索引：堆 / 聚集&唯一 / 约束 / 增删 / 失效（执行计划）/ 规划·源栈课堂·一起帮

索引：堆 / 聚集&唯一 / 约束 / 增删 / 失效（执行计划）/ 规划

当前系列： SQL

@想一想@：当运行如下SQL语句的时候

SELECT * FROM Student WHERE Id = 986;

时，数据库如何才能快速的找到目标行？

堆/全表扫描

如果没有建立索引，数据是散乱的、无序的堆放在一起的，只有进行全表扫描：

从表中逐行的取出数据，对比其Id是否为986……

@想一想@：这样的算法复杂度是多少？O(n)

树/索引

为了提高查询效率，数据库引入索引（Index）。

索引对应的数据结构就是树——为了更进一步的降低查询树的深度（提高查询效率），一般数据库使用的是“多叉平衡查询树”（BTree/红黑）。

@想一想@：索引的算法复杂度是多少？O(lg(n))

比如我们说：给Student表的Id列“加”一个索引，其实就是以Id列的值构建一个树。这样我们以后根据Id查找的时候就会更快捷

索引分为以下几种：

聚集索引

聚集（clustered）索引的叶子节点直接存放的就是行数据，比如Student的Id姓名年龄等。

根枝节点里存放的，我们称其为索引数据，比如Id为1-2的Student存放在P1中，Id为3-4的Student存放在P2中……

其中1/2/3/4……又被称之为索引键值，其实就是建立索引的列值。

我们可以认为：聚集索引就是直接“包含”行数据的，所以一个聚集索引就可以代表一个表。

表和聚集索引是“一体两面”的：

表结构：呈现
聚集索引：存储

同理，每张表只能有一个聚集索引。

非聚集索引

和聚集索引不同，非聚集（non-clustered）索引的叶子节点中存放的不是实际的行数据，而是指向行数据的“指针”。

指针可以被认为“行定位器”，具体来说，这里的指针分为两种：

如果Student表上已经在Id列建立了聚集索引，指针就记录这个Id（聚集索引的键值）即可；
如果Student表上还没有任何聚集索引，指针只能记录数据行的RID（Row Id，物理地址等）

所以，实际上当我们使用非聚集索引进行查找时，并不能直接的获取目标行数据。

我们还得再根据其叶子节点中存储的“指针”，再进行一次查找，最终才能获得行数据：这就是“聚集索引比非聚集索引快”的原因。

和聚集索引不同，一张表可以创建多个非聚集索引。

唯一/非唯一索引

如果列上的值是唯一的，我们就可以在这个列上建立唯一（UNIQUE）索引；

否则，我们就只能在其上建立非唯一索引。

但在底层实现上，通常只有唯一索引。比如SQL Server就是给所有的索引键值中添加一个后缀uniquifier：

如果是唯一索引，该uniquifier值始终为空，相当于不使用
如果是非唯一索引，SQL Server会为uniquifier自动赋值，所以可以利用uniquifier配合原索引键值，从而形成事实上的唯一索引，即每一个索引键值+uniquifier的组合都不相同

和约束的关系

数据库在我们建立以下约束的时候，就会自动建立索引：

主键约束

设立主键（PRIMARY KEY）约束时，（如果表上还没有建立聚集索引）会自动创建一个聚集唯一索引。

唯一约束

设立唯一（UNIQUE）约束：会自动创建一个唯一非聚集索引。

因为唯一约束需要在插入数据时进行“唯一”检查，检查的方式就是在该列已有值中查找插入值：

找到：不唯一，不能满足唯一约束条件
未找到：唯一，满足唯一约束条件

出于效率考虑，就不可能使用全表扫描，而只能通过唯一索引来快速查找。

所以，唯一约束本质上是依赖唯一索引的；而且，唯一约束和唯一索引具有相同的作用（确保列值唯一），不宜在已有唯一约束列上再建立一个唯一索引。

SQL Server

mysql

还是区分开了约束和索引：

主键上不一定是聚集索引
唯一约束的索引被隐藏
……

可以认为：约束就是索引

聚集索引只能通过主键约束建立
删除索引就删除约束
mysql workbench上的组织呈现
………

SQL语法

除了通过约束自动建立索引，还可以主动：

建立索引

为了便于演示（此处演示用mysql workbench），我们新建一个表Teacher：

CREATE TABLE Teacher(Id INT, TName VARCHAR(25), Age INT, Gender BIT);

建立索引建立索引时需要：

指定索引的种类：UNIQUE还是非UNIQUE（默认）的
自己给索引取一个名字，建议以IX开头，下划线连接表名和列名
索引在哪个表哪些个列上

示例如下，在Teacher表Id列上建一个：

名为IX_Teacher_Age的普通索引（非聚集非唯一）：
```
CREATE INDEX IX_Teacher_Age ON Teacher(Age);
```
名为IX_Teacher_Id的唯一索引（仍然是非聚集）：
```
CREATE UNIQUE INDEX IX_Teacher_Id ON Teacher(Id);
```

多个索引还可以建立在同一个列上。比如Id列上还可以（通过主键约束）建立聚集索引：

ALTER TABLE teacher
ADD constraint PK_Teacher_Id primary key(id);

索引还可以被建立在多个列上，比如：

CREATE INDEX IX_Teacher_Age_Gender ON Teacher(Age, Gender)

IX_Teacher_Age_Gender是一个而不是两个索引，它建立在Age和Gender两个列上。这种索引的键值是Age和Gender的组合，和IX_Age或IX_Gender并不重复。（多列的索引在WHERE子句同时包含多列时有用）

当一个数据库年代久远、被多人操作时，我们很容易在一个列上建立冗余的索引，既占用空间又拖累性能的。为了避免这种状况：

按上文要求对Index规范命名
在新建Index时，首先检查是否已有Index存在

删除索引

删除索引时需要同时指定表名和索引名称，如下所示：

DROP INDEX IX_Teacher_Age ON Teacher;

删除索引不会删除表数据，如果索引是：

聚集索引：删除的是“树”的根和枝，仍然保留着叶子；
非聚集索引：删除整个“树”

#体会#：索引和表是独立的、相互分离的

SQL Server独有

可以指定索引为CLUSTERED（仅当表中没有设立主键约束时）：

CREATE CLUSTERED INDEX IX_Teacher_Name ON Teacher(TName);

CREATE UNIQUE CLUSTERED INDEX IX_Teacher_Name ON Teacher(TName);

注意和UNIQUE的先后顺序。

使用系统视图sys.indexes演示：

-- [type]：1 聚集; >1 非聚集
SELECT [Name], [type], is_unique, is_primary_key, is_unique_constraint 
FROM sys.indexes 
WHERE object_id = OBJECT_ID('Student')

建立唯一约束之后生成的唯一索引
先有clustered索引，再有主键约束，会自动创建主键的非聚集唯一索引

所以如果（SQL Server）面试官问你：主键就是唯一聚集索引吗？你正确的回答是：不一定……

执行计划

通过执行计划（execution plan）我们可以查看数据库有没有使用到索引。

首先，我们要明白：SQL语句是指令性的，结果导向的！换言之，SELECT语句只是给出了对查询结果的要求，而没有给出具体的执行步骤。（复习）

因为一条SQL语句（尤其是当它比较复杂的时候）的目标，可能有多种途径实现，所以数据库在得到SQL语句之后，会

首先进行解析，以确定查询目的，
之后会自动的生成一个“执行计划”（数据库认为的“最佳路径”），
然后根据该“执行计划”在数据库中进行查询。

所以不要有这种错觉：

SELECT语句的不同书写方式可以决定数据库的执行方式。

注意：不是这样的！至少不完全是这样的。

#体会#：对数据库进行性能优化，查看并理解执行计划至关重要。

演示：VS中打开执行计划（GUI可视化，推荐）

索引相关

我们通过查看执行计划，来进一步验证SQL Server是否使用索引、如何使用索引。

扫描（Scan）

Scan用于查找全部数据，通常可以由以下SQL语句引发：

-- 没有WHERE子句，查找的就是全表
SELECT * FROM Student
-- 表上没有索引  
SELECT * FROM Student WHERE SName = 'atai'

在执行计划图中用扫描（Scan）标识：

通常来说，如果表上

没有聚集索引：会进行表扫描（Table Scan），即通过IAM对表数据进行遍历，需要查找整个表的数据。
已有聚集索引：通常会进行聚集索引扫描（Clustered Index Scan），即通过聚集索引进行索引树的遍历，还是会查找整个表的数据。

查找（Seek）

不进行全表扫描，（因为使用索引）可以只比对部分索引键值就获取到所需数据。通常可以由以下SQL语句引发：

-- Student表在Id上建立了聚集索引，注意SELECT后是* 
SELECT * FROM Student WHERE Id = 3 
-- Student表在Age上建立了非聚集索引，注意SELECT后仅有Age（实际上是不是没有意义？） 
SELECT Age FROM Student WHERE Age = 23

在执行计划图中用查找（Seek）标识：

注意，如果使用的是

非聚集索引，显示Index Seek（NonClustered）
聚集索引，显示Clustered Index Seek（Clustered）

再次查找（Lookup）

上文的SQL语句，我们进行如下修改：

-- Student表在Age上建立了非聚集索引，注意SELECT后改成了* （不再是Age） 
SELECT * FROM Student WHERE Age = 23

当我们利用非聚集索引进行查找，且要求返回除索引键值以外的行数据时，因为非聚集索引的叶子节点上没有存放实际的行数据，所以还需要再进行一次查询（复习）。

在执行计划图中就会表现为这种形式：

除了之前我们讲过的Index Seek，还出现了RID Lookup（Heap），这就是基于非聚集索引查找结果的再次查询。

即根据表上是否已建立聚集索引，Lookup又可以分为：

RID Lookup（Heap）：表上没有聚集索引，只能在堆上查找RID获得行数据
Key Lookup（Clustered）：表上有聚集索引，通过聚集索引的键值找到行数据

mysql：explain

在explain后面直接跟SQL语句，执行就会得到如下结果：

其中possible_keys和key就涉及到是否使用，以及使用了何种索引。

更多可见mysql官方文档。

索引失效

@想一想@：是不是只要我们在表上建立了索引，并利用该列进行SELECT查询，数据库就一定会使用该索引？

我们在IsFemale上建立索引，并执行如下SQL语句：

SELECT * FROM Student WHERE IsFemale = 0

我们发现：执行计划直接使用了Table Scan，根本没有理会在Gender上建立的索引IX_Student_IsFemale！

为什么呢？

因为IsFemale是BIT类型的，而BIT类型的索引——索引值会大量重复——是非常低效的。

所以，SQL Server认为使用索引比不使用索引更慢，于是即使有索引，SQL Server也不会在执行计划中使用索引！

—— 这就被称之为索引失效。

除了上述原因，常见的还有：

对索引列进行计算之后再进行比较，比如：
```
SELECT * FROM Student WHERE Id*3 = 10 
```

LIKE查除以固定值开头以外的条件，比如：

SELECT * FROM Student 
WHERE SName LIKE 'a%';  -- 可以用到索引
WHERE SName LIKE '%tai%';  -- 无法用到索引

使用了NOT取反

SELECT * FROM Student 
WHERE SName NOT LIKE 'a%';

OR连接的表达式

SELECT * FROM Student 
WHERE Id = 1 
-- OR语句导致前面的Id查询使用索引没有意义
OR SName LIKE 'a%';

注意：SQL Server总是在不断进化的，即总是“想方设法”的让查询用到索引。所以，以前的索引失效（比如NULL运算），现在或将来可能就不会失效。最终还是要以执行计划为准！

索引规划

索引是最简单而有效的提高查询性能的利器。但索引也常常被“滥用”甚至“误用”。

代价

天下没有免费的午餐，凡事皆有代价！这是我们在做性能优化的时候尤其要牢记的一点（尤其是“性能控”的同学）。具体来说，索引会：

占用更多的磁盘空间。
在对数据进行增删改操作时更慢。因为在进行这些操作的同时还要进行索引的维护。

考量

所以，我们在建立索引时应综合考虑以下因素，以确定在某列上有无必要建立索引：

表是经常被读（取），还是被写（入）。大多数时候，表的读取操作远大于写入操作（增删改），所以索引的存在是可取的；但是，某些特殊的表，比如日志记录，是写大于读的，在这种表上，建立索引，很有可能得不偿失。
是否经常使用该列作为过滤条件进行查找。如果几乎不会使用这一列进行查找，比如Student表的SelfDescription（自我介绍），想想，使用自我介绍内容进行查找的时候多不多？
该列上行数据的类型和大小。行数据的类型越简单，比较速度越快；空间小，就不会有空间压力，这样就适合建立索引；反之就不宜在其上建立索引。同样比如Student的SelfDescription，数据类型为VARCHAR(1024)，实际存储内容也不小，就不适合用于建立索引。（VARCHAR(MAX)、TEXT等“大”值类型语法就不允许做索引列）
索引列值是否有大量重复。数据不分散，重复度高，无法建立一个高效的查询树。直观的说，就是分不了叉。只有1和0两个值，怎么做索引？硬要做索引，是不是就是一个二叉树，左边是一串0，右边是一串1就完了，有没有索引的价值？不要觉得少1/2的查询次数就够了！理想的索引，应该取得指数级的性能优化（复习：算法和复杂度）

作业

制作PPT，全面的解释说明数据库的索引机制，包括但不限于：
- 无索引时进行全表扫描
- 索引是一个什么样的数据结构，如何构建和使用
- 聚集索引和非聚集索引，唯一索引和非唯一索引的区别
新建表Message(Id, FromUser, ToUser, UrgentLevel, Kind, HasRead, IsDelete, Content)，使用该表和SQL语句，以及执行计划，说明：
- 唯一约束是否依赖于唯一索引
- 主键上可以是非聚集索引【T-SQL only】
- 删除唯一约束会不会删除唯一索引
如果要在Message上建索引，你会如何规划，为什么？

学习笔记

源栈学历

今天学习不努力，明天努力找工作！

作业

索引：
1. 制作PPT，全面的解释说明数据库的索引机制，包括但不限于：
  - 无索引时进行全表扫描
  - 索引是一个什么样的数据结构，如何构建和使用
  - 聚集索引和非聚集索引，唯一索引和非唯一索引的区别
2. 新建表Message(Id, FromUser, ToUser, UrgentLevel, Kind, HasRead, IsDelete, Content)，使用该表和SQL语句，以及执行计划，说明：
  - 唯一约束是否依赖于唯一索引
  - 主键上可以是非聚集索引【T-SQL only】
  - 删除唯一约束会不会删除唯一索引
3. 如果要在Message上建索引，你会如何规划，为什么？