数据库教程:Mysql普通索引与唯一索引的选择详析分享

假设一个用户管理系统，每个人注册都有一个唯一的手机号，而且业务代码已经保证了不会写入两个重复的手机号。如果用户管理系统需要按照手机号查姓名，就会执行类似这样的SQL语句：

selectnamefromuserswheremobile='15202124529';

通常会考虑在mobile字段上建索引。由于手机号字段相对较大，通常基本不会把手机号当做主键，那么现在就有两个选择:

1. 给id_card字段创建唯一索引
2. 创建一个普通索引

如果业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的。

从性能的角度考虑，选择唯一索引还是普通索引？

如图：假设字段k上的值都不重复

接下来，就从这两种（ID，k）索引对查询语句和更新语句的性能影响来进行分析

查询过程

假设，执行查询的语句是selectidfromTwherek=5。这个查询语句在索引树上查找的过程，先是通过B+树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，然后可以认为数据页内部通过二分法来定位记录(数据页内部通过有序数组保存节点。数据页之间通过双向链表串接)。

对于普通索引来说，查找到满足条件的第一个记录(5,500)后，需要查找下一个记录，直到碰到第一个不满足k=5条件的记录。 对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索。

那么，这个不同带来的性能差距会有多少呢？答案是，微乎其微。

原因：除非Key的列非常大，有连续多个Key占满了一个page，才会引起一次page的IO，这样才会产生比较明显的性能差异，从均摊上看，差异几乎可以不算。

InnoDB的数据是按数据页为单位来读写的。也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。在InnoDB中，每个数据页的大小默认是16KB。

更新过程

为了说明普通索引和唯一索引对更新语句性能的影响这个问题，需要先介绍一下changebuffer

当需要更新一个数据页时，如果数据页在内存中就直接更新， 而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下：
 InnoDB会将这些更新操作缓存在changebuffer中，这样就不需要从磁盘中读入这个数据页了。 在下次查询需要访问这个数据页的时候，将数据页读入内存， 然后执行changebuffer中与这个页有关的操作。

   通过这种方式就能保证这个数据逻辑的正确性

需要说明的是，虽然免费精选名字大全叫作changebuffer，实际上它是可以持久化的数据。也就是说，changebuffer在内存中有拷贝，也会被写入到磁盘上。

把changebuffer中的操作，应用到旧的数据页，得到新的数据页的过程，应该称为merge。

Ps. 除了访问这个数据页会触发merge外，系统有后台线程会定期merge。在数据库正常关闭（shutdown）的过程中，也会执行merge操作。

(changebuffer的merge操作，先把changebuffer的操作更新到内存的数据页中，此操作写到redolog中，mysql未宕机，redolog写满后需要移动checkpoint点时，通过判断内存中数据和磁盘是否一致即是否是脏页来刷新到磁盘中，当mysql宕机后没有内存即没有脏页,通过redolog来恢复。)

显然，如果能够将更新操作先记录在changebuffer，减少读磁盘，语句的执行速度会得到明显的提升。

而且，数据读入内存是需要占用bufferpool的，所以这种方式还能够避免占用内存，提高内存利用率。

什么条件下可以使用changebuffer呢？

对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束。

比如，要插入(4,400)这个记录，就要先判断现在表中是否已经存在k=4的记录，而这必须要将数据页读入内存才能判断。

如果都已经读入到内存了，那直接更新内存会更快，就没必要使用changebuffer了。

因此，唯一索引的更新就不能使用changebuffer，实际上也只有普通索引可以使用。

changebuffer用的是bufferpool里的内存，因此不能无限增大。changebuffer的大小，可以通过参数innodb_change_buffer_max_size来动态设置。这个参数设置为50的时候，表示changebuffer的大小最多只能占用bufferpool的50%。

Ps.数据库缓冲池(bufferpool)https://www.jianshu.com/p/f9ab1cb24230

分析：插入一个新记录InnoDB的处理流程

理解了changebuffer的机制，那么如果要在这张表中插入一个新记录(4,400)的话，InnoDB的处理流程是怎样的

1、第一种情况是：这个记录要更新的目标页在内存中。

 这时，InnoDB的处理流程如下：对于唯一索引来说，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束； 对于普通索引来说，找到3和5之间的位置，插入这个值，语句执行结束。

这样看来，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的CPU时间。但，这不是关注的重点

2、第二种情况是，这个记录要更新的目标页不在内存中。这时，InnoDB的处理流程如下：

对于唯一索引来说，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束； 对于普通索引来说，则是将更新记录在changebuffer，语句执行就结束了。

将数据从磁盘读入内存涉及随机IO的访问，是数据库里面成本最高的操作之一。changebuffer因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的。

changebuffer主要是将更新操作缓存起来,异步处理.这样每次更新过来,直接记下changebuffer即可,速度很快，将多次写磁盘变为一次写磁盘

changebuffer的使用场景

通过上面的分析，已经清楚了使用changebuffer对更新过程的加速作用，也清楚了changebuffer只限于用在普通索引的场景下，而不适用于唯一索引。

普通索引的所有场景，使用changebuffer都可以起到加速作用吗？

因为merge的时候是真正进行数据更新的时刻，而changebuffer的主要目的就是将记录的变更动作缓存下来，所以在一个数据页做merge之前，changebuffer记录的变更越多（也就是这个页面上要更新的次数越多），收益就越大。

因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时changebuffer的使用效果最好。这种业务模型常见的就是账单类、日志类的系统。（适合写多读少的场景，读多写少反倒会增加changebuffer的维护代价）

反过来，假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在changebuffer，但之后由于马上要访问这个数据页，会立即触发merge过程。这样随机访问IO的次数不会减少，反而增加了changebuffer的维护代价。所以，对于这种业务模式来说，changebuffer反而起到了副作用。（如果立即对普通索引的更新操作结果执行查询，就会触发merge操作，磁盘中的数据会和changebuffer的操作记录进行合并，产生大量io）

索引选择和实践

综上分析，普通索引和唯一索引应该怎么选择：

其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响。所以，建议尽量选择普通索引。

如果所有的更新后面，都马上伴随着对这个记录的查询，那么应该关闭changebuffer。

而在其他情况下，changebuffer都能提升更新性能。在实际使用中，普通索引和changebuffer的配合使用，对于数据量大的表的更新优化还是很明显的。

Ps.特别地，在使用机械硬盘时，changebuffer这个机制的收效是非常显著的。所以，当有一个类似“历史数据”的库，应该特别关注这些表里的索引，尽量使用普通索引，然后把changebuffer尽量开大，以确保这个“历史数据”表的数据写入速度。

changebuffer和redolog

理解了changebuffer的原理，可能会联想到redolog和WAL(Write-AheadLogging，它的关键点就是先写日志，再写磁盘)。

WAL提升性能的核心机制，也的确是尽量减少随机读写

在表上执行这个插入语句：

mysql>insertintot(id,k)values(id1,k1),(id2,k2);

假设当前k索引树的状态，查找到位置后，k1所在的数据页在内存(InnoDBbufferpool)中，k2所在的数据页不在内存中。如图是带changebuffer的更新状态图。

图3 带changebuffer的更新过程

分析这条更新语句，你会发现它涉及了四个部分：

内存、redolog（ib_log_fileX）、数据表空间（t.ibd）、系统表空间（ibdata1）。

数据表空间：就是一个个的表数据文件，对应的磁盘文件就是“表名.ibd”；系统表空间：用来放系统信息，如数据字典等，对应的磁盘文件是“ibdata1”

数据表空间和系统表空间似乎代表的就是B+树对应的那个复杂的结构

这条更新语句做了如下的操作（按照图中的数字顺序）：

Page1在内存中，直接更新内存； Page2没有在内存中，就在内存的changebuffer区域，记录下“我要往Page2插入一行” 这个信息将上述两个动作记入redolog中（图中3和4）。

做完上面这些，事务就可以完成了。所以，你会看到，执行这条更新语句的成本很低，就是写了两处内存，然后写了一处磁盘（两次操作合在一起写了一次磁盘），而且还是顺序写的。

changebuffer和redolog颗粒度不一样，因为changebuffer只是针对如果更改的数据所在页不在内存中才暂时储存在changebuffer中。而redolog会记录一个事务内进行数据更改的所有操作，即使修改的数据已经在内存中了，那也会记录下来

同时，图中的两个虚线箭头，是后台操作，不影响更新的响应时间。

那在这之后的读请求，要怎么处理呢？

比如，我们现在要执行select*fromtwherekin(k1,k2)。

如果读语句发生在更新语句后不久，内存中的数据都还在，那么此时的这两个读操作就与系统表空间（ibdata1）和redolog（ib_log_fileX）无关了。

图4带changebuffer的读过程

从图中可以看到：读Page1的时候，直接从内存返回。

WAL之后如果读数据，是不是一定要读盘，是不是一定要从redolog里面把数据更新以后才可以返回？

其实是不用的。虽然磁盘上还是之前的数据，但是这里直接从内存返回结果，结果是正确的。要读Page2的时候，需要把Page2从磁盘读入内存中，然后应用changebuffer里面的操作日志，生成一个正确的版本并返回结果。可以看到，直到需要读Page2的时候，这个数据页才会被读入内存。

如果要简单地对比这两个机制在提升更新性能上的收益的话，redolog主要节省的是随机写磁盘的IO消耗（转成顺序写），而changebuffer主要节省的则是随机读磁盘的IO消耗。

思考题：

1、通过图3可以看到，changebuffer一开始是写内存的，那么如果这个时候机器掉电重启，会不会导致changebuffer丢失呢？changebuffer丢失可不是小事儿，再从磁盘读入数据可就没有了merge过程，就等于是数据丢失了。会不会出现这种情况呢？

答：

1.changebuffer有一部分在内存有一部分在ibdata.

做purge操作,应该就会把changebuffer里相应的数据持久化到ibdata

2.redolog里记录了数据页的修改以及changebuffer新写入的信息

如果掉电,持久化的changebuffer数据已经purge,不用恢复。主要分析没有持久化的数据

情况又分为以下几种:

(1)changebuffer写入,redolog虽然做了fsync但未commit,binlog未fsync到磁盘,这部分数据丢失
(2)changebuffer写入,redolog写入但没有commit,binlog以及fsync到磁盘,先从binlog恢复redolog,再从redolog恢复changebuffer

(3)changebuffer写入,redolog和binlog都已经fsync.那么直接从redolog里恢复。

上述就是数据库技术:Mysql普通索引与唯一索引的选择详析分享的全部内容，如果对大家有所用处且需要了解更多关于mysql数据库学习教程，希望大家多多关注—计算机技术网(www.ctvol.com)!