普通索引和唯一索引有什么区别？我又该如何选择

假设你现在有个公民表维护，有一个唯一身份证id，我们应该怎么设计索引呢？

为什么主键索引不能过长？

身份证是唯一的那么是不是就可以把我们知道InnoDB使用的聚簇索引id和数据一起存，在通过二级索引（普通索引）查询数据时是先找到主键索引再查询数据，如果数据量比较大，主键id过长就会导致一个二级索引(普通非主键索引)树所能存储的主键id记录就会变少，因为索引缓冲区的内存空间是有限的。

主键索引为什么最好是自增的？

如果表使用自增主键，那么每次插入新的记录，记录就会顺序添加到当前索引节点的后续位置，当一页写满，就会自动开辟一个新的页。这样就会形成一个「紧凑」的索引结构，近似顺序填满。由于每次插入时也不需要移动已有数据，因此效率很高，也不会增加很多开销在维护索引上。Mysql 为维护索引可能需要频繁的刷新缓冲，增加了方法磁盘 IO 的次数，而且时常需要对索引结构进行重组织。

应该设置唯一索引还是普通索引？

唯一索引和普通索引有什么区别？

先看看查询操作两者的区别。

对于普通索引来说，查找到满足条件的第一个记录(5,500)后，需要查找下一个记录，直到碰到第一个不满足k=5条件的记录。
对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索。

上面的查询区别对于性能而言是微乎其微的，InnoDB读写数据是按页来的，也是说当找到k=5的记录的时候，它所在的数据⻚就都在内存里了，那么我们只需要判断下一条数据是不是等于5即可，直到出现不为5的值为止，这些都是在内存中操作的，所以性能微乎其微。

再来看看更新插入操作。想了解更新操作对性能的影响先了解了解change buffer。

当需要更新一个数据⻚时，如果数据⻚在内存中就直接更新，而如果这个数据⻚还没有在内存中的话，在不影响数据一致性的前提下，InooDB会将这些更新操作缓存在change buffer中，这样就不需要从磁盘中读入这个数据⻚了。在下次查询需要访问这个数据⻚的时候，将数据⻚读入内存，然后执行change buffer中与这个⻚有关的操作。通过这种方式就能保证这个数据逻辑的正确性。

将change buffer中的操作应用到原数据⻚，得到最新结果的过程称为merge。除了访问这个数据⻚会触发merge外，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操作。

如果能够将更新操作先记录在change buffer，减少读磁盘，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用buffer pool的，所以这种方式还能够避免占用内存，提高内存利用率。

什么情况下会使用change buffer？

对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束。比如，要插入(4,400)这个记录，就要先判断现在表中是否已经存在k=4的记录，而这必须要将数据⻚读入内存才能判断。如果都已经读入到内存了，那直接更新内存会更快，就没必要使用change buffer了。

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以使用。

change buffer用的是buffer pool里的内存，不能无限增大。change buffer的大小，可以通过参数innodb_change_buffer_max_size来动态设置。这个参数设置为50的时候，表示change buffer的大小最多只能占用buffer pool 的50%。

再了解了change buffer之后我们再看看一条插入流程是怎么样的。

这个记录要更新的目标⻚在内存中。这时，InnoDB的处理流程如下:
- 对于唯一索引来说，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束;
- 对于普通索引来说，找到3和5之间的位置，插入这个值，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，只会耗费微小的CPU时间。可以认为性能相同。
这个记录要更新的目标⻚不在内存中。这时，InnoDB的处理流程如下:
- 对于唯一索引来说，需要将数据⻚读入内存，判断到没有冲突，插入这个值，语句执行结束;
- 对于普通索引来说，则是将更新记录在change buffer，语句执行就结束了。

将数据从磁盘读入内存涉及随机IO的访问，是数据库里面成本最高的操作之一。change buffer因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的。

change buffer的使用场景

change buffer只限于用在普通索引的场景下，而不适用于唯一索引。普通索引的所有场景，使用change buffer都可以起到加速作用吗?

因为merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录的变更动作缓存下来，所以在一个数据⻚做merge之前，change buffer记录的变更越多(也就是这个⻚面上要更新的次数越多)，收益就越大。

写多读少的业务来说，⻚面在写完以后⻢上被访问到的概率比较小，此时change buffer的使用效果最好。这种业务模型常⻅的就是账单类、日志类的系统。

假设一个业务的更新模式是写入之后⻢上会做查询，那么即使满足了条件，将更新先记录在change buffer，但之后由于⻢上要访问这个数据⻚，会立即触发merge过程。这样随机访问IO的次数不会减少，反而增加了change buffer的维护代价。所以，对于这种业务模式来说，change buffer反而起到了副作用。

change buffer 和 redo log

假设我们要执行一个插入操作，insert into t(id,k) values(id1,k1),(id2,k2);我们假设当前k索引树的状态，查找到位置后，k1所在的数据⻚在内存(InnoDB buffer pool)中，k2所在的数据⻚不在内存中。如图所示是带change buffer的更新状态图。

image.png

分析这条更新语句，你会发现它涉及了四个部分:内存、redo log(ib_log_fileX)、数据表空间(t.ibd)、系统表空间(ibdata1)。

这条更新语句做了如下的操作(按照图中的数字顺序):

Page 1在内存中，直接更新内存;
Page 2没有在内存中，就在内存的change buffer区域，记录下“我要往Page 2插入一行”这个信息 3. 将上述两个动作记入redo log中(图中3和4)。

这条更新语句的成本很低，就是写了两处内存，然后写了一处磁盘 (两次操作合在一起写了一次磁盘)，而且还是顺序写的。

我们现在要执行 select * from t where k in (k1, k2)。这里，我画了这两个读请求的流程图。如果读语句发生在更新语句后不久，内存中的数据都还在，那么此时的这两个读操作就与系统表空间(ibdata1)和 redo log(ib_log_fileX)无关了。所以，我在图中就没画出这两部分。

image.png

读Page 1的时候，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?其实是不用的。你可以看一下图3的这个状态，虽然磁盘上还是之前的数据，但是这里直接从内存返回结果，结果是正确的。
要读Page 2的时候，需要把Page 2从磁盘读入内存中，然后应用change buffer里面的操作日志，生成一个正确的版本并返回结果。

如果要简单地对比这两个机制在提升更新性能上的收益的话，redo log 主要节省的是随机写磁盘的IO消耗(转成顺序写)，而change buffer主要节省的则是随机读磁盘的IO消耗。