普通索引和唯一索引如何选择

对于身份证来说一般都是唯一的，那么针对该字段应该是创建唯一索引，还是创建一个普通索引。如果业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的。 那么从性能的角度考虑，是选择唯一索引还是普通索引呢？选择的依据是什么呢？针对查询和更新分别有什么影响呢？

以这个表为例

mysql> create table T(
id int primary key, 
k int not null, 
name varchar(16),
index (k))engine=InnoDB;

查询过程

假设执行查询的语句是 select id from T where k=5

• 这个查询语句在索引树上查找的过程，先是通过 B+ 树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，然后可以认为数据页内部通过二分法来定位记录
• 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

那么，这个不同带来的性能差距会有多少呢？答案是，微乎其微

因为InnoDB 的数据是按数据页为单位来读写的

• 也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。在 InnoDB 中，每个数据页的大小默认是 16KB
• 因为引擎是按页读写的，所以说，当找到 k=5 的记录的时候，它所在的数据页就都在内存里了
• 那么，对于普通索引来说，要多做几“查找和判断下一条记录”的操作，就只需要几次指针寻找和计算
• 当然，如果 k=5 这个记录刚好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些，但是对于整型字段，一个数据页可以放近千个 key，因此出现这种情况的概率会很低

所以，我们计算平均性能差异时，仍可以认为这个操作成本对于现在的 CPU 来说可以忽略不计

更新过程

为了说明普通索引和唯一索引对更新语句性能的影响这个问题，先介绍一下 change buffer

• 当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页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页了
• 在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行 change buffer 中与这个页有关的操作
• 将 change buffer 中的操作应用到原数据页，得到最新结果的过程称为 merge
• 除了访问这个数据页会触发 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

显然，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。

change buffer

• change buffer是一个特殊的数据结构，当更新的数据不在buffer pool里边时，他会缓存二级索引页面的更新

  The change buffer is a special data structure that caches changes to secondary index pages when those pages are not in the buffer pool. The buffered changes, which may result from INSERT, UPDATE, or DELETE operations (DML), are merged later when the pages are loaded into the buffer pool by other read operations

• 用的是 buffer pool 里的内存，因此不能无限增大

• 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%，而且最大只能设置为50

什么条件下可以使用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，而这必须要将数据页读入内存才能判断
• 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

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以使用

插入一个新记录 (4,400)，InnoDB 的处理流程

第一种情况是，这个记录要更新的目标页在内存中时

• 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
• 这样看来，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。 但，这不是我们关注的重点

第二种情况是，这个记录要更新的目标页不在内存中时

• 对于唯一索引来说，需要将数据页读入内存，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

其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响。所以，建议尽量选择普通索引。 如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭 change buffer。而在其他情况下，change buffer 都能提升更新性能。 在实际使用中，你会发现，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。

change buffer 和 redo log

redo log是把更新操作的记录先写到日志里，然后再空闲的时候批量写入到磁盘，来减少写磁盘的次数
change buffer是要更新的记录不在内存时，为了减少读磁盘载入数据到内存，他会把操作的数据缓存到change buffer里，后续查数据的时候和载入内存的数据再进行合并
一个是为了减少写磁盘的次数，一个是为了减少读磁盘的次数

更新和查下过程中change buffer 和 redo log是如何配合完的

mysql> insert into t(id,k) values(id1,k1),(id2,k2);

假设 k1 所在的数据页在内存 (InnoDB buffer pool) 中，k2 所在的数据页不在内存中

插入数据时change buffer 的更新状态图

• 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
• 将上述两个动作记入 redo log 中（图中 3 和 4）

做完上面这些，事务就可以完成了。所以执行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。 同时，图中的两个虚线箭头，是后台操作，不影响更新的响应时间

select * from t where k in (k1, k2)

两个读请求的流程图, 假设 如果读语句发生在更新语句后不久，内存中的数据都还在

• 读 Page 1 的时候，直接从内存返回
• 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。 可以看到，直到需要读 Page 2 的时候，这个数据页才会被读入内存

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

是否使用唯一索引

首先，业务正确性优先。此文章的前提是“业务代码已经保证不会写入重复数据”的情况下，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
然后，在一些“归档库”的场景，你是可以考虑使用普通索引的。比如，线上数据只需要保留半年，然后历史数据保存在归档库。这时候，归档数据已经是确保没有唯一键冲突了。要提高归档效率，可以考虑把表里面的唯一索引改成普通索引