聚集索引

阅读目录 一 介绍 二 索引的原理 三 索引的数据结构 四 聚集索引与辅助索引 五 MySQL索引管理 六 测试索引 七 正确使用索引 八 联合索引与覆盖索引 九 查询优化神器-explain 十 慢查询优化的基本步骤 十一 慢日志管理 一 介绍 为何要有索引? 一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，在生产环境中，我们遇到最多的，也是最容易出问题的，还是一些复杂的查询操作，因此对查询语句的优化显然是重中之重。说起加速查询，就不得不提到索引了。 什么是索引？ 索引在MySQL中也叫做“键”，是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能 非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。 索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。 索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查。 30 10 40 5 15 35 66 1 6 11 19 21 39 55 100 你是否对索引存在误解？ 索引是应用程序设计和开发的一个重要方面。若索引太多，应用程序的性能可能会受到影响。而索引太少，对查询性能又会产生影响，要找到一个平衡点，这对应用程序的性能至关重要。一些开发人员总是在事后才想起添加索引----我一直认为

我们都有到图书馆借书的经历，偌大的图书馆，为什么能在短的时间内找到想要找的书？如果这些书是杂乱无章的堆放，或者没有任何标识的放在书架，那么还能这么快的找到吗？这个场景就很接近我们软件开发中使用数据库的场景，图书馆的书就类似我们数据表中的数据，楼层索引牌、书架分类标识、索书号就类似我们查找数据的索引。那我们常用的数据库的索引底层的一个数据结构是什么样的呢？要了解数据库索引的底层原理，我们就得先了解一种叫树的数据结构，而树中很经典的一种数据结构就是二叉树！所以下面我们就从二叉树到平衡二叉树，再到B-树，最后到B+树来一步一步了解数据库索引底层的原理！ 一.二叉树（Binary Search Trees） 二叉树是每个结点最多有两个子树的树结构。通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）。二叉树常被用于实现二叉查找树和二叉堆。二叉树有如下特性： 1、每个结点都包含一个元素以及n个子树，这里0≤n≤2。 2、左子树和右子树是有顺序的，次序不能任意颠倒。左子树的值要小于父结点，右子树的值要大于父结点。   光看概念有点枯燥，假设我们现在有这样一组数[35 27 48 12 29 38 55]，顺序的插入到一个数的结构中，步骤如下 好了，这就是一棵二叉树啦！我们能看到，经通过一系列的插入操作之后，原本无序的一组数已经变成一个有序的结构了

目录 pymysql 1.基本操作 1.新建表 2.增加数据 3.删除数据 4.更改数据 5.查找数据 6.断开连接 2.sql注入 解决方法 3.创建大数据库 索引 定义 作用 实现原理 B+树的性质 B+树的分类 InnoDB存储引擎表示索引组织表，即表中数据按照主键顺序存放。而聚集索引（clustered index）就是按照每张表的主键构造一棵B+树，同时叶子结点存放的即为整张表的行记录数据，也将聚集索引的叶子结点称为数据页。聚集索引的这个特性决定了索引组织表中数据也是索引的一部分。同B+树数据结构一样，每个数据页都通过一个双向链表来进行链接。 如果未定义主键，MySQL取第一个唯一索引（unique）而且只含非空列（NOT NULL）作为主键，InnoDB使用它作为聚簇索引。 如果没有这样的列，InnoDB就自己产生一个这样的ID值，它有六个字节，而且是隐藏的，使其作为聚簇索引。 由于实际的数据页只能按照一棵B+树进行排序，因此每张表只能拥有一个聚集索引。在多少情况下，查询优化器倾向于采用聚集索引。因为聚集索引能够在B+树索引的叶子节点上直接找到数据。此外由于定义了数据的逻辑顺序，聚集索引能够特别快地访问针对范围值得查询。 索引的种类 主键索引 primary key 唯一索引 unique(name) 唯一联合索引 uniqe (name, email) 普通索引

一、索引分类 　　分为 聚集索引 和 非聚集索引 。 　　聚集索引 　　　　每个表有且一定会有一个聚集索引，整个表的数据存储在聚集索引中，mysql索引是采用B+树结构保存在文件中，叶子节点存储主键的值以及对应记录的数据，非叶子节点不存储记录的数据，只存储主键的值。当表中未指定主键时，mysql内部会自动给每条记录添加一个隐藏的rowid字段（默认4个字节）作为主键，用rowid构建聚集索引。 　　　　聚集索引在mysql中又叫 主键索引 。 　　非聚集索引（辅助索引） 　　　　也是b+树结构，不过有一点和聚集索引不同，非聚集索引叶子节点存储字段（索引字段）的值以及对应记录主键的值，其他节点只存储字段的值（索引字段）。 　　　　每个表可以有多个非聚集索引。 　　　　mysql中非聚集索引分为 　　　　单列索引 即一个索引只包含一个列。 　　　　多列索引（又称复合索引） 即一个索引包含多个列。 　　　　唯一索引 索引列的值必须唯一，允许有一个空值。 　　数据检索的过程 　　　　 　　　　　左边为innoDB( 聚簇 )表分布　　　　 　　　　上面的表中有2个索引：id作为主键索引，name作为辅助索引。 　　　　innodb我们用的最多，我们只看图中左边的innodb中数据检索过程： 　　　　如果需要查询id=14的数据，只需要在左边的主键索引中检索就可以了。 　　　

出处原文： 1分钟了解MyISAM与InnoDB的索引差异 数据库的索引分为 主键索引 （Primary Inkex）与 普通索引 （Secondary Index）。InnoDB和MyISAM是怎么利用B+树来实现这两类索引，其又有什么差异呢？这是今天要聊的内容。 一，MyISAM的索引 MyISAM的 索引与行记录是分开存储的 ，叫做 非聚集索引 （UnClustered Index）。 其主键索引与普通索引没有本质差异： 有连续聚集的区域 单独存储行记录 主键索引的叶子节点，存储主键，与对应行记录的 指针 普通索引的叶子结点，存储索引列，与对应行记录的 指针 画外音：MyISAM的表可以没有主键。 主键索引与普通索引是两棵独立的索引B+树，通过索引列查找时，先定位到B+树的叶子节点，再通过指针定位到行记录。 举个例子，MyISAM： t(id PK, name KEY, sex, flag); 表中有四条记录： 1, shenjian, m, A 3, zhangsan, m, A 5, lisi, m, A 9, wangwu, f, B 其B+树索引构造如上图： 行记录单独存储 id为PK，有一棵id的索引树，叶子指向行记录 name为KEY，有一棵name的索引树，叶子也指向行记录 二、InnoDB的索引 InnoDB的 主键索引与 行记录是存储在一起的，故叫做

第8章 索引与视图 为了提高对数据表或视图的搜索效率。 8.1.2 何种情况下创建索引 8.1.3 索引的原理――B_树 （1）树中每个节点最多有m棵子树。 （2）根节点除外，所有非叶子节点至少都包含m/2棵子树。 （3）若根节点不是叶子节点，则根节点至少两棵子树。 （4）所有非叶子节点都包含相应的关键信息，一个包含k+1棵子树的非叶节点恰好包含k个关键字。 k表示关键字的个数。Ki（i=1,2,…,k）为关键字，且Ki < Ki+1。Ai（i=0,2,…,k）为指向相应子树根节点的指针，且指针Ai-1所指子树中所有节点的关键字均小于Ki（i=1,2,…,k），而Ai+1所指子树中所有节点的关键字均大于Ki（i=1,2,…,k-1） （5）所有的叶子节点都出现在同一层次上，并且叶子节点不包含任何关键字信息。 8.2.1 聚集索引和非聚集索引 1. 聚集索引（Clustered Index） 　　　　使用BETWEEN、>=、>、<=、<等运算符的查询 　　　　使用JOIN子句的查询 　　　　使用GROUP BY子句的查询 　　　　返回大结果集的查询 　　　　字段值唯一的字段（特别是标识字段），或绝大部分字段值都不重复的字段，如90%字段值都不重复的字段 　　　　按顺序被访问的字段 　　　　更新频繁的字段。因为在数据更新时，为保持与聚集索引的一致性必须移动表中的记录

每行的索引值都是唯一的，不会重复的 （如果表创建了唯一约束，那么系统将自动创建唯一索引） 聚集索引相当于使用字典的拼音查找，因为聚集索引存储记录是物理上连续存在的。 非聚集索引就相当于字典的部首查找，非聚集索引是逻辑上的连续，物理上不连续 聚集索引在一个表中只能有一个，而非聚集索引一个表可以存放多个 语法： Create [unique][clustered][nonclustered] Index index_name On table_name（列名） unique 唯一索引 clustered 聚集索引 noclustered 非聚集索引 --创建唯一聚集索引 create unique clustered ' 表示创建唯一聚集索引 index uo_clu_stuno ‘----索引名称 on student(s_stuno) '--- 数据表名称（建立索引的列名） ---创建唯一非聚集索引 create unique nonclustered '--- 表示创建唯一非聚集索引 index uo_clu_stuno ' ----索引名称 on student(s_stuno) ---创建非聚集索引 create nonclustered index nonclu_index on student(s_stuno) ---创建唯一索引 create unique index

最左匹配原则 1、先定位该sql的查询条件，有哪些，那些是等值的，那些是范围的条件。 2、等值的条件去命中索引最左边的一个字段，然后依次从左往右命中，范围的放在最后。 分析讲解 1、mysql的索引分为聚簇索引和非聚簇索引，mysql的表是聚集索引组织表。 聚集规则是：有主键则定义主键索引为聚集索引；没有主键则选第一个不允许为NULL的唯一索引；还没有就使用innodb的内置rowid为聚集索引。 非聚集索引也称为二级索引，或者辅助索引。 2、mysql的索引无论是聚集索引还是非聚集索引，都是B+树结构。聚集索引的叶子节点存放的是数据，非聚集索引的叶子节点存放的是非聚集索引的key和主键值。B+树的高度为索引的高度。 3、索引的高度 聚集索引的高度决定了根据主键取数据的理论IO次数。根据非聚集索引读取数据的理论IO次数还要加上访问聚集索引的IO次数总和。实际上可能要不了这么多IO。因为索引的分支节点所在的Page因为多次读取会在mysql内存里cache住。 mysql的一个block大小默认是16K，可以根据索引列的长度粗略估算索引的高度。 sql优化依据 SQL语句中的where条件，使用以上的提取规则，最终都会被提取到Index Key (First Key & Last Key)，Index Filter与Table Filter之中。 Index First Key

MongoDB基本命令用 成功启动MongoDB后，再打开一个命令行窗口输入mongo，就可以进行数据库的一些操作。 输入help可以看到基本操作命令： show dbs:显示数据库列表 show collections：显示当前数据库中的集合（类似关系数据库中的表） show users：显示用户 use <db name>：切换当前数据库，这和MS-SQL里面的意思一样 db.help()：显示数据库操作命令，里面有很多的命令 db.foo.help()：显示集合操作命令，同样有很多的命令，foo指的是当前数据库下，一个叫foo的集合，并非真正意义上的命令 db.foo.find()：对于当前数据库中的foo集合进行数据查找（由于没有条件，会列出所有数据） db.foo.find( { a : 1 } )：对于当前数据库中的foo集合进行查找，条件是数据中有一个属性叫a，且a的值为1 MongoDB没有创建数据库的命令，但有类似的命令。 如：如果你想创建一个“myTest”的数据库，先运行use myTest命令，之后就做一些操作（如：db.createCollection('user')）,这样就可以创建一个名叫“myTest”的数据库。 数据库常用命令 1、Help查看命令提示 help db.help(); db.yourColl.help(); db.youColl

MyISAM与InnoDB的索引差异 数据库的索引分为主键索引（Primary Inkex）与普通索引（Secondary Index） 一、MyISAM的索引 MyISAM的索引与行记录是分开存储的，叫做非聚集索引（UnClustered Index）。 其主键索引与普通索引没有本质差异： 有连续聚集的区域单独存储行记录 主键索引的叶子节点，存储主键，与对应行记录的指针 普通索引的叶子结点，存储索引列，与对应行记录的指针 MyISAM的表可以没有主键。 主键索引与普通索引是两棵独立的索引B+树，通过索引列查找时，先定位到B+树的叶子节点，再通过指针定位到行记录。 举个例子，MyISAM： t ( id PK , name KEY , sex , flag ) ; 表中有四条记录： 1 , shenjian , m , A 3 , zhangsan , m , A 5 , lisi , m , A 9 , wangwu , f , B 其B+树索引构造如上图： 行记录单独存储 id为PK，有一棵id的索引树，叶子指向行记录 name为KEY，有一棵name的索引树，叶子也指向行记录 二、InnoDB的索引 InnoDB的主键索引与行记录是存储在一起的，故叫做聚集索引（Clustered Index）： 没有单独区域存储行记录 主键索引的叶子节点，存储主键，与对应行记录（而不是指针）