MySQL -- 普通索引与唯一索引

场景

1. 维护一个市民系统，有一个字段为身份证号
2. 业务代码能保证不会写入两个重复的身份证号（如果业务无法保证，可以依赖数据库的唯一索引来进行约束）
3. 常用SQL查询语句：SELECT name FROM CUser WHERE id_card = 'XXX'
4. 建立索引
   • 身份证号比较大，不建议设置为主键
   • 从性能角度出发，选择普通索引还是唯一索引？

假设字段k上的值都不重复

查询过程

1. 查询语句：SELECT id FROM T WHERE k=5
2. 查询过程
   • 通过B+树从树根开始，按层搜索到叶子节点，即上图中右下角的数据页
   • 在数据页内部通过二分法来定位具体的记录
3. 针对普通索引
   • 查找满足条件的第一个记录(5,500)，然后查找下一个记录，直到找到第一个不满足k=5的记录
4. 针对唯一索引
   • 由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续查找

性能差异

1. 性能差异：微乎其微
2. InnoDB的数据是按照数据页为单位进行读写的，默认为16KB
3. 当需要读取一条记录时，并不是将这个记录本身从磁盘读出来，而是以数据页为单位进行读取的
4. 当找到k=5的记录时，它所在的数据页都已经在内存里了
5. 对于普通索引而言，只需要多一次指针寻找和多一次计算 – CPU消耗很低
   • 如果k=5这个记录恰好是所在数据页的最后一个记录，那么如果要取下一个记录，就需要读取下一个数据页
   • 概率很低：对于整型字段索引，一个数据页（16KB，compact格式）可以存放大概745个值

change buffer

1. 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
2. 如果这个数据页不在内存中，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change buffer
   • 不需要从磁盘读入这个数据页（随机读）
   • 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change buffer中与这个数据页有关的操作（merge）
3. change buffer是可以持久化的数据，在内存中有拷贝，也会被写入到磁盘上
4. 将更新操作先记录在channge buffer，减少随机读磁盘，提升语句的执行速度
5. 另外数据页读入内存需要占用buffer pool，使用channge buffer能避免占用内存，提高内存利用率
6. change buffer用到是buffer pool里的内存，不能无限增大，控制参数innodb_change_buffer_max_size

# 默认25，最大50
mysql> SHOW VARIABLES LIKE '%innodb_change_buffer_max_size%';
+-------------------------------+-------+
| Variable_name                 | Value |
+-------------------------------+-------+
| innodb_change_buffer_max_size | 25    |
+-------------------------------+-------+

merge

1. merge：将change buffer中的操作应用到原数据页
2. merge的执行过程
   • 从磁盘读入数据页到内存（老版本的数据页）
   • 从change buffer里找出这个数据页的change buffer记录（可能多个）
     • 然后依次执行，得到新版本的数据页
   • 写入redolog，包含内容：数据页的表更+change buffer的变更
3. merge执行完后，内存中的数据页和change buffer所对应的磁盘页都还没修改，属于脏页
   • 通过其他机制，脏页会被刷新到对应的物理磁盘页
4. 触发时机
   • 访问这个数据页
   • 系统后台线程定期merge
   • 数据库正常关闭

使用条件

1. 对于唯一索引来说，所有的更新操作需要先判断这个操作是否违反唯一性约束
2. 唯一索引的更新无法使用change buffer，只有普通索引可以使用change buffer
   • 主键也是无法使用change buffer的
   • 例如要插入(4,400)，必须先判断表中是否存在k=4的记录，这个判断的前提是将数据页读入内存
   • 既然数据页已经读入到了内存，直接更新内存中的数据页就好，无需再写change buffer

使用场景

1. 一个数据页在merge之前，change buffer记录关于这个数据页的变更越多，收益越大
2. 对于写多读少的业务，页面在写完后马上被访问的概率极低，此时change buffer的使用效果最好
   • 例如账单类、日志类的系统
3. 如果一个业务的更新模式为：写入之后马上会做查询
   • 虽然更新操作被记录到change buffer，但之后马上查询，又会从磁盘读取数据页，触发merge过程
   • 没有减少随机读，反而增加了维护change buffer的代价

更新过程

插入(4,400)

目标页在内存中

1. 对于唯一索引来说，找到3~5之间的位置，判断没有冲突，插入这个值
2. 对于普通索引来说，找到3~5之间的位置，插入这个值
3. 性能差异：微乎其微

目标页不在内存中

1. 对于唯一索引来说，需要将数据页读入内存，判断没有冲突，插入这个值
   • 磁盘随机读，成本很高
2. 对于普通索引来说，将更新操作记录在change buffer即可
   • 减少了磁盘随机读，性能提升明显

索引选择

1. 普通索引与唯一索引，在查询性能上并没有太大差异，主要考虑的是更新性能，推荐选择普通索引
2. 建议关闭change buffer的场景
   • 如果所有的更新后面，都伴随着对这个记录的查询
   • 控制参数innodb_change_buffering

mysql> SHOW VARIABLES LIKE '%innodb_change_buffering%';
+-------------------------+-------+
| Variable_name           | Value |
+-------------------------+-------+
| innodb_change_buffering | all   |
+-------------------------+-------+

# Valid Values (>= 5.5.4)
none / inserts / deletes / changes / purges / all

# Valid Values (<= 5.5.3)
none / inserts

# change buffer的前身是insert buffer，只能对insert操作进行优化

change buffer + redolog

更新过程

当前k树的状态：找到对应的位置后，k1所在的数据页Page 1在内存中，k2所在的数据页Page 2不在内存中

INSERT INTO t(id,k) VALUES (id1,k1),(id2,k2);

# 内存：buffer pool
# redolog：ib_logfileX
# 数据表空间：t.ibd
# 系统表空间：ibdata1

1. Page 1在内存中，直接更新内存
2. Page 2不在内存中，在changer buffer中记录：add (id2,k2) to Page 2
3. 上述两个动作计入redolog（磁盘顺序写）
4. 至此事务完成，执行更新语句的成本很低
   • 写两次内存+一次磁盘
5. 由于在事务提交时，会把change buffer的操作记录也记录到redolog
   • 因此可以在崩溃恢复时，恢复change buffer
6. 虚线为后台操作，不影响更新操作的响应时间

读过程

假设：读语句发生在更新语句后不久，内存中的数据都还在，与系统表空间（ibdata1）和redolog（ib_logfileX）无关

SELECT * FROM t WHERE k IN (k1,k2);

1. 读Page 1，直接从内存返回（此时Page 1有可能还是脏页，并未真正落盘）
2. 读Page 2，通过磁盘随机读将数据页读入内存，然后应用change buffer里面的操作日志（merge）
   • 生成一个正确的版本并返回

提升更新性能

1. redolog：节省随机写磁盘的IO消耗（顺序写）
2. change buffer：节省随机读磁盘的IO消耗

参考资料

《MySQL实战45讲》