MySQL的聚簇索引和覆盖索引

聚簇索引

聚簇索引不是一种单独的索引类型，而是一种数据存储方式。InnoDB聚簇索引的数据行实际上存放在索引的叶子页(leaf page)中。“聚簇”代表着数据行和相邻的键值紧凑地存储在一起，InnoDB通过主键聚集数据，如果不存在主键，InnoDB会选择唯一的非空索引，如果也没有唯一非空索引，InnoDB隐式定义一个主键来作为聚簇索引。一张表中只能存在一个聚簇索引。

聚簇索引优点

1. 可以把相关数据保存在一起。
2. 数据访问速度更快。索引和数据保存在同一棵B+Tree中，因此从聚簇索引获取数据更快些。
3. 使用覆盖索引扫描的查询可以直接使用叶节点中的主键值。
4. 聚簇索引最大限度提升了IO密集型应用的性能。

聚簇索引缺点

1. 插入速度严重依赖插入顺序。
2. 更新聚簇索引代价高。
3. 聚簇索引可能引起页分裂(page split)，页分裂会导致表占用更多的磁盘空间。
4. 聚簇索引可能导致全表扫描变慢，尤其是行稀疏，或者页分裂导致数据存储不连续的时候。
5. 二级索引(非聚簇索引)可能比想象的要更大，因为在二级索引的叶子节点包含了引用行的主键列。
6. 二级索引访问需要两次索引查找，而不是一次。二级索引叶子节点保存的不是指向行的物理位置的指针，而是行的主键值。

InnoDB聚簇索引的存储

InnoDB中聚簇索引“就是”表。聚簇索引的每一个叶子节点都包含了主键值、事务ID、用于事务和MVCC的回滚指针以及所有剩余的列。InnoDB二级索引的叶子节点中存储的不是行指针，而是主键值。这样的设计减少了行移动或者页分裂时二级索引的维护成本，但是在二级索引访问时却需要两次索引查找。
InnoDB聚簇索引尽可能地按主键顺序插入数据，并且尽可能地使用单调增加的聚簇键的值来插入新行。
InnoDB聚簇索引的存储如下图所示：

截图自《高性能MySQL(第三版)》

覆盖索引

如果一个索引包含(覆盖)所有需要查询的字段值，我们就称之为“覆盖索引”。

下面的情况适合使用覆盖索引，查询时只扫描覆盖索引，而不需回表查询。

1. 索引条目通常远小于数据行大小，只读取索引，会减少访问量。
2. 索引按照列值顺序存储，对于范围查询效率更高。
3. InnoDB二级索引如果能够覆盖索引，可以避免对主键索引的二次查询。
4. 若索引缓存在内存中，查询时开销更小。

关于索引可能的面试题

问题一：MySQL的底层数据结构

MyISAM引擎索引文件和数据文件是分离的，InnoDB引擎索引数据文件本身就是索引文件(聚簇索引)。

问题二：为什么InnoDB表必须有主键，并且推荐使用整型的自增主键

InnoDB通过主键聚集数据，如果不存在主键，InnoDB会选择唯一的非空索引，如果也没有唯一非空索引，InnoDB隐式定义一个主键来作为聚簇索引。
自增主键可以保证数据顺序增加，如果不是顺序增加，会引起B+Tree叶子节点因为插入导致的数据检索，页分裂和保持顺序等消耗，而顺序增加只需要在B+Tree最后叶子节点加入就可以了。

问题三：为什么非主键索引结构叶子节点存储的是主键值

这样的设计减少了行移动或者页分裂时二级索引的维护成本，但是在二级索引访问时却需要两次索引查找。