关于InnoDB的索引大小的问题和注意事项

转自：http://dinglin.iteye.com/blog/1682188

背景

关于InnoDB内的索引大小。对于表

Sql代码


CREATE TABLE `testtb` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`a` int(11) DEFAULT NULL,
`b` int(11) DEFAULT NULL,
`c` int(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `i1` (`a`),
KEY `i2` (`a`,`id`),
KEY `i3` (`id`,`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

由于InnoDB在存储索引的时候会自动取出重复的主键，源码分析见这里

先说几个结论

1) Index i2 由于索引定义中已经包含pk id，因此不会存两份，实际就是(a, id)

2) Index i1 本身要包含主键id，因此也是(a, id)， 与 i2 相同

3) 同理1,Index i3 里存的也只是(id, a)

异常

按照上面的结论，以下操作能发现“异常”

Sql代码


CREATE TABLE `t1` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`a` int(11) DEFAULT NULL,
`b` int(11) DEFAULT NULL,
`c` int(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `i2` (`a`,`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `testtb` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`a` int(11) DEFAULT NULL,
`b` int(11) DEFAULT NULL,
`c` int(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `i3` (`id`,`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

接下来往这个两个表中各插入5w行记录，插入语句类似

Sql代码


Foreach I in 1 to 5w
{
Set @v = rand() * 100;
Insert into testtb(a,b,c) values(@v, @v, @v);
}

插入数据完成后，这个两个表索引大小是否相同？

从show table status like ‘%t1%’; 和 show table status like ‘%t2%’;的index_length可以看出来，是不同的，t1大一些。

存储的行数相同，数据也相同，为什么大小不一样？

原因说明

主要在于插入顺序导致的分裂。在上面的例子中， 由于a,b,c的值都是随机值，导致索引 (a, id)是随机的。 Id是递增的，所以(id, a)是递增的。

随机插入索引和顺序递增插入索引之所以有差别，就在于随机插入会导致更多的Btree分裂。

这也就是为什么在某些场景下，我们建议在表比较大的应用中，用自增id替代unique key (并非唯一的原因，也不是固定的规范，需要具体分析)。

验证

有了上面的分析，要验证就比较简单了，把两个表清空(truncate)，

插入数据改为如下的语句

Sql代码


Foreach I in 1 to 5w
{
Set @v = i;
Insert into testtb(a,b,c) values(@v, @v, @v);
}

这样插入的每行都是(n,n,n,n), n为1到5w的递增。这样索引(a, id)也是顺序递增方式，与(id,a)一样紧凑，再看show table status能发现一样了。

有个工具

分两个表验证比较麻烦。这个是之前写过的一个分析文件利用率的工具 ibd_used，可以看一个表上各个索引的大小和索引上page的利用率。

用法

./ibd_used testtb.ibd 0 N > k

说明：第一个参数是要分析的ibd文件

第二、三个参数是起始、结束page_no。 如果你要分析整个文件，N可以输入一个很大的数就行。

结果中会输出每个page的利用率，因此比较多，记得重定向输出

最后几行是整个索引的统计结果。

用文章开头的例子和随机值插入的case，得到的表中，执行

Shell代码


ibd_used data/test/testtb.ibd 0 99999999 > k
最后几行如下
index_id:1517 rate 1751652/1949696=0.898423
index_id:1518 rate 701314/1212416=0.578443
index_id:1519 rate 701314/1212416=0.578443
index_id:1520 rate 700828/770048=0.910109

按顺序对应索引，可以看出，i1和i2的利用率一模一样，但跟i3 比起来就差多了。

Shell代码


grep -Po " index_id:\d+" k | sort | uniq -c
120 index_id:1517
75 index_id:1518
75 index_id:1519
48 index_id:1520

这个命令看每个索引占用多少page，与我们的结论一致：i3因为紧凑，所以占用更少的page。