当前位置：首页 > news >正文

【MySQL 数据库】MySQL索引特性（一）磁盘存储定位扇区InnoDB页

news 2025/7/31 12:37:21

请添加图片描述

文章目录

没有索引，可能会有什么问题
二、认识磁盘
- 2.1 MySQL与存储
- 2.2 磁盘：
- 2.3 扇区
- 2.4 定位扇区
- 2.5 结论
三、三者作用流程（磁盘，块，InnoDB页）
四、MySQL与磁盘交互基本单位
五、建立共识
🚩总结

没有索引，可能会有什么问题

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的create index，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

常见索引分为：

主键索引(primary key)
唯一索引(unique)
普通索引(index)
全文索引(fulltext) --解决中子文索引问题。
案例：
先整一个海量表，在查询的时候，看看没有索引时有什么问题？

--构建一个8000000条记录的数据
--构建的海量表数据需要有差异性，所以使用存储过程来创建， 拷贝下面代码就可以了，暂时不用理解mysql> -- 在SqlIndex数据库中创建EMP表
mysql> CREATE TABLE EMP (->     empno INT(10) ,  -- 员工编号（与插入的start+i对应）->     ename VARCHAR(20) NOT NULL, -- 员工姓名（与rand_string(6)对应）->     job VARCHAR(20) NOT NULL,   -- 职位（与'SALESMAN'对应）->     mgr INT(10),                -- 经理编号（与0001对应）->     hiredate DATE NOT NULL,     -- 入职日期（与curdate()对应）->     sal DECIMAL(10,2) NOT NULL, -- 工资（与2000对应）->     comm DECIMAL(10,2),         -- 佣金（与400对应，允许为NULL）->     deptno INT(5)               -- 部门编号（与rand_num()对应）-> );
Query OK, 0 rows affected, 3 warnings (0.07 sec)

– 产生随机字符串

delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin 
declare chars_str varchar(100) default 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do 
set return_str = concat(return_str, substring(chars_str, floor(1 + rand()*52), 1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;

–产生随机数字

delimiter $$create function rand_num()returns int(5)begin 
declare i int default 0;set i = floor(10 + rand() * 500);return i;end $$delimiter ;

–创建存储过程，向雇员表添加海量数据

delimiter $$create procedure insert_emp(in start int(10),in max_num int(10))
begindeclare i int default 0; 
set autocommit = 0;  -- 关闭自动提交，提升插入效率
repeatset i = i + 1;-- 插入数据到EMP表，字段值通过变量和函数生成insert into EMP values ((start+i),  -- 员工编号：基于start参数递增rand_string(6),  -- 员工姓名：调用之前创建的随机字符串函数生成6位名称'SALESMAN',  -- 职位固定为SALESMAN0001,  -- 经理编号固定为0001curdate(),  -- 入职日期为当前日期2000,  -- 工资固定为2000400,  -- 佣金固定为400rand_num()  -- 部门编号：调用之前创建的随机数函数生成);until i = max_num  -- 循环条件：当i等于max_num时停止end repeat;commit;  -- 批量插入完成后手动提交事务end $$delimiter ;

– 执行存储过程，添加8000000条记录

call insert_emp(100001, 8000000);

到此，已经创建出了海量数据的表了。

查询员工编号为998877的员工

select * from EMP where empno=998877;

可以看到耗时4.93秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有
1000个人并发查询，那很可能就死机。

解决方法，创建索引

alter table EMP add index(empno);

换一个员工编号，测试看看查询时间

select * from EMP where empno=123456;

在这里插入图片描述
索引可以加快查找速率

二、认识磁盘

2.1 MySQL与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机
械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提
交效率，是MySQL 的一个重要话题。

先来研究一下

2.2 磁盘：

在这里插入图片描述

2.3 扇区

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

题外话：

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。
不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文
件系统，如：proc ，sys 之类，我们不考虑)

#数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件
#我们目前MySQL中的文件

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。

而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

2.4 定位扇区

在这里插入图片描述

柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面CHS 。
每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的

所以，我们只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做CHS（但是硬件是），不过实际系统软件使用的并不是CHS（但是硬件是），而是
LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将LBA地址最后会转化成为CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

2.5 结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？不是

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化
从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。
之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

故，系统读取磁盘，是以块为单位的，基本单位是4KB 。

磁盘随机访问(Random Access)与连续访问(Sequential Access)
随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需
要作比较大的移动动作才能重新开始读/写数据。
连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次
IO操作，这样的多个IO操作称为连续访问。
因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随
机访问，而非连续访问。
磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

三、三者作用流程（磁盘，块，InnoDB页）

磁盘的512字节（扇区）、操作系统的块（如4KB）、MySQL的InnoDB页（16KB），这三者是不同层级的“数据交互单位”，通过“向上整合”的方式协同工作，最终实现高效的数据读写。

具体作用流程如下：

最底层：磁盘的“扇区”（512字节）
磁盘硬件的物理结构中，最小读写单位是扇区（Sector），传统机械硬盘和固态硬盘（SSD）的扇区大小通常为512字节（少数新硬盘可能为4096字节，但仍兼容512字节模拟）。

磁盘无法直接读写“小于1个扇区”的数据，哪怕只需要1个字节，也必须读取整个扇区（512字节）。
但扇区太小，如果每次IO都只操作1个扇区，会导致磁盘读写效率极低（频繁寻址、机械运动耗时）。

中间层：操作系统的“块”（如4KB）
操作系统为了优化磁盘交互，会将多个扇区“打包”成更大的块（Block），作为操作系统与磁盘交互的基本单位。

块的大小由操作系统决定（如Linux默认4KB，即8个512字节扇区）。
当操作系统需要读写数据时，会以“块”为单位向磁盘发起请求：例如读取4KB数据，实际是一次性读取8个连续的512字节扇区。
这样可以减少与磁盘的交互次数（1次4KB读写 = 8次512字节读写的效率），降低磁盘寻址开销。

应用层：MySQL InnoDB的“页”（16KB）
MySQL的InnoDB引擎在操作系统之上，进一步将多个操作系统块“整合”为页（Page，16KB），作为数据库层面的基本交互单位。

16KB的InnoDB页，对应操作系统的4个4KB块（16KB = 4×4KB），或32个512字节扇区（16KB = 32×512字节）。
当InnoDB需要读写数据（如用户查询一条记录）时，会以“页”为单位请求数据：哪怕只需要页中的一条记录（可能只有几十字节），也会一次性读取整个16KB的页到内存中。
这样做的目的是：利用“局部性原理”（相邻数据大概率被连续访问），减少与操作系统的交互次数（1次16KB读写 = 4次4KB读写的效率），进一步降低IO开销。

三者协作流程示例
当MySQL查询一条记录时：

InnoDB确定该记录所在的16KB页，向操作系统请求读取这个页。
操作系统将16KB的请求分解为4个4KB的块（假设OS块为4KB），向磁盘发起4次块读取请求。
磁盘将每个4KB块分解为8个512字节扇区，依次读取这些扇区的数据，返回给操作系统。
操作系统将4个4KB块整合为16KB数据，返回给InnoDB。
InnoDB从16KB页中提取所需的记录，返回给用户。

四、MySQL与磁盘交互基本单位

而MySQL作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高
基本的IO效率，MySQL 进行IO的基本单位是16KB (后面统一使用InnoDB 存储引擎讲解)

mysql> show global status like 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 |    - 16*1024=16384
+------------------+-------+
1 row in set (0.05 sec)

也就是说，磁盘这个硬件设备的基本单位是512字节，而MysQL InnoDB引擎使用16KB进行IO交互。即，MysQL和磁盘进行数据交互的基本单位是16KB。这个基本数据单元，在MysQL这里叫做page(注意和系统的page区分)

五、建立共识

MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
MySQL 的CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。
而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位就是Page。
为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称 Buffer Pool的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。
为何更高的效率，一定要尽可能的减少系统和磁盘IO的次数