数据库索引的使用

【05】MySQL数据库的索引是什么,怎么用?详解与应用 索引(Index)是数据库中用于加速数据检索的一种数据结构。可以将其看作是书籍中的目录,通过索引可以快速找到相关数据的位置,从而避免全表扫描。在MySQL中,索引主要用于提高查询效率,但也会增加写操作的开销(因为插入、更新和删除数据时也需要更新索引)。索引是数据库性能优化的关键工具,通过合理使用索引可以显著提高查询效率。在使用索引时,要注意选择合适的索引类型,避免过度索引,并根据实际查询需求设计索引。此外,定期分析和优化索引,也是保持数据库高效运作的重要措施。 阅读详情

1、MySQL的基本架构

  • 架构图

在这里插入图片描述
左边的client可以看成是客户端,客户端有很多,像我们经常你使用的CMD黑窗口,像我们经常用于学习的WorkBench,像企业经常使用的Navicat工具,它们都是一个客户端。右边的这一大堆都可以看成是Server(MySQL的服务端),我们将Server在细分为sql层和存储引擎层。

当查询出数据以后,会返回给执行器。执行器一方面将结果写到查询缓存里面,当你下次再次查询的时候,就可以直接从查询缓存中获取到数据了。另一方面,直接将结果响应回客户端。

  • 查询数据库的引擎

① show engines;

在这里插入图片描述

show variables like “%storage_engine%”;
在这里插入图片描述

  • 指定数据库对象的存储引擎
create table tb(
    id int(4) auto_increment,
    name varchar(5),
    dept varchar(5),
    primary key(id)
) engine=myISAM auto_increment=1 default charset=utf8;

2、SQL优化

优化SQL,最重要的就是优化SQL索引。

索引相当于字典的目录。利用字典目录查找汉字的过程,就相当于利用SQL索引查找某条记录的过程。有了索引,就可以很方便快捷的定位某条记录
索引就是帮助MySQL高效获取数据的一种【数据结构】。索引是一种树结构,MySQL中一般用的是【B+树】。

树形结构的特点是:子元素比父元素小的,放在左侧;子元素比父元素大的,放在右侧。
这个图示只是为了帮我们简单理解索引的,真实的关于【B+树】的说明,我们会在下面进行说明。
在这里插入图片描述
索引是怎么查找数据的呢?两个字【指向】,上图中我们给age列指定了一个索引,即类似于右侧的这种树形结构。mysql表中的每一行记录都有一个硬件地址,例如索引中的age=50,指向的就是源表中该行的标识符(“硬件地址”)。

也就是说,树形索引建立了与源表中每行记录硬件地址的映射关系,当你指定了某个索引,这种映射关系也就建成了,这就是为什么我们可以通过索引快速定位源表中记录的原因。

以【select * from student where age=33】查询语句为例。当我们不加索引的时候,会从上到下扫描源表,当扫描到第5行的时候,找到了我们想要找到了元素,一共是查询了5次。

当添加了索引以后,就直接在树形结构中进行查找,33比50小,就从左侧查询到了23,33大于23,就又查询到了右侧,这下找到了33,整个索引结束,一共进行了3次查找。是不是很方便,假如我们此时需要查找age=62,你再想想“添加索引”前后,查找次数的变化情况。

  • 索引的弊端

1.当数据量很大的时候,索引也会很大(当然相比于源表来说,还是相当小的),也需要存放在内存/硬盘中(通常存放在硬盘中),占据一定的内存空间/物理空间。

2.索引并不适用于所有情况:a.少量数据;b.频繁进行改动的字段,不适合做索引;c.很少使用的字段,不需要加索引;

3.索引会提高数据查询效率,但是会降低“增、删、改”的效率。当不使用索引的时候,我们进行数据的增删改,只需要操作源表即可,但是当我们添加索引后,不仅需要修改源表,也需要再次修改索引,很麻烦。尽管是这样,添加索引还是很划算的,因为我们大多数使用的就是查询,“查询”对于程序的性能影响是很大的。

  • 索引的优势

1.提高查询效率(降低了IO使用率)。当创建了索引后,查询次数减少了。

2.降低CPU使用率。比如说【…order by age desc】这样一个操作,当不加索引,会把源表加载到内存中做一个排序操作,极大的消耗了资源。但是使用了索引以后,第一索引本身就小一些,第二索引本身就是排好序的,左边数据最小,右边数据最大。

  • B+树图示说明

MySQL中索引使用的就是B+树结构。
在这里插入图片描述
关于B+树的说明:

首先,Btree一般指的都是【B+树】,数据全部存放在叶子节点中。对于上图来说,最下面的第3层,属于叶子节点,真实数据部份都是存放在叶子节点当中的。

那么对于第1、2层中的数据又是干嘛的呢?答:用于分割指针块儿的,比如说小于26的找P1,介于26-30之间的找P2,大于30的找P3。

其次,三层【B+树】可以存放上百万条数据。这么多数据怎么放的呢?增加“节点数”。图中我们只有三个节点。

最后,【B+树】中查询任意数据的次数,都是n次,n表示的是【B+树】的高度。

索引的分类与创建

1、索引分类

  • 单值索引 :利用表中的某一个字段创建单值索引。一张表中往往有多个字段,也就是说每一列其实都可以创建一个索引,这个根据我们实际需求来进行创建。还需要注意的一点就是,一张表可以创建多个“单值索引”。
    假如某一张表既有age字段,又有name字段,我们可以分别对age、name创建一个单值索引,这样一张表就有了两个单值索引。
  • 唯一索引:也是利用表中的某一个字段创建单值索引,与单值索引不同的是:创建唯一索引的字段中的数据,不能有重复值。像age肯定有很多人的年龄相同,像name肯定有些人是重名的,因此都不适合创建“唯一索引”。像编号id、学号sid,对于每个人都不一样,因此可以用于创建唯一索引。
  • 复合索引:多个列共同构成的索引。比如说我们创建这样一个“复合索引”(name,age),先利用name进行索引查询,当name相同的时候,我们利用age再进行一次筛选。注意:复合索引的字段并不是非要都用完,当我们利用name字段索引出我们想要的结果以后,就不需要再使用age进行再次筛选了。

2、创建索引

语法:create 索引类型 索引名 on 表(字段);

  • 创建索引的第一种方式
    创建单值索引
create index dept_index on tb(dept);

创建唯一索引:这里我们假定name字段中的值都是唯一的

create unique index name_index on tb(name);

创建复合索引

create index dept_name_index on tb(dept,name);
  • 创建索引的第二种方式
    先删除之前创建的索引以后,再进行这种创建索引方式的测试;

语法:alter table 表名 add 索引类型 索引名(字段)

创建单值索引

alter table tb add index dept_index(dept);

创建唯一索引:这里我们假定name字段中的值都是唯一的

alter table tb add unique index name_index(name);

创建复合索引


alter table tb add index dept_name_index(dept,name);

如果某个字段是primary key,那么该字段默认就是主键索引。

主键索引和唯一索引非常相似。相同点:该列中的数据都不能有相同值;不同点:主键索引不能有null值,但是唯一索引可以有null值。

3、索引删除和索引查询

  • 索引删除

语法:drop index 索引名 on 表名;

drop index name_index on tb;
  • 索引查询

语法:show index from 表名;

show index from tb;
《数据库原理》实验报告DB4——视图与索引 一. 实验内容、步骤以及结果 1. 在Student数据库中,用SQL语句创建一个选修了数据库课程并且是2001年出生的学生的视图,视图中包括学号,姓名,性别,成绩。(5分) create view student_2001(sno,sname,sgender,grade) as select s.sno,sname,sgender,grade from s,sc,c where s.sno = sc.sno and sc.cno = c.cno and cname = '数据库' and birth li 阅读详情

相关推荐

Cosmos DB 索引优化实战技巧

Azure Cosmos DB索引优化策略(150字摘要) 本文针对Azure Cosmos DB提出核心优化方案:1)索引策略配置,通过包含/排除路径精准控制索引范围;2)复合索引优化多条件查询与排序;3)矢量索引分片提升向量搜索性能;4)数组字段采用属性提取或多键索引避免全扫描;5)动态吞吐量调整与分区键设计避免热分区。建议结合业务场景精简索引,定期监控RU消耗,删除冗余路径,并利用EXPLAIN分析查询计划。电商案例显示复合索引可提升订单查询效率30%+,矢量索引优化使推荐系统响应速度提升50%。

java专栏 1243

【数据库】索引使用方式

使用索引是提高数据库查询效率的主要方式,下面从索引结构,索引类型,索引操作,命中索引几个方面来介绍索引。 一、索引结构 mysql5.5以上的默认存储引擎innodb,只显式支持BTree( 事实上从数据结构上来讲是B+树,mysql称之为BTree)索引,对于频繁访问的表,innodb会建立自适应hash索引, 即在B树索引基础上建立hash索引,可以显著提高查找效率,用户是无法自己指定的,除此之外还有Hash索引和全文索引(fullText索引)。 BTree索引 BTree,顾名思义,就是所有的索引节

欢迎指错||纠正||建议||水评+点赞&&评论&&关注&&转发 6338

数据库领域数据仓库的索引优化策略

数据仓库作为企业级数据管理的核心组件,承载着大量的历史数据和业务信息,用于支持企业的决策分析和数据挖掘等重要业务。随着数据量的不断增长和查询需求的日益复杂,数据仓库的查询性能面临着巨大的挑战。索引优化作为提升数据仓库查询性能的关键技术手段,其目的在于通过合理设计和管理索引,减少数据扫描范围,提高数据访问速度,从而显著提升数据仓库的查询响应时间和整体性能。本文的范围涵盖了数据仓库索引优化的各个方面,包括核心概念、算法原理、操作步骤、数学模型、实际应用案例以及相关的工具和资源推荐等。

2502_91592937的博客 1022

数据库索引介绍及使用

一、索引的概念        索引就是加快检索表中数据的方法。数据库的索引类似于书籍的索引。在书籍中,索引允许用户不必翻阅完整个书就能迅速地找到所需要的信息。在数据库中,索引也允许数据库程序迅速地找到表中的数据,而不必扫描整个数据库。二、索引的特点    1.索引可以加快数据库的检索速度     2.索引降低了数据库插入、修改、删除等维护任务的速度     3.索引创建在表上,不能创建在视图上

请叫我麦兜兜儿 3048

西威SIEI变频器与电梯主板及驱动板原理图解析与详解(共二十九页原厂PDF图纸)

通过本文的分析,可以了解到西威变频器的技术特点、维修需求以及相关的图纸获取途径。在今后的工作中,维修人员需要充分了解设备的电路图和原理图,掌握正确的维修技术和方法,确保设备的正常运行和延长使用寿命。对于维修人员来说,获取准确的变频器图纸是进行维修工作的基础。这些图纸包含了变频器的电路图、原理图以及相关的元件布局等信息,是维修人员了解设备工作原理、确定维修步骤的重要依据。西威变频器是一种高效、可靠的电机控制设备,广泛应用于电梯、空调、风机等领域的电机控制中。目前,西威提供的维修图纸主要以PDF格式为主。

lXSqtACEzg的博客 1116

SQLSTATE58030

在优化一条SQL的时候遇到了执行错误 gtlions =# select t1.telnumber,t2.ua,t2.url,t1.apply_name,t2.apply_name from tb1 t1 gtlions -# left outer join tb2 t2 on t1.sid = t2.ipsid gtlions-# where t1.sum_date=20141128 a

Gtlions Tracker 3660

索引的使用

例如,一张顾客信息表中,大部分顾客都是来自东部地区,少部分是来自西部地区,如果按照地区名称建立索引,那么查询“来自东部地区的顾客”时索引就无法发挥作用,因为大部分数据都是“东部地区”,查询时需要扫描大量数据。建立索引可以使用CREATE INDEX语句,删除索引可以使用DROP INDEX语句,查询优化器会自动使用合适的索引。查询语句中的条件不利于索引的使用,例如使用了不等于、or运算符、函数(如DATE(),UPPER()等)等操作,那么数据库系统就无法将这些函数和索引进行匹配,从而无法使用索引。

leshen_88的博客 2548

QT窗体大小控制全攻略:从setFixedSize到事件过滤器的进阶用法

本文深入探讨了QT窗体尺寸控制的进阶实践,从基础的setFixedSize方法到结合事件过滤器实现智能动态适配。通过分析窗口状态变化、多显示器环境处理以及布局策略,提供了实现禁止缩放但支持最大化、多屏智能适配及动态约束等复杂场景的完整解决方案与核心代码示例。

weixin_29229261的博客 300

数据库中的索引

索引是数据库表中的字段的索引,所谓的索引就是在表的字段上添加的,每个字段都可以添加索引来提高查找效率,也可以多个字段联合添加一个索引。

weixin_52938172的博客 3万+

从圆形到椭圆:CenterNet中高斯热图半径的自适应优化策略

本文深入探讨了CenterNet目标检测模型中高斯热图生成策略的优化,针对传统圆形高斯核在处理长宽比差异大目标时的局限性,提出了自适应椭圆高斯核的解决方案。通过数学推导和代码实战,详细阐述了如何根据目标边界框尺寸动态计算椭圆长短轴半径,生成更贴合目标几何形状的热图监督信号,从而有效提升模型,尤其是对无人机、车辆等不规则目标的定位精度。

alice7model的博客 986

QGIS三维地形可视化实战:从DEM数据到炫酷3D场景(附Qgis2threejs插件配置)

本文详细介绍了如何利用QGIS和Qgis2threejs插件,将DEM数据转化为交互式三维地形场景的完整工作流。核心内容包括DEM数据准备、坐标系选择(重点对比WGS 84与UTM的差异及影响)、插件核心参数配置、卫星影像与等高线叠加等进阶技巧,并提供了成果导出与常见问题解决方案,帮助用户高效创建可用于网页展示的炫酷3D可视化成果。

mqtt6iot的博客 878

berkeley db 中secondaryDatabase的用法 and 构建索引

简单介绍下bdb中索引的构建。        为什么要构建索引?        由于bdb是key/value型数据库,我们通常是通过key值来检索数据。可是,实际运用中,我们更希望能够通过value中的某些值来得到这样一整条记录。显然仅仅靠key来检索是不可行的。原文摘抄如下:Usually you find database records by means of the record's

Simple life 3334

3D Slicer中Auto3DSeg和TotalSegmentator等自动分割插件总是安装失败,怎么办?教你两招

TotalSegmentator, MONAI auto3Dseg,这些工具因分割器官多,准确性高,备受关注。同时,这些自动分割工具被集成在了3D slicer平台,非常方便临床医生做手术规划。详细了解这些工具看之前的教程👇-------- 简单概述 --------其中,MONAIAuto3DSeg扩展附带数十种针对特定临床用例的预训练分割模型,这些模型旨在快速运行,几分钟内即可在任何普通计算机上运行,无需 GPU,甚至在笔记本电脑上。

zzjlhlcd的博客 1699

怎们知道redis使用的数据库索引database是多少

如何确认Redis使用的数据库索引(database) 作为一名刚入行的开发者,了解如何与Redis进行交互以及如何察觉数据库的状态是至关重要的。本篇文章将带领你一步步了解如何确定Redis使用的数据库索引。我们将展示整个流程,提供所需的代码,并对每一步进行详细说明。 流程概述 下面是确认Redis数据库索引的整体步骤: ...

weixin_36874817的博客 515

电子货架标签应用浅析(ESL)

​【 关注与分享,是对原创最大的鼓励 】 年底了,会断续介绍几个主要的BLE的应用及市场情况,这篇文章介绍的是电子货架标签, ESL (Electronic Shelf Label)。 文章将从应用简介,市场规模,产业链,头部玩家及系统框架进行介绍。只对技术感兴趣的可以直接拉到底。 ESL简介 ESL,是一种显示产品,其主要是替代传统的纸质标签,应用于大型商超,...

iotthings的博客 4695

NU1680无线充电接收器在TWS耳机中的应用实战:I2C调压与QI协议适配

本文详细解析了NU1680无线充电接收器在TWS耳机充电仓设计中的应用实战。重点阐述了其无固件设计、I2C接口动态调压功能如何解决不同QI协议发射器的兼容性难题,并分享了硬件设计、PCB布局、与发射端联调及安全测试等关键环节的实践经验,助力开发者快速实现稳定高效的无线充电方案。

weixin_28432777的博客 233

数据仓库在数据库领域的索引设计原则

数据仓库作为企业级数据分析的核心基础设施,其索引设计直接决定了复杂查询的性能边界。本文以数据仓库的OLAP工作负载特征为起点,通过第一性原理推导索引设计的本质目标(降低数据访问成本),系统解析传统索引结构(B-tree、位图索引)与新型列存索引(如块索引、投影索引)的适用场景,结合星型/雪花模型的典型架构,提出"维度-事实表差异化索引策略""高基数-低基数列索引选型矩阵"等实践框架,并覆盖索引维护、自动调优、未来演化等高级议题。

AI天才研究院 1145

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

大云海山数据库(He3DB) 内核分析 — Btree索引篇

本文重点分析了He3DB数据库中B-Tree索引的实现原理。首先介绍了B+Tree的基本结构特点,包括键值存储在叶子节点、叶子节点双向链接等。随后详细阐述了索引的创建过程,包括元组转换、排序、页面填充及B+Tree构建等关键步骤。在查询方面,解释了索引扫描的工作原理及与回表操作的配合机制。对于数据更新,分析了索引插入时的页面分裂处理流程,以及删除操作中标记删除与物理删除的区别。最后总结了B+Tree索引在等值和范围查询中的优势,并指出其内部节点与叶子节点的不同指向特点。

weixin_43544348的博客 1043

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

数据仓库中如何使用索引

阅读原文摘要: 原文:数据仓库中如何使用索引 数据仓库的索引是个棘手的问题。如果索引太多,数据插入很快但是查询响应就会很慢。如果太多索引,数据导入就很慢并且数据存储空间更大,但是查询响应更快。数据库中索引的作用就是加快查询速度,不论是传统数据库还是数据仓库。原文:数据仓库中如何使用索引数据仓库的索引是个棘手的问题。如果索引太多,数据插入很快但是查询响应就会很慢。如果太多索引,数据导入就很慢并且数据...

weixin_40581980的博客 610

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

DB的索引

这里是修真院后端小课堂,每篇分享文从 【背景介绍】【知识剖析】【常见问题】【解决方案】【编码实战】【扩展思考】【更多讨论】【参考文献】 八个方面深度解析后端知识/技能,本篇分享的是: 【DB的索引 】 大家好,我是IT修真院北京分院的学员,一枚正直善良的JAVA程序员。 今天给大家分享一下,修真院官网任务中可能会使用到的知识点: 什么是DB的索引? 1.背景介绍: 索引是...

IT修真院:初学者转行到互联网的聚集地 615

数据库索引设计与优化:db-tutorial 数据结构深度解析

数据库索引是提升查询性能的关键技术,理解其底层数据结构对于设计高效的数据库系统至关重要。本文基于db-tutorial项目,深度解析数据库索引的数据结构原理,帮助您掌握索引设计与优化的核心技巧。 ## 什么是数据库索引?🤔 **数据库索引是数据库为了提高查找效率的一种数据结构**。索引基于原始数据衍生而来,它的主要作用是缩小检索的数据范围,提升查询性能。通俗来说,索引在数据库中的作用就像是一

gitblog_01068的博客 924

数据库索引全解(What is Database Index)

本文来自数据库索引的实现原理 数据库索引 唯一索引 主键索引 聚集索引 局部性原理与磁盘预读 B-Tree索引的性能分析 B树 B加树说白了,索引问题就是一个查找问题。。。数据库索引数据库索引,是数据库管理系统中一个排序的数据结构,以协助快速查询、更新数据库表中数据。索引的实现通常使用B树及其变种B+树。 在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)

MapleStory的博客 1万+

数据库索引Database Indexing

总觉得很多人会用个SQL Index就很装逼<( ̄3 ̄)> 主要学习了《Database System Concepts 6th》chapter 11Problem Domain “Find all instructors in the Physics department” It is inefficient for the system to read every tuple in the

musaxic的博客 1207

python berkeley DB操作——打开btree索引文件中的database

打开BDB中某个索引中的数据库代码: from bsddb3 import db import bsddb3 as bsddb print db.DB_VERSION_STRING mydb = db.DB() mydb.open('your_btree_db_filename', 'databsename', dbtype=db.DB_BTREE) rec =...

djph26741的博客 274

移动云大云海山数据库(He3DB)B树索引

B树索引是数据库使用场景中最常见的索引。移动云大云海山数据库的B树索引实际上是一种B+树。本文主要介绍数据库的B树索引页面、B树索引结构,以及B树索引创建和插入的过程。在src/backend/access/nbtree/nbtree.c的函数bthandler中,可以找到B树索引的所有入口函数。索引创建:btbuild索引插入:btinsert索引删除:btbulkdelete、btvacuumcleanup。

weixin_43544348的博客 691
上一篇: django处理分页
下一篇: 数据库进阶
javascript_good
博客等级 码龄12年 118粉丝 135原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

javascript_good

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值