终也被淘汰下场。

再接着就是AVL树和红黑树两兄弟来了，在汲取上次教训的基础上，这两兄弟实现了升级和改版之后，确实保证了树高（红黑树不算严格保证树高）。但是由于在插入数据时要进行频繁的旋转和在数据量非常大的情况下，树高还是不能保证（父节点最多只能有两个孩子）。因此最终也是很遗憾地被淘汰了。

注意：由于数据是存储在磁盘中，如果想要获取数据的话，就得需要去进行磁盘的IO，而磁盘的IO效率是十分低下的，因此在设计索引时，应当减少磁盘的IO。而我们在获取二叉树的数据时，每次都得去进行磁盘的IO，并且一次磁盘的IO只获取一层的节点数据（内存较小，无法一次性把磁盘中的数据全部读取到内存中），因此当树高非常高时（数据量过大），在查找数据的过程中，磁盘的IO次数也就非常多，这也就直接导致了查找的效率十分低下了。

通过上面的标准，AVL树和红黑树两兄弟继续奋发图强进行改造和升级。既然你说树的层数过高导致效率低下，那么我每个父节点就允许可以有若干个孩子节点，这样就可以减少层数啦！这就是B树，也被称为N叉树。可惜这个面试官还是太挑了（毕竟人家MySQL是"大公司"嘛），最终B树没有被选上，而是选择它的加强版B+树。我们下面就来看看这个B+树比B树好在哪里。

B+树有以下特点：

1、 非叶子节点并未储存数据，只是把当作索引用的，叶子结点才是存储的真实数据；

2、叶子节点之间构成了一个双向链表；

3、查找任意数据的时间复杂度都是相同的。因为所有的数据都是存储在叶子结点，即查找数据都是查找到叶子结点。

MySQL中的页的相关知识

在学习页之前，得先知道 .ibd 文件，.ibd 文件是 InnoDB存储引擎创建表时，产生的独立表空间文件名后缀。而每一个独立表空间文件都是有很多的页组成的。页是内存与磁盘交互的最小单元，默认大小为 16KB，每次内存与磁盘的交互至少读取一页，所以在磁盘中每个页内部的地址都是连续的。页也分为很多种：数据页（存储真实数据的）、索引页（存储索引信息的）......这些页内部是由页头、页尾、页主体（由很多数据行组成）组成的。页头中存储了上一页号和下一页号的地址，也就是页与页之间构成了双向链表的关系。其实B+树中的节点就是由若干个页组成的。页主体中除了存储真实数据的数据行之外，还有两个特殊的数据行：最大行与最小行。这两个行是被当成链表的单链表的头和尾使用的。即页主体的数据行其实是一个单向链表。而最小行就被当成了单链表的头，最大行就被当成了单链表的尾。并且当页主体中的数据行也会进行分组（一组中当数据超过8条时，便会重新开始分配新的组），而最小行会被单独当作一组，最大行是在最后一组（但不是单独的）。并且随着分组的创建也会产生一个页目录（用于对数据行进行更快的查找），这个页目录是由槽组成的，即每个分组对应着一个槽。槽中记录的是对应组的最后一个数据行的索引信息。最后页主体中还有一个数据页头，记录的是当前页保存数据的相关信息。即保存的主体页的相关数据信息。

上面都是为索引做的铺垫，下面我们才开始索引的学习。

索引的分类

主键索引 

当在表中定义了一个主键 primary key时，会自动创建一个索引，InnoDB会使用其作为主键索引，也被称为聚集索引或者聚簇索引。 

普通索引

 为了提高查询的效率，针对查询平凡的列创建的索引。

唯一索引

当在表中定义了一个唯一键 unique 时，会自动创建唯一索引。唯一索引在普通索引的基础上避免了值重复出现。

注意：

1、每创建一个索引，都会生成一棵索引树，同样也是会占用磁盘空间的。并且索引树越多，对增删改的效率影响就越大。因为要去维护索引树的相关信息。 

2、当一个表中没有创建主键时，会用第一个unique 和 not null 的列作为聚集索引。如果找不到的话，InnoDB会自增一个列为聚集索引，但是我们是无权使用的。

非聚集索引

除了聚集索引以外的索引都是被称为非聚集索引的或者是二级索引。

回表查询与索引覆盖 

当我们使用 select 语句进行查询操作时，如果在索引信息部分（聚集索引）找到了要查询的信息，那么就没必要继续查询了，直接返回查询的结果即可。这就叫索引覆盖。而当索引信息中没有我们要查找的信息时，就需要去存储完整数据的地方去查询相关信息，这就叫回表查询。

索引的使用

知道了索引的分类和相关信息，接下来，我们就开始创建和使用索引。

创建主键索引 

前面我们学习了，创建主键、外键、唯一键时都会自动生成索引，因此在创建这三种索引时，都只是在创建其相关约束。 

-- 方式一
create table student (
	id bigint primary key auto_increment,
	name varchar(50)
);

-- 方式二
create table student2 (
	id bigint auto_increment,
	name varchar(50),
	primary key (id) -- 这里指定多个列，使用复合主键的方式
);

-- 方式三
create table student3 (
	id bigint,
	name varchar(50)
);
alter table student3 add primary key (id);
alter table student3 modify id bigint auto_increment;

第三种方式，是一种修改表结构的方式。 现在就来详细学习一下。

使用 alter 修改表结构

增加列

语法：

ALTER TABLE table_name
ADD column_name datatype;

例如：

-- 往student表中添加class_id这样一列，数据类型为bigint
alter table student add class_id bigint;

删除列

语法： 

ALTER TABLE table_name
DROP column_name;

例如：

-- 将student表中列名为class_id的列删除
alter table student drop class_id：

修改列的数据类型 

语法： 

ALTER TABLE table_name
MODIFY column_name datatype;

例如：

-- 将student表中列名为name的列，其数据类型修改为 varchar(20)
alter table student modify name varchar(20);

修改表名

语法：

ALTER TABLE old_table_name 
RENAME TO new_table_name;

例如：

-- 将表名为student的表，其名字修改为stu
alter table student rename to stu;

添加约束 

语法：

-- 添加主键约束和唯一约束比较简单，都是下面的语法
ALTER TABLE table_name 
ADD PRIMARY KEY (column_name);

ALTER TABLE table_name 
ADD UNIQUE (column_name);

例如：

-- 为student表的id列添加为主键
alter table student add primary key (id);

删除约束 

语法：

ALTER TABLE table_name 
DROP CONSTRAINT constraint_name;

例如：

-- 将student表中的主键约束删除（包括复合主键）
alter table student drop constraint primary key;

创建唯一索引

-- 方式一
create table class (
  id bigint primary key auto_increment,
  name varchar(30) unique
);

-- 方式二
create table class2 (
  id bigint primary key auto_increment,
  name varchar(30),
  unique key (name) -- 注意这里的写法是unique key
);

-- 方式三
create table class3 (
  id bigint primary key auto_increment,
  name varchar(30)
);
alter table class3 add unique (name);

创建外键索引 

-- 方式一
create table class (
  id bigint primary key auto_increment,
  name varchar(30) unique
);

create table student (
  id bigint primary key auto_increment,
  name varchar(50),
  class_id bigint,
  foreign key (class_id) references class(id)
);

 由于使用 alter 新增外键比较麻烦，因此也就导致了创建外键索引时，也会比较麻烦。

 使用 alter 语句创建外键 (索引) 语法：

ALTER TABLE child_table
ADD CONSTRAINT fk_name
FOREIGN KEY (child_column)
REFERENCES parent_table(parent_column)

参数说明： 

child_table：子表名称。
fk_name ：外键约束的名称，可以自定义。
child_column：子表中要作为外键的列名。
parent_table ：父表名称。
parent_column ：父表中被引l用的列名。

例如： 

-- 指定外键约束名称
alter table student2 add constraint fk_name 
foreign key (class_id) references class(id);

-- 不指定外键约束名称
alter table student2 add foreign key (class_id) references class(id);

有上面两种创建外键 (索引) 的方式。区别如下所示：

创建普通索引 

-- 方式一
create table student (
  id bigint primary key auto_increment,
  name varchar(50),
  sno varchar(20),
  index (sno)
);

-- 方式二
create table student2 (
  id bigint primary key auto_increment,
  name varchar(50),
  sno varchar(20)
);
alter table student2 add index (sno);

-- 方式三
create table student3 (
  id bigint primary key auto_increment,
  name varchar(50),
  sno varchar(20)
);
create index index_student3_sno on student3(sno);

方式三使用创建索引的方式，而方式一和方式二都是添加索引的方式。

上面都是创建一个单独的索引，现在我们开始学习复合索引。

-- 方式一
create table student (
  id bigint primary key auto_increment,
  name varchar(50),
  sno varchar(20),
  class_id bigint,
  index (sno, class_id)
);

-- 方式二
create table student2 (
  id bigint primary key auto_increment,
  name varchar(50),
  sno varchar(20),
  class_id bigint
);
alter table student2 add index (sno, class_id);

-- 方式三
create table student3 (
  id bigint primary key auto_increment,
  name varchar(50),
  sno varchar(20),
  class_id bigint
);
create index index_student3_sno on student3(sno, class_id);

当然，我们刚刚学习的索引都是可以创建复合索引的，这里只展示普通索引的示例。 

查看索引 

既然我们创建了索引，那么就应该可以查看索引的相关信息。 

语法：

-- 方式一
show index from table_name;

-- 方式二
show keys from table_name;

例如：

-- 查看student表的索引信息
show index from student;

-- 查看student表的索引信息
show keys from student;

查询结果都是如下所示： 

注意：虽然这里索引的数据类型显示的是BTREE，但实际上是B+树。 

如果只有查看简明信息的话，就是使用我们前面学习的查看表结构的方法。 

唯一键对应的就是 UNI。 

注意：查看复合索引的详细信息时，键名都是指第一列的(从左往右)。如下所示：

删除索引 

 删除的索引中分为两种：1、主键索引；2、其他索引。

删除主键索引的语法：

alter table table_name drop primary key;

注意：再删除主键时，不能有自增属性，否则会报错。如果存在自增属性的话，得先把自增属性给删除，再去删除主键。

删除其他索引的语法：

alter table table_name drop index 索引名;

注意这里的索引名不是列名，而是我们在创建索引时取的名字。 

创建索引的注意事项 

1、索引应该创建在高频查询的列上；

2、索引需要占用额外的存储空间，所以索引不是越多越好；

3、对表进行插入、更新和删除操作时，同时也会修索引，可能会影响性能（在数据过多的情况下）；

4、创建过多或不合理的索引会导致性能下降，需要谨慎选择和规划索引。

好啦！本期 初始MYSQL数据库（5）—— 索引 的学习之旅就到此结束啦！我们下一期再一起学习吧！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2143602.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

基于python+django+vue的宠物服务管理系统

基于python+django+vue的宠物服务管理系统

作者：计算机学姐 开发技术：SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等，“文末源码”。 专栏推荐：前后端分离项目源码、SpringBoot项目源码、SSM项目源码 系统展示 【2025最新】基于pythondjangovueMySQL的宠…
阅读更多...
云原生（Cloud Native）简介及相关技术

云原生（Cloud Native）简介及相关技术

云原生（Cloud Native）简介及相关技术 什么是云原生？ 云原生（Cloud Native）是一种设计和开发应用程序的方法，旨在充分利用云计算的弹性、可扩展性和分布式架构优势。通过采用微服务架构、容器化、持续集成…
阅读更多...
【自动驾驶】决策规划算法（一）决策规划仿真平台搭建 | Matlab + Prescan + Carsim 联合仿真基本操作

【自动驾驶】决策规划算法（一）决策规划仿真平台搭建 | Matlab + Prescan + Carsim 联合仿真基本操作

写在前面： 🌟 欢迎光临 清流君 的博客小天地，这里是我分享技术与心得的温馨角落。📝 个人主页：清流君_CSDN博客，期待与您一同探索 移动机器人 领域的无限可能。 🔍 本文系 清流君 原创之作&…
阅读更多...
Java | Leetcode Java题解之第413题等差数列划分

Java | Leetcode Java题解之第413题等差数列划分

题目： 题解： class Solution {public int numberOfArithmeticSlices(int[] nums) {int n nums.length;if (n 1) {return 0;}int d nums[0] - nums[1], t 0;int ans 0;// 因为等差数列的长度至少为 3，所以可以从 i2 开始枚举for (int i …
阅读更多...
硬件工程师笔试面试——集成电路

硬件工程师笔试面试——集成电路

目录 17、集成电路 17.1 基础 集成电路实物图 17.1.1 概念 17.1.2 集成电路的发展历程 17.1.3 集成电路的分类 17.1.4 集成电路的制造工艺 17.1.5 集成电路的应用 17.2 相关问题 17.2.1 集成电路的制造工艺中，光刻技术是如何实现的? 17.2.2 在集成电路设计中，如何…
阅读更多...
【Python百日进阶-Web开发-FastAPI】Day801 - FastAPI是什么

【Python百日进阶-Web开发-FastAPI】Day801 - FastAPI是什么

文章目录 一、官网二、FastAPI是什么三、FastAPI特性3.1 基于开放标准3.2 自动生成文档3.3 更主流的 Python3.4 编辑器支持3.5 简洁3.6 验证3.7 安全性及身份验证3.8 依赖注入3.9 无限制"插件"3.10 测试四、Starlette 特性五、Pydantic 特性六、Python 类型提示简介6…
阅读更多...
DERP靶机详解

DERP靶机详解

靶机下载地址 https://www.vulnhub.com/entry/derpnstink-1,221/ 靶机配置 默认是桥接模式，切换为NAT模式后重启靶机 主机发现 arp-scan -l 端口扫描 nmap -sV -A -T4 192.168.229.158 访问网页 http://192.168.229.158/ 目录扫描 python dirsearch.py -u htt…
阅读更多...
css边框修饰

css边框修饰

一、设置线条样式 通过 border-style 属性设置，可选择的一些属性如下： dotted：点线 dashed：虚线 solid：实线 double：双实线 效果如下： 二、设置边框线宽度 ① 通过 border-width 整体设置…
阅读更多...
量化在密集向量检索中的权衡：深入分析索引时间、查询效率与召回效果

量化在密集向量检索中的权衡：深入分析索引时间、查询效率与召回效果

在现代信息检索系统中，向量搜索已成为提升检索质量和效率的关键技术。随着数据量的激增，如何高效地处理和检索大规模向量数据集，成为了一个重要课题。最近，我在研究一篇关于密集和稀疏检索器的论文——《Operational Advice for D…
阅读更多...
【图像匹配】基于Harris算法的图像匹配，matlab实现

【图像匹配】基于Harris算法的图像匹配，matlab实现

博主简介：matlab图像代码项目合作（扣扣：3249726188） ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 本次案例是基于基于Harris算法的图像匹配，用matlab实现。 一、案例背景和算法介绍 …
阅读更多...
无人机培训机构技术股份合作探讨

无人机培训机构技术股份合作探讨

随着无人机技术的飞速发展，其在航拍、农业、物流、环境监测、应急救援等多个领域展现出巨大潜力，市场对无人机专业人才的需求急剧增加。鉴于此，多家致力于无人机培训教育的机构决定携手合作，通过技术股份合作模式，共同…
阅读更多...
基于RBAC的实验室预约系统中授权模块的研究与实现

基于RBAC的实验室预约系统中授权模块的研究与实现

博主介绍：专注于Java vue .net php phython 小程序 等诸多技术领域和毕业项目实战、企业信息化系统建设，从业十五余年开发设计教学工作 ☆☆☆ 精彩专栏推荐订阅☆☆☆☆☆不然下次找不到哟 我的博客空间发布了1000毕设题目 方便大家学习使用 感兴趣的…
阅读更多...
kali——foremost的使用

kali——foremost的使用

目录 前言 使用方法 前言 foremost工具是一个在Kali Linux中用于数字取证和数据恢复的强大工具。 使用方法 foremost -t all -i 数据包绝对路径修复好的数据包，将会自动保存在output目录里。
阅读更多...
7--SpringBoot-后端开发、原理

7--SpringBoot-后端开发、原理

配置优先级 SpringBoot 项目当中支持的三类配置文件： application.properties application.yml application.yaml 配置文件优先级排名（从高到低）： 1. properties配置文件 2. yml配置文件 3. yaml配置文件 在SpringBoot项目当…
阅读更多...
Effective C++笔记之二十三：非void函数不写return

Effective C++笔记之二十三：非void函数不写return

一.main函数 Qt Creator查看汇编的步骤如下 上图是g编译器下的汇编 eax就是main()函数的返回值 如果删掉return 0； 可以发现编译器还是把eax的值设为了0，由此可见，即使在main函数中不写return 0，编译器还是会默认添加个return 0。…
阅读更多...
Java 入门指南：JVM（Java虚拟机）垃圾回收机制 —— 垃圾收集器

Java 入门指南：JVM（Java虚拟机）垃圾回收机制 —— 垃圾收集器

文章目录 垃圾回收机制Stop-the-World垃圾收集器垃圾收集器分类Serial 收集器Serial Old 收集器ParNew 收集器Parallel Scavenge 收集器Parallel Old 收集器CMS 收集器CMS 收集器缺点 G1 收集器G1 收集器特点G1 收集器的分代理念G1 收集器运作过程 垃圾回收机制 垃圾回收&…
阅读更多...
二、Servlet

二、Servlet

文章目录 1. Servlet技术1.1 什么是Servlet1.2 手动实现 Servlet 程序1.3 url 地址到 Servlet 程序的访问1.4 Servlet 的生命周期1.5 GET 和 POST 请求的分发1.6 通过继承 HttpServlet 实现 Servlet 程序1.7 使用 IDEA 创建 Servlet 程序1.8 Servlet 类的继承体系 2. ServletCo…
阅读更多...
计算机人工智能前沿进展-大语言模型方向-2024-09-13

计算机人工智能前沿进展-大语言模型方向-2024-09-13

计算机人工智能前沿进展-大语言模型方向-2024-09-13 1. OneEdit: A Neural-Symbolic Collaboratively Knowledge Editing System Authors: Ningyu Zhang, Zekun Xi, Yujie Luo, Peng Wang, Bozhong Tian, Yunzhi Yao, Jintian Zhang, Shumin Deng, Mengshu Sun, Lei Liang, Z…
阅读更多...
有机水果蔬菜检测系统源码分享

有机水果蔬菜检测系统源码分享

有机水果蔬菜检测检测系统源码分享 [一条龙教学YOLOV8标注好的数据集一键训练_70全套改进创新点发刊_Web前端展示] 1.研究背景与意义 项目参考AAAI Association for the Advancement of Artificial Intelligence 项目来源AACV Association for the Advancement of Computer…
阅读更多...
NPM如何切换淘宝镜像进行加速

NPM如何切换淘宝镜像进行加速

什么是淘宝镜像NPM？ 淘宝镜像NPM和官方NPM的主要区别在于服务器的地理位置和网络访问速度。淘宝镜像NPM是由淘宝团队维护的一个npm镜像源，主要服务于中国大陆用户，提供了一个国内的npm镜像源，地址为 https://registry.npmmirror.…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023