应不应该购买老域名建设新网站,网站设计总结,陷在泥里无法前进 企业解决方案,wordpress安装创建数据库文件索引的概念
在MySQL中#xff0c;索引是一种数据结构#xff0c;它被用于快速查找、读取或插入数据。索引能够极大地提高数据库查询的速度。
索引的工作方式类似于图书的索引。如果你想在图书馆找到一本书#xff0c;你可以按照书名进行查找。书名就像是一个索引#xf…索引的概念
在MySQL中索引是一种数据结构它被用于快速查找、读取或插入数据。索引能够极大地提高数据库查询的速度。
索引的工作方式类似于图书的索引。如果你想在图书馆找到一本书你可以按照书名进行查找。书名就像是一个索引它可以快速引导你找到正确的书籍。在数据库中索引也是同样的作用。
索引在MySQL中的作用主要有以下几点
加速查询当对数据库进行查询时MySQL可以通过索引快速定位到需要的数据而不需要扫描整个数据库。排序如果查询需要按照某个字段进行排序索引可以提高排序的效率。分组GROUP BY当使用GROUP BY子句时索引也可以提高分组的速度。限制结果集索引可以过滤掉不需要的数据从而减少需要返回的数据量。
需要注意的是虽然索引可以提高查询速度但是它也有一些负面影响。例如索引需要占用存储空间并且在插入、更新、删除数据时由于需要维护索引可能会导致一些性能开销。因此在设计数据库时需要根据实际情况来决定是否需要创建索引以及在哪些字段上创建索引。
计算机中磁盘的扇区与磁道--前提 扇区是指磁盘上划分的区域。磁盘上的每个磁道被等分为若干个弧段这些弧段便是磁盘的扇区硬盘的读写以扇区为基本单位 其实就是一个磁盘被一个一个同心圆划分为一个个磁道。一个个磁道被分割为一个个扇区也就是说在这里面的绿色的就是一个扇区。 通常一个扇区可以存储可以存放512个字节的信息磁盘驱动器在向磁盘读取和写入数据时要以扇区为单位。
索引的核心--减少磁盘io
磁盘io的效率是很慢的
磁盘io是计算机系统中慢的一项工作所以它会花费大量的时间。这是因为磁盘io操作的性能取决于它的物理结构而物理结构受到了一些限制。
磁盘io操作的物理操作
磁盘Io操作受到物理限制因为磁盘是一个物理磁盘它有一个机械部件它是由一个电机驱动的这个电机负责把磁盘上的数据读取到内存中。电机的转速越快磁盘的io性能就越好。但是由于电机的机械特性它的转速是有限的所以它的性能也有限。
所以如何快速有效的让磁盘找到对应的物理地址就是索引的重要概念
索引的底层以及实现机制
通过图示和计算来讲述和说明数据
我们看一下一条数据是多大--在mysql中
示例表 t_demo 那么我们可以根据每个字段的大小判断出这个表中的一条数据是多大。
计算过程为
这个表中的一条数据的大小取决于具体的数据。为了计算每列的大小我们需要知道每个列的数据类型和长度。
对于 id 列它是一个 int 类型通常占用 4 个字节。
对于 name 列它是一个 varchar 类型长度可以根据具体情况变化。如果最大长度为 25那么平均每个字符的字节数取决于具体的字符集。UTF-8 字符集通常占用 1 到 4 个字节。所以如果平均每个字符为 2 个字节这是一个常见的估算值那么 name 列的平均大小为 50 个字节。
对于 sex 列它是一个 int 类型通常占用 4 个字节。
对于 phone 列它也是一个 varchar 类型长度可以根据具体情况变化。如果最大长度为 25那么平均每个字符的字节数也取决于具体的字符集。如果平均每个字符为 2 个字节那么 phone 列的平均大小为 50 个字节。
所以一般来说一条数据的大小大约在 58 到 108 个字节之间具体取决于 name 和 phone 列的实际字符长度。
每个属性的具体大小如下
id: 4 bytesname: 可变长度取决于实际字符长度。平均每个字符占用 2 个字节所以平均大小为 2 * length。sex: 4 bytesphone: 可变长度取决于实际字符长度。平均每个字符占用 2 个字节所以平均大小为 2 * length。
注意是一种估算方法具体大小取决于实际情况包括具体的值和字符集等。
示例的一条记录 当然电话号不是真的
INSERT INTO day1.t_demo (id, name, sex, phone) VALUES (1, 阿丹, 1, 16668066369);这条记录的大小为
id: 4 个字节name: 阿丹 两个字符使用 UTF-8 编码每个字符占用 3 个字节所以 阿丹 占用 6 个字节sex: 1 个字节phone: 16668066369 11个字符使用 UTF-8 编码每个字符占用 3 个字节所以 16668066369 占用 33 个字节
所以这条记录总共占用 4 6 1 33 44 个字节。
其次就可以计算出一个扇区可以存放多少条这样的记录
计算过程为
一个扇区是可存放512个字节。并且一次磁盘的Io是以扇区为单位的也就是说如果读取了三个字节就是发生了三次io。
一个扇区内可存放记录为
512/4411.6363636364
可以计算得出一个扇区可以存储11个记录。
那么如果此时整张表格需要存储10000一万条数据计算可得需要的字节内存为
44*10000440000字节
这个时候我要将这些数据存放到多少个扇区
440000/512859.375
也就说如果查找的是在表中的最后一条数据的话就要去发生859次io来将指针移动到我们需要查找的数据这里。
所以为了减少io索引的概念出现了。
索引表
表结构简单指向单个记录的地址。
在MySQL中物理地址的数据类型取决于存储引擎和数据表的实现方式。一般来说物理地址可以是整数类型INT或长整型LONG具体取决于存储引擎和数据表的设置。
对于InnoDB存储引擎物理地址通常存储在系统表中的某个列中例如FIL_PAGE_ADDR。对于InnoDB的B-tree索引每个索引项的大小取决于所存储列的类型和长度。例如如果索引列是整数类型INT则每个索引项的大小为4字节。
索引表的作用主要是为了提高数据查询效率而不是记录的物理地址。索引表会根据特定的列例如主键对数据进行排序并在每个记录中存储相应的物理地址。当执行查询时MySQL可以通过索引表快速定位到所需的数据而不必扫描整个表。
索引表可以是基于B-treeB树或哈希表等数据结构实现的。在B-tree索引中每个节点包含键值和相应的物理地址。根据键值在树中进行二分查找可以快速找到相应的记录。
然而不同的存储引擎对索引的实现方式可能会有所不同。例如InnoDB存储引擎支持聚集索引聚集在物理上的索引这意味着表中的数据按照一定顺序存储并且主键索引可以直接提供物理地址。而MyISAM存储引擎则使用非聚集索引这意味着索引和数据存储在不同的文件中需要通过索引获得中间结果集然后再根据结果集中的记录再回表获取对应的实际数据。
总之索引表主要用于提高查询效率它存储的是记录的键值和相应的物理地址而不是记录的全部信息。 那么关于mysql中的其他索引
在MySQL中索引和索引表是两个不同的概念。索引是一种数据结构用于快速查找表中的数据而索引表则是存储索引的一种物理结构。
对于主键索引主键通常是记录的唯一标识符即记录的Id。在InnoDB存储引擎中主键索引是默认创建的当你在创建表时指定了主键列InnoDB会自动创建一个基于该列的B-tree索引。主键索引中存储的是主键列的值和相应的物理地址。
对于其他索引它们是基于表中的其他列创建的。这些索引中存储的是该列的值和相应的物理地址。与主键索引不同的是这些索引可能包含部分或全部表的数据因此它们的大小可能会比主键索引大。
总之在MySQL中索引和索引表是两个不同的概念。主键索引是基于主键列创建的而其他索引则是基于表中的其他列创建的。无论哪种类型的索引它们都存储了相应的物理地址用于快速定位到所需的数据。
也就说更换的是上图中的索引表中的主键也就是id,更换为这个表中的其他值。
比如我要根据name进行索引我对这个列添加了所以那么 那为什么索引会快 如果你的主键是int类型通常会占用4个字节。对于该索引表中记录物理地址的long类型列一般会占用8个字节。也就是说在这种情况下一条记录通常会占用12个字节4个字节主键 8个字节物理地址。请注意这只是一个简单的估计实际的存储空间可能会受到MySQL的存储引擎以及其他因素的影响 那么我们可以计算一下如果我们根据这个主键的索引表来查找数据会减少多少次io 首先一个扇区可以存放的索引表数据条数 512/1242.6666666667
42条数据比之前的表中只能存放11条多了31将近三倍。 要查找10000条的io次数为 12*10000/512234.375 可以看到使用了主键索引来查找遍历10000条数据的io次数为234比上面的859少了很多。当然这只是仅仅使用了主键索引在mysql中还有B树作为数据结构、以及二级索引还会更快。 核心减少了io次数
mysql中的索引
MySQL支持多种索引类型包括B-tree索引、哈希索引、位图索引等。具体支持的索引类型取决于所使用的存储引擎。
以下是一些常见的MySQL存储引擎和它们支持的索引类型
InnoDB存储引擎支持B-tree索引和哈希索引。MyISAM存储引擎支持B-tree索引但不支持哈希索引。MEMORY存储引擎支持哈希索引和B-tree索引。MERGE存储引擎不支持独立的索引而是通过组合多个MyISAM表中的B-tree索引来实现索引功能。FEDERATED存储引擎不支持独立的索引而是通过访问远程MySQL服务器上的表来实现索引功能。
其中特殊索引为
聚合索引是一种特殊类型的索引它用于加速对数据库表中的数据进行查询。
在MySQL中聚合索引是基于表的某个列或多个列的值进行创建的。它可以将数据按照索引列的值进行排序并存储在索引结构中从而加速查询。
聚合索引对于查询性能的提升非常显著特别是对于那些经常被查询的列。它能够大大减少查询时需要访问的数据量从而提高查询效率。
在InnoDB存储引擎中默认情况下会创建一个名为PRIMARY的聚合索引该索引基于主键列创建。此外用户也可以手动创建额外的聚合索引。
需要注意的是聚合索引的创建和维护都需要消耗一定的存储空间和计算资源。因此在选择要创建聚合索引的列时需要仔细考虑列的选择是否能够带来足够的查询性能提升并权衡其开销和收益。
另外PageRank是Google公司为Web页面设计的专利算法它通过分析Web页面之间的链接关系来确定每个页面的重要性。在MySQL中没有直接使用PageRank算法的聚合索引但可以通过其他方法实现类似的功能。
除了聚合索引MySQL还支持其他一些特殊类型的索引包括
全文索引用于在文本搜索中加速查询。MySQL提供了两种全文索引类型即MyISAM和InnoDB引擎支持的全文索引。全文索引主要用于基于单词或短语在文本块中的位置进行搜索。空间索引Spatial Index也称为R-tree索引用于加速空间数据的查询。空间索引主要应用于地理位置数据类型如点、线、多边形等。哈希索引Hash Index基于哈希算法实现的索引主要用于等值查询。哈希索引适用于等值查询但对于范围查询和排序查询等操作效率较低。位图索引Bitmap Index是一种特殊的位图数据结构用于表示一组数据中某些元素是否存在。位图索引适用于具有大量唯一值的列如性别、学历等。
需要注意的是这些特殊类型的索引在MySQL中并不是所有存储引擎都支持的。例如全文索引和空间索引仅在MyISAM和InnoDB存储引擎中支持。在使用这些特殊类型的索引时建议参考MySQL官方文档以了解更多详细信息和特定存储引擎的限制。
拓展/注意 本文章看完之后可以看到就算引入了索引表的概念但是终归还是一个表。还是要找到一个地方去进行存储。那就还是有多次Io的问题在数据量大的情况下。 于是就引入了数据结构树的概念。
