1)什么是唯一索引?
-
不允许具有索引值相同的行,比如身份证唯一的
案例:假设你在维护一个市民系统,每个人都有一个唯一的身份证号,而且业务代码已经保证了不会写入两个重复的身份证号。如果市民系统需要按照身份证号查姓名,那该如何建索引?
select name from CUser where id_card = 'xxxxxxxyyyyyyzzzzz';
2)为什么说不建议把身份证号当做主键?
-
身份证号字段比较大
3)对上面的语句建索引我们该怎么建?
-
业务代码已经保证了不会写入重复的身份证号,索引给 id_card 字段创建唯一索引,或者创建一个普通索引。
4)从性能的角度考虑,应该选择唯一索引还是普通索引呢?
-
看下面的分析
案例:从这两种索引对查询语句和更新语句的性能影响来进行分析
4.1)select id from T where k=5在索引树上查找的过程在怎样的?
-
先通过 B+ 树从树根开始,按层搜索到叶子节点,图中右下角的这个数据页,然后在数据页内部(数组)通过二分法来定位记录。
4.1.1)如果K是普通索引,那什么时候停止查找?
-
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。
4.1.2)如果K是唯一索引,那什么时候停止查找?
-
由于索引定义了唯一性,找到第一个满足的就停止,不再往后找。
4.1.3)4.1.1和4.1.2这个不同带来的性能差距会有多少呢?
-
基本没有
4.1.4)为什么4.1.1和4.1.2几乎没有差距?
-
InnoDB 读数据不是一条一条从磁盘读到内存的,是一页一页读出来的,K=5和它的下一条都在这一页,所以普通索引多做的那次查找不费力。
4.1.5)InnoDB 中,每个数据页的大小默认是多少?
-
16KB
看完了对查询的影响,接下来我们来看看普通索引和唯一索引对更新语句性能的影响
4.2)什么是change buffer?
-
要更新一个数据页时,如果数据页在内存中就直接更新。
-
数据页不在内存中的话,在不影响数据一致性的前提下InnoDB 会将这些更新操作丢到 change buffer 中,这样就不需要从磁盘中读入这个数据页了。等下次有人查询的时候把数据页读到内存中了。那就顺道更新了。
4.2.1)change buffer只是存在于内存中吗?
-
内存中有副本,磁盘中也有。
4.2.2)将change buffer 中的操作应用到原数据页这个过程叫什么?
-
merge
4.2.3)merge在哪些时刻会发生?
-
访问这个要更新的数据页会触发 merge
-
系统有后台线程会定期 merge
-
据库正常关闭(shutdown)的过程中,也会执行 merge。
4.2.4)change buffer的优点有哪些?
-
减少读磁盘,语句的执行速度会得到明显的提升。
-
数据读入内存会占用 buffer pool,这种方式还能够避免占用内存,提高内存利用率。
4.2.5)什么条件下可以使用 change buffer 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 change buffer 了。
-
所以唯一索引不能用change buffer,只有普通索引才能用。
4.2.6)change buffer的大小是多少?
-
它是 buffer pool 里的内存,因此不能无限增大。
-
通过参数 innodb_change_buffer_max_size可以设置大小。
-
设置为 50 的时候,表示 change buffer 的大小最多只能占用 buffer pool 的 50%。
4.3)如果要在上面那张表中插入一个新记录 (4,400) 的话,InnoDB 的处理流程是怎样的?
-
目标页刚好在内存:
-
对唯一索引来说,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。
-
-
目标页不在内存中:
-
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 change buffer,语句执行就结束了。
-
4.4)通过上面的分析,你知道更新的时候该选择唯一索引还是普通索引了吗?为什么?
-
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。change buffer 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。
4.5)因为唯一索引和普通索引的差距造成过哪些实际bug?
-
有个 DBA 的同学跟我反馈说,他负责的某个业务的库内存命中率突然从 99% 降低到了 75%,整个系统处于阻塞状态,更新语句全部堵住。而探究其原因后,我发现这个业务有大量插入数据的操作,而他在前一天把其中的某个普通索引改成了唯一索引。
4.6)普通索引的所有场景,使用 change buffer 都可以起到加速作用吗?
-
因为change buffer在merge之前把我们的更新语句缓存下来了,那么在merge之前,缓存的更新语句越多越好。
-
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 change buffer 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。
-
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 change buffer,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 change buffer 的维护代价。所以,对于这种业务模式来说,change buffer 反而起到了副作用。
5)经过上面的学习,普通索引和唯一索引应该怎么选择?
-
它两查询没啥差别,但是更新的话还是普通索引更胜一筹,所以我们尽量选择普通索引。
6)如果所有的更新后面,都马上伴随着对这个记录的查询,那我们应该做哪些操作?
-
关闭 change buffer
7)前面我们说过redo log,那change buffer 和 redo log的区别是什么?
-
redo log 节省的是我们语句从内存写入磁盘中的IO消耗
-
change buffer 节省的是我们数据从磁盘读到内存的消耗
分析过程:
我们往数据库插入两条记录
insert into t(id,k) values(id1,k1),(id2,k2);
假如k1 所在的数据页在内存 (InnoDB buffer pool) 中
k2 所在的数据页不在内存中
这条更新语句做了如下的操作(按照图中的数字顺序):
-
Page 1 在内存中,直接更新内存;
-
Page 2 没有在内存中,就在内存的 change buffer 区域,记录下“我要往 Page 2 插入一行”这个信息
-
将上述两个动作记入 redo log 中(图中 3 和 4)。
8)通过上图 你可以看到,change buffer 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 change buffer 丢失呢?change buffer 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?
-
不会导致change buffer丢失。因为在更改change buffer 时也会写redo log,也需要持久化