你知道如何区分MySQL普通索引和唯一索引吗?
0 概念区分
- 普通索引和唯一索引 普通索引可以重复,唯一索引和主键一样不能重复。 唯一索引可以作为数据的一个合法验证手段,例如学生表的身份证号码字段,我们人为规定该字段不得重复,那么就使用唯一索引。(一般设置学号字段为主键)
- 主键和唯一索引 主键保证数据库里面的每一行都是唯一的,比如身份证,学号等,在表中要求唯一,不重复。唯一索引的作用跟主键的作用一样。 不同的是,在一张表里面只能有一个主键,主键不能为空,唯一索引可以有多个,唯一索引可以有一条记录为空,即保证跟别人不一样就行。 比如学生表,在学校里面一般用学号做主键,身份证则弄成唯一索引;而到了教育局,他们就把身份证号弄成主键,学号换成了唯一索引。 选谁做表的主键,要看实际应用,主键不能为空。
1 示例
一个市民系统,每个人都有个唯一身份证号; 业务代码已保证不会写入两个重复的身份证号; 如果市民系统需要按照身份证号查姓名,就会执行类似SQL:
select name from CUser where id_card = 'xxxxxxxyyyyyyzzzzz';
相信你一定会在id_card
字段上建索引。
由于身份证号字段比较大,不建推荐把身份证号做主键。 因此现在有两个选择
- 给id_card字段创建唯一索引
- 创建一个普通索引
如果业务代码已保证不会写入重复的身份证号,那这两个选择逻辑上都正确。
但从性能角度考虑,唯一索引还是普通索引呢? 假设字段 k 上的值都不重复。
- InnoDB的索引组织结构
接下来从这两种索引对查询语句和更新语句的性能影响来进行分析。
2 查询过程
查询语句
select id from T where k=5
该语句在索引树查找的过程: 先通过B+树从树根开始,按层搜索到叶节点,即图中右下角的数据页,然后可认为数据页内部是通过二分法定位记录。
- 对普通索引,查找到满足条件的第一个记录(5,500)后,需查找下个记录,直到碰到第一个不满足k=5条件的记录
- 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,就会停止检索。
该不同点带来的性能差距会有多少呢? 微乎其微!
InnoDB数据是按数据页为单位读写。即当需读一条记录时,并非将该记录本身从磁盘读出,而是以页为单位,将其整体读入内存。
InnoDB中,每个数据页的大小默认是16KB。
因引擎按页读写,所以,当找到k=5记录时,它所在数据页就都在内存了。 对普通索引,要多做的那一次“查找和判断下一条记录”的操作,就只需要一次指针寻找和一次计算。 如果k=5记录刚好是该数据页的最后一个记录,那么要取下个记录,必须读取下个数据页,操作会稍微复杂。 对于整型字段,一个数据页可存近千个key,因此这种情况概率很低。所以,计算平均性能差异时,仍可认为该操作成本对现在的CPU可忽略不计。
3 更新过程
3.1 change buffer
需更新一个数据页时
- 若数据页在内存,直接更新
- 若该数据页不在内存,在不影响数据一致性前提下,InooDB会将这些更新操作缓存在change buffer,无需从磁盘读入该数据页。 在下次查询需要访问该数据页时,将数据页读入内存,然后执行change buffer中与这个页有关的操作。通过该方式就能保证这个数据逻辑的正确性。
虽然叫change buffer,实际上是可持久化的数据。 即change buffer在内存中有拷贝,也会被写进磁盘。
3.2 merge
3.2.1 概念
将change buffer中的操作应用到原数据页,得到最新结果的过程。
3.2.2 触发时机
访问该数据页会触发merge 系统有后台线程会定期merge 在数据库正常关闭(shutdown)的过程中,也会执行merge。
若能将更新操作先记录在change buffer,减少读盘,语句执行速度会明显提升。 且数据读入内存需要占用buffer pool,所以该方式还能避免占用内存,提高内存利用率。
3.3 何时用change buffer
对于唯一索引,所有更新操作要先判断该操作是否违反唯一性约束。
比如,要插入(4,400)记录,要先判断表中是否已存k=4记录,而这必须要将数据页读入内存才能判断。 如果都已经读入到内存,那直接更新内存会更快,就没必要使用change buffer。 因此,唯一索引的更新就不能使用change buffer,实际上也只有普通索引可使用。
change buffer用的是buffer pool里的内存,因此不能无限增大。 change buffer的大小,可通过参数innodb_change_buffer_max_size动态设置。 参数设置为50时,表示change buffer的大小最多只能占用buffer pool的50%。
理解了change buffer机制,看看要在这张表中插入一个新记录(4,400),InnoDB处理流程。
分情况讨论该记录要更新的目标页是否在内存中:
在内存
- 唯一索引 找到3和5之间位置,判断到没有冲突,插入值,语句执行结束。
- 普通索引 找到3和5之间位置,插入值,语句执行结束。 普通索引和唯一索引对更新语句性能影响的差别,只是一个判断,只会耗费微小CPU时间。
不在内存
- 唯一索引 需要将数据页读入内存,判断到没有冲突,插入值,语句执行结束
- 普通索引 将更新记录在change buffer,语句执行结束
将数据从磁盘读入内存涉及随机IO访问,是数据库里面成本最高操作之一。 change buffer因减少随机磁盘访问,所以对更新性能提升明显。
问题案例:某业务的库内存命中率突然从99%降低到了75%,整个系统处于阻塞状态,更新语句全部堵住。 探究其原因,发现该业务有大量插入数据操作,而DBA在前天把其中的某个普通索引改成了唯一索引。
change buffer的使用场景
普通索引的所有场景,使用change buffer都可加速吗?
因为merge才是真正进行数据更新时刻; change buffer主要目的是将记录的变更动作缓存下来; 所以在一个数据页做merge前,change buffer记录变更越多(即该数据页上要更新的次数越多),收益越大。
对写多读少业务,页面在写完后马上被访问到的概率较小,change buffer使用效果最好。该类业务模型常见为账单、日志类的系统。
反之,假设一业务的更新模式是写后马上查询,那么即使满足条件,将更新先记录在change buffer,但之后由于马上要访问该数据页,立即触发merge。 这样随机访问IO的次数不会减少,反而增加change buffer维护代价。 所以,对于这种业务模式,change buffer起副作用。
4 实践中的索引选择
普通索引和唯一索引如何抉择。 这两类索引在查询性能上没差别,主要考虑对更新性能影响。 所以,推荐尽量选择普通索引。
如果所有更新后面,都紧跟对该记录的查询,那么该关闭change buffer。 而在其他情况下,change buffer都能提升更新性能。 普通索引和change buffer的配合使用,对于数据量大的表的更新优化还是很明显的。
在使用机械硬盘时,change buffer机制的收效非常显著。 所以,当你有一个类似“历史数据”的库,并且出于成本考虑用机械硬盘时,应该关注这些表里的索引,尽量使用普通索引,把change buffer 开大,确保“历史数据”表的数据写速度。
5 change buffer 和 redo log
WAL 提升性能的核心机制,也是尽量减少随机读写,这两个概念易混淆。 所以,这里我把它们放到了同一个流程里来说明区分。
在表上
5.1 执行插入
insert into t(id,k) values(id1,k1),(id2,k2);
假设当前k索引树的状态,查找到位置后 k1所在数据页在内存(InnoDB buffer pool),k2所在的数据页不在内存中
- 带change buffer的更新状态图。
该更新语句涉及四部分:
- 内存
- redo log(ib_log_fileX)
- 数据表空间(t.ibd)
- 系统表空间(ibdata1)
该更新语句做了如下操作(按图中数字顺序):
- Page1在内存,直接更新内存
- Page2没有在内存中,就在内存的change buffer区,记录下“我要往Page2插一行”的信息
- 将前两个动作记入redo log(图中的3和4)
做完上面,事务完成。执行这条更新语句的成本很低,就写两处内存,然后写一处磁盘(两次操作合在一起写了一次磁盘),还是顺序写。
图中两个虚箭,是后台操作,不影响更新的响应时间。
这之后的读请求,怎么处理? 现在执行
select * from t where k in (k1, k2)
若读语句紧随在更新语句后,内存中的数据都还在,那么此时这俩读操作就与系统表空间(ibdata1)和 redo log(ib_log_fileX)无关。所以在图中就没画这俩。
- 两个读请求的流程图(带change buffer的读过程)
从图中可见: 读Page1时,直接从内存返回。 WAL之后如果读数据,是不是一定要读盘,是不是一定要从redo log里面把数据更新以后才可以返回?其实不用。 看上图状态,虽然磁盘上还是之前数据,但这里直接从内存返回结果,结果正确。
要读Page2时,需把Page2从磁盘读入内存,然后应用change buffer里面的操作日志,生成一个正确版本并返回结果。 可见直到需读Page2时,该数据页才被读入内存。
所以,要简单对比这俩机制对更新性能影响
- redo log 主要节省随机写磁盘的IO消耗(转成顺序写)
- change buffer主要节省随机读磁盘的IO消耗
6 总结
由于唯一索引用不了change buffer的优化机制,因此如果业务可以接受,从性能角度,推荐优先考虑非唯一索引。
6.1 关于到底是否使用唯一索引
主要纠结在“业务可能无法确保”。本文前提是“业务代码已经保证不会写入重复数据”下,讨论性能问题。
- 如果业务不能保证,或者业务就是要求数据库来做约束,那么没得选,必须创建唯一索引。这种情况下,本文意义在于,如果碰上大量插入数据慢、内存命中率低时,多提供一个排查思路。
- 然后,在一些“归档库”的场景,可考虑使用唯一索引的。比如,线上数据只需保留半年,然后历史数据保存在归档库。此时,归档数据已是确保没有唯一键冲突。要提高归档效率,可考虑把表的唯一索引改普通索引。
上一篇: 如何在Mysql中选择唯一索引和普通索引
下一篇: CREATE INDEX
推荐阅读
-
Grid++Report 锐浪报表开发常见问题解答集锦-报表设计 问:怎样在设计时打印预览报表? 答:为了及时查看报表的设计效果,Grid++Report 报表设计应用程序提供了四种查看视图:普通视图、页面视图、预览视图与查询视图。通过窗口下边的 Tab 按钮可以在四种视图中任意切换。在预览视图中查看报表的打印预览效果,在查询视图中查看报表的查询显示效果。如果在报表的记录集提供了数据源连接串与查询 SQL,在进入预览视图与查询视图时会利用数据源连接串与查询 SQL 从数据源中自动取数,否则 Grid++Report 将自动生成模拟数据进行模拟打印预览与查询显示。注意:在预览视图与查询视图中看到的报表运行结果有可能与在你程序中的最终运行结果有差异,因为在报表的生成过程中我们可以在程序中对报表的生成行为进行一定的控制。 问:怎样用 Grid++Report 设计交叉表? 答:Grid++Report 没有提供专门实现交叉表的功能,其它的报表构件提供的交叉表功能一般也比较死板和功能有限。利用 Grid++Report 的编程接口可以做出灵活多变,功能丰富的交叉表。示例程序 CrossTab 就是一个实现交叉表的例子程序,认真领会此例子程序,你就可以做出自己想要各种交叉表,并能提取一些共用代码,便于重复使用。 问:怎样设置整个报表的缺省字体? 答:设置报表主对象的字体属性,也就是设置了整个报表的缺省字体。如果改变报表主对象的字体属性,则没有专门的设置字体属性的子对象的字体属性也跟随改变。同样每个报表节与明细网格也有字体属性,他们的字体属性也就是其拥有的子对象的缺省字体。 问:怎样在打印时限制一页的输出行数? 答:设定明细网格的内容行的‘每页行数(RowsPerPage)’属性即可。另外要注意‘调节行高(AdjustRowHeight)’属性值:为真时根据页面的输出高度自动调整行的高度,使整个页面的输出区域充满。为假时按设计时的高度输出行。 问:怎样显示中文大写金额? 答:将对象的“格式(Format)”属性设为 “$$” 及可,可以设置格式的对象有:字段(IGRField)、参数(IGRParameter)、系统变量(IGRSystemVarBox)与综合文字框(IGRMemoBox),其中综合文字框是在报表式上设格式。 问:能否实现自定义纸张与票据打印? 答:Grid++Report 完全支持自定义纸张的打印,只要在报表设定时在页面设置中选定自定义纸张,并指定准确的纸张尺寸。当然要在最终输出时得道合适的打印结果,输出打印机必须支持自定义纸张打印。Windows2000/XP/2003 操作系统上可以在打印机上定义自定义纸张,也可以采用这种方式实现自定义纸张打印。 问:怎样实现 0 值不打印? 答:直接设置格式串就可以,在“数字格式”设置对话框中选定“0 不显示”,就会得到合适的格式串。也可以通过直接录入格式串来指定 0 不显示,但格式串必须符合 Grid++Report 的规定格式。另一种实现办法是在报表获取明细记录数据时,在 BeforePostRecord 事件中将值为零的字段设为空,调用字段的 Clear 方法将字段置为空。 问:怎样实现多栏报表? 答:在明细网格上设‘页栏数(PageColumnCount)’属性值大于 1 即可。通过 Grid++Report 的“页栏输出顺序”还可以指定多栏报表的输出顺序是“先从上到下”还是“先从左到右”。 问:如何实现票据套打? 答:Grid++Report 为实现票据套打做了很多专门的安排:报表设计器提供了页面设计模式,按照设定的纸张尺寸显示设计面板,如果将空白票据的扫描图设为设计背景图,在定位报表内容的输出位置会非常方便。报表部件可以设定打印类别,非套打输出的内容在套打打印模式下就不会输出。 问:Grid++Report 有没有横向分页功能? 答:回答是肯定的,在列的总宽度超过打印页面的输出宽度时,Grid++Report 可以另起新页输出剩余的列,如果左边存在锁定列,锁定列可以在后面的新页中重复输出,这样可以保证关键数据列在每一页都有输出。仔细体会 Grid++Report 提供的多种打印适应策略,选用最合适的方式。Grid++Report 的多种打印适应策略为开发动态报表提供了很好的支持。 问:怎样实现报表本页小计功能? 答:定义一个报表分组,将本分组定义为页分组,在本分组的分组头与分组尾上定义统计。页分组就是在每页产生一个分组项,在每页的上端与下端都会分别显示页分组的分组头与分组尾,页分组不用定义分组依据字段。 报表运行 问:怎样与数据库建立连接? 答:如果在设计报表时指定了数据集的数据源连接串与查询 SQL 语句,Grid++Report 采用拉模式直接从数据源取得报表数据,Grid++Report 利用 OLE DB 从数据源取数,OLE DB 提供了广泛的数据源操作能力。如果 Grid++Report 的数据来源采用推模式,即 Grid++Report 不直接与数据库建立连接,各种编程语言/平台都提供了很好的数据库连接方式,并且易于操作,应用程序在报表主对象(IGridppReport)的 FetchRecord 事件中将数据传入,例子程序提供了各种编程语言填入数据的通用方法,对C++Builder 和 Delphi 还进行了专门的包装,直接关联 TDataSet 对象也可以将 TDataSet 对象中的数据传给报表。 问:打印时能否对打印纸张进行自适应?支持表格的折行打印吗? 答:Grid++Report 在打印时采用多种适应策略,通过设置明细网格(IGRDetailGrid)的‘打印策略(PrintAdaptMethod)’属性指定打印策略。(1)丢弃:按设计时列的宽度输出,超出范围的内容不显示。(2)绕行:按设计时列的宽度输出,如果在当前行不能完整输出,则另起新行进行输出。(3)缩放适应:对所有列的输出宽度进行按比例地缩放,使总宽度等于页面的输出宽度。(4)缩小适应:如果列的总宽度小于页面的输出宽度,对所有列的输出宽度进行按比例地缩小,使总宽度等于页面的输出宽度。(5)横向分页:超范围的列在新页中输出。(6)横向分页并重复锁定列。 问:如何改变缺省打印预览窗口的窗口标题? 答:改变报表主对象的‘标题(Title)’属性即可。 问:利用集合对象的编程接口取子对象的接口引用,但不是自己期望的结果。 答:Grid++Report中所有集合对象的下标索引都是从 1 开始,另按对象的名称查找对象的接口引用时,名称字符是不区分大小写的。 问:怎样在运行时控制报表中各个对象的可见性?即怎样在运行时显示或隐藏对象? 答:在报表主对象(GridppReport)的 SectionFormat 事件中设定相应报表子对象的可见(Visible)属性即可。 问:报表主对象重新载入数据,设计器中为什么没有反映新载入的数据? 答:应调用 IGRDesigner 的 Reload 方法。 问:怎样实现不进入打印预览界面,直接将报表打印出来?
-
你知道如何区分MySQL普通索引和唯一索引吗?
-
如何在Mysql中选择唯一索引和普通索引
-
你真的能区分MySQL普通索引和唯一索引吗?