2 索引

2.1 安装linux下的mysql

1. 去官网下载mysql

2. 解压并安装

• 压缩文件通过xftp解压并且使用rpm安装依赖

[root@hadoop soft]#tar -xvf mysql-8.0.26-1.el7.x86_64.rpm-bundle.tar -C /home/hadoop/app/
[root@hadoop soft]cd ..
[root@hadoop hadoop]#cd app
[root@hadoop app]# rpm -ivh mysql-community-common-8.0.26-1.el7.x86_64.rpm
[root@hadoop app]# yum remove mysql-libs
[root@hadoop app]# rpm -ivh mysql-community-client-plugins-8.0.26-1.el7.x86_64.rpm 
[root@hadoop app]# rpm -ivh mysql-community-libs-8.0.26-1.el7.x86_64.rpm
[root@hadoop app]# rpm -ivh mysql-community-libs-compat-8.0.26-1.el7.x86_64.rpm
[root@hadoop app]# yum install openssl-devel
[root@hadoop app]# rpm -ivh  mysql-community-devel-8.0.26-1.el7.x86_64.rpm

• 安装客户端

[root@hadoop app]#rpm -ivh mysql-community-client-8.0.26-1.el7.x86_64.rpm

• 安装服务端

[root@hadoop app]#rpm -ivh  mysql-community-server-8.0.26-1.el7.x86_64.rpm

3. 启动mysql服务

[root@hadoop app]# systemctl start mysqld

4. 去日志找下随机生成的mysql的root密码

[root@hadoop app]# vim /var/log/mysqld.log
/password

5. 登录mysql

[root@hadoop app]# mysql -u root -p
Enter password: 

嫌麻烦练习的时候直接跳过密码算了：(88条消息) Linux系统安装MySQL报错“ Access denied for user ‘root‘@‘localhost‘ (using password: YES)“_二木成林的博客-CSDN博客

6. 把密码等级调低并且更改密码

mysql>set global validate_password_policy = LOW;
mysql>set global validate_password.length = 8;

mysql>ALTER  USER  'root'@'localhost'  IDENTIFIED BY 'xxxxxxxx';

7. 创建供远程访问的一个用户

mysql>drop user 'root'@'%';
mysql>flush privileges;
mysql>create user 'root'@'%' IDENTIFIED WITH mysql_native_password BY 'xxxxxxxx';
表示在所有的主机上都能访问

8. 给创建可以远程访问的root用户分配权限

mysql>grant all on *.* to 'root'@'%';

9. 用datagrip连接看看

• 如果连不上看下linux的防火墙有没有开放3306的端口，或者直接关闭防火墙吧~

2.2 索引概述

1. 含义：是帮助MySQL高效获取数据的数据结构(有序)。在数据结构上实现高级查找算法引用(指向)数据。
2. 比较

• 无索引，全表扫描，直至结束。性能极低。
• 有索引
  • 假如是二叉查找树来一个:如果select * from user from age = 45，那么45会跟36比较，走右边，然后再跟48比较，走左边，然后就找到45了，只需要匹配3次。效率高。
    

3. 优缺点

• 优点：
  • 高效的获取数据，降低数据库获取数据的磁盘IO成本。
  • 通过索引对数据进行排序，降低数据排序成本，降低CPU的消耗。
• 缺点：
  • 索引也是要占空间滴
  • 提高查询效率，但是降低表的更新效率，因为也要维护索引

2.3 索引结构

1. 含义：索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构。
2. 分类

3. 二叉树

• 左边节点小于自身，右侧节点大于自身
• 顺序插入，形成链表，性能降低。针对大量数据，层次深，检索满。

• 解决办法：左旋右旋形成红黑树(平衡二叉查找树)

  • 但是还是因为只有两个节点导致的在大量数据会形成较深的层次的，因此检索慢的问题

4. B-Tree(多路平衡查找树)

• 概念:以一颗最大度数(max-degree)为5(5阶)的b-tree为例，度数就是节点的子节点个数，那就表示5阶的b树每个节点最多存储4个key，5个指针
• 看图理解下：
  • 5阶表示下面有有5个节点，图中根节点就是5个指针灰色的那边，第一个灰色的指针表示小于20这个key，第二个灰色的指针表示在20这个key和30这个key之间，依次共5个，然后每个指针对应下面每个节点。因此得出结论，如果有n个key就有n+1个指针。

• 来个案例
  

5. B+tree

• 概念：以一颗最大度数(max-degree)为4(4阶)的b+tree为例

• 看图理解

  • 与btree的区别是，所有的数据存放都会出现在叶子的节点，并且形成了单项链表，上面的非叶子节点起到的作用是索引的作用
• 也来个例子
  
  

6. MySQL的b+tree索引

• 概念：在原来的B+Tree上进行了优化，增加了一个指向相邻叶子节点的链表指针，就形成了带有顺序的B+Tree,提高区间访问的性能。简单说就是把单项链表变成了双向链表

• 看图：

  • 每个节点存储在页当中，回忆下前面的InnoDB的逻辑存储结构，表空间、段、区、页、行，一页默认16K，底层就是这么存储的。
    
    7. Hash索引
• 概念：哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，存储在hash表中。
• 看图理解
  • 背景：id是主键，要为name创造一个哈希索引的数据结构
  • 第一步：先计算出每一行数据的哈希值
  • 第二步：name字段的所有值根据哈希函数去计算每一个name值应该放在哈希表的哪个槽位上。例如金庸算出来是槽位值005，对应的槽位就会存储金庸这个key，以及金庸这一行对应哈希值58dda，也就是第一步对应的值，怎么理解呢，就理解为58dda是一个引用，指向了金庸所处的那一行的地址
    
  • 杨逍和金庸算出来的槽位一样，就叫做哈希冲突，用链表解决就可以啦

• 特点：

  • 只能用于等值
  • 无法排序，因为运算结果无序
  • 但是查询效率高，通常一次检索匹配就可以了，效率通常高于B+Tree索引
• 支持哈希索引的引擎
  • Memory引擎，但是InnoDB中具有的自适应hash功能，就是说有时候可以将B+Tree索引在指定条件下自动构建成哈希索引

7. 灵魂一问：为啥InnoDB存储引擎选择B+Tree索引结构？

• 相对于二叉树，层级更少，搜索效率高
• B-tree，所有节点都会存储数据，导致存key和指针的存储的少
• 相对于Hash索引，支持范围匹配和排序操作

2.4 索引分类

1. 分类

• 细节：PK不能为空，unique可以为空值，PK和unique在约束时候自动创建了索引

2. 根据存储形式的分类
   

• 规则
  • 如果存在主键，主键索引就是聚集索引
  • 没有主键，将使用第一个唯一索引作为聚集索引
  • 啥都没有咋办，会生成一个rowid所谓隐藏的聚集索引
• 来张图理解下
  • 聚集索引叶子挂着数据，二级索引下面挂着聚集索引字段
  • 查name = 'Arm'的时候，走的是二级索引，字符是按照字典序序走的索引，找到id后，再到上面的聚集索引走一遍，定位10，再把整个数据返回出来，专业数据叫做回表查询

3. 来道题

select * from user where id = 10;
select * from user where name = 'Arm';
备注：id为主键，name字段创建的时候有索引
问：哪个sql语句执行效率较高？

答案：

• 第一句只要去聚集索引中走一遍，然后获取*的数据就好啦
• 第二句去二级索引中走一遍，然后再拿着id去聚集索引中再去获取*的数据，即回表查询，扫描了两个字段的索引，效率就不高

4. 再来道题

问题：InnoDB主键索引的B+Tree高度为多高呀？

前提：假设一行数据为1k，一个指针占用6个字节，主键为bigint，占用8个字节。

解答：(n表示key的数量)

• n8+(n+1)6=16*1024 非叶的节点 n算出来1170个key，指针就有1171个

• 1171*16 = 18736 指针数乘最大的叶子下面最大的行数，高度为2

• 18736 *1171 = 21939856 高度为3 的时候 如下图的就是高度为3

2.5 索引的操作语法

1. 创建索引

create [unique|fulltext] index index_name on table_name(index_col_name,...)

• unique表示唯一索引，fulltext表示全文索引
• 一个索引可以关联多个字段的，一个字段叫单列索引，多个字段叫做联合索引

2. 查看索引

show index from table_name;

3. 删除索引

drop index index_name on table_name;

4. 练习

• name字段为姓名字段，该字段的值可能会重复，为该字段创建索引

  • 看下现在有什么索引先

  • mysql> show index from tb_user\G;
    *************************** 1. row ***************************
        Table: tb_user
    Non_unique: 0
     Key_name: PRIMARY
    Seq_in_index: 1
    Column_name: id
    Collation: A
    Cardinality: 24
     Sub_part: NULL
       Packed: NULL
         Null: 
    Index_type: BTREE
      Comment: 
    Index_comment: 
      Visible: YES
    Expression: NULL
    1 row in set (0.00 sec)

  • 创建索引

  • mysql> create index idx_user_name on tb_user(name);
    Query OK, 0 rows affected (0.03 sec)

• phone手机号字段的值，是非空的且唯一的，给他创建唯一索引

mysql> create unique index idx_user_phone on tb_user(phone);
Query OK, 0 rows affected (0.01 sec)

• 为profession、age、status创建联合索引
  • 联合索引字段的讲究：使用最频繁的字段放在左侧。根据使用频繁程度从重到轻，要遵循''最左前缀原则''

mysql> create index idx_user_pro_age_status on tb_user(profession,age,status);
Query OK, 0 rows affected (0.01 sec)

• 为email字段建立合适的索引来提升查询效率

mysql> create index idx_user_email on tb_user(email);
Query OK, 0 rows affected (0.01 sec)

• 删除索引

mysql> drop index idx_user_email on tb_user;
Query OK, 0 rows affected (0.01 sec)