"[][1]\n下面分析下索引和锁的关系。 1）delete from msg where id=2；\n由于id是主键，因此直接锁住整行记录即可。 图5 2)delete from msg where token=’ cvs’;\n由于token是二级索引，因此首先锁住二级索引（两行），接着会锁住相应主键所对应的记录； 图6 3)delete from msg where message=订单号是多少’；\nmessage没有索引，所以走的是全表扫描过滤。这时表上的各个记录都将添加上X锁。 图7\n强烈推荐阅读： https://yq.aliyun.com/articles/5533"

"摘要\n本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。为了避免混乱，本文将只关注于BTree索引，因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。\n文章主要内容分为三个部分。\n第一部分主要从数据结构及算法理论层面讨论MySQL数据库索引的数理基础。\n第二部分结合MySQL数据库中MyISAM和InnoDB数据存储引擎中索引的架构实现讨论聚集索引、非聚集索引及覆盖索引等话题。\n第三部分根据上面的理论基础，讨论MySQL中高性能使用索引的策略。\n数据结构及算法基础\n索引的本质\nMySQL官方对索引的定义为：**索引（Index）是帮助MySQL高效获取数据的数据结构。**提取句子主干，就可以得到索引的本质：索引是数据结构。\n我们知道，数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。 …"

"mongodb索引规则基本上与传统的关系库一样，大部分优化MySQL/Oracle/SQLite索引的技巧也适用于mongodb。\n一、 为什么用索引：\n当查询中用到某些条件时，可以对该键建立索引，以提高查询速度。\n如果数据量很多且查询多于更新时，可以用索引提高查询的速度。\n二、 索引管理：\na) 查询索引：\n查询已有索引的明细： 查询索引很简单，比如说需要查询mailaccess数据库中的Mail collection上的索引时：\nmongo 进入mongo\nMongoDB shell version: 1.8.1\nconnecting to: test\nuse mailaccess 进入mailaccess database\nswitched to db mailaccess\ndb.Mail.getIndexes() 查询索引明细\n[\n{\n“name” : “_id_”,\n“ns” : “mailaccess.Mail”,\n“key” : {\n“_id” : 1\n},\n“v” : 0\n},\n{\n“_id” : …"

"最近trunk.ly的工程师通过mongostat发现了大量的page fault，然后通过检查发现，他们的索引已经超出内存限制了（没有keep all index in RAM）。于是他们决定开始减小索引大小，通过测试得出了如下的数据，不同的数据类型的索引大小有2到3倍的差距。\n虽然能够想像得到，但是直观的数据图可能让我们更深刻的认识到。他们的测试再一次告诉我们：给索引定一个好的数据结构是多么重要。\n这是测试结果图，分别是用int、MongoDB的ObjectID、base64和md5的字符串做索引产生的索引大小：\n测试过程也非常简单，首先用下面脚本将各种不同数据结构的数据写入到不同的collection里：\n#!/usr/bin/env python import pymongo import bson from pymongo import Connection db = connection.test_database print(\u0026#39;ObjectID\u0026#39;) for i in range(1, 1000000): …"

"00 – 背景知识\n– B-Tree \u0026amp; B+Tree\nhttp://en.wikipedia.org/wiki/B%2B_tree\nhttp://en.wikipedia.org/wiki/B-tree\n– 折半查找(Binary Search)\nhttp://en.wikipedia.org/wiki/Binary_search_algorithm\n– 数据库的性能问题\nA. 磁盘IO性能非常低，严重的影响数据库系统的性能。\nB. 磁盘顺序读写比随机读写的性能高很多。\n– 数据的基本存储结构\nA. 磁盘空间被划分为许多大小相同的块（Block）或者页(Page).\nB. 一个表的这些数据块以链表的方式串联在一起。\nC. 数据是以行（Row）为单位一行一行的存放在磁盘上的块中,如图所示.\nD. 在访问数据时，一次从磁盘中读出或者写入至少一个完整的Block。\nFig. 1\n01 – 数据基本操作的实现\n基本操作包括：INSERT、UPDATE、DELETE、SELECT。\n– SELECT\nA. 定位数据\nB. 读出数据所在的块，对数据加工\nC. 返回数据给用户\n– …"

"查看索引使用情况\n如果索引正在工作， Handler_read_key 的值将很高，这个值代表了一个行被索引值读的次数，很低的值表明增加索引得到的性能改善不高，因为索引并不经常使用。\nHandler_read_rnd_next 的值高则意味着查询运行低效，并且应该建立索引补救。这个值的含义是在数据文件中读下一行的请求数。如果你正进行大量的表扫描，该值较高。通常说明表索引不正确或写入的查询没有利用索引。\n语法：\nmysql\u0026gt; show status like ‘Handler_read%’;\n有关更多MySQL之Handler_read_*介绍参考："