all-in-kingsoft/hhs/MySQL/17-聚簇索引与二级索引.md

---
tags: [MySQL, 聚簇索引, 二级索引, Covering Index, 回表]
create time: 2026-05-16 00:00
---

# 聚簇索引 vs 二级索引

## 概述

InnoDB 使用 B+ Tree 组织所有索引，但根据「索引叶子节点存什么」的不同，分为两类：**聚簇索引**和**二级索引**。理解这两者的差异，是你设计高效查询和执行计划的起点。

> [!QUESTION] 思考
> 假设一张用户表按 `id` 排序存储在磁盘上——  
> 现在要查 `WHERE email = 'alice@test.com'`，数据库需要做什么？  
> （提示：email 不是存储排序的依据。）

带着这个问题往下看。

## 聚簇索引（Clustered Index）

聚簇索引就是数据本身。InnoDB 表中**只能有一个聚簇索引**。

### 聚簇索引的形成规则

| 优先级 | 条件 | 说明 |
|--------|------|------|
| ① | **PRIMARY KEY** | 如果有显式 PK，它自动成为聚簇索引 |
| ② | **UNIQUE + NOT NULL** | 没有 PK 但有唯一非空列，用它 |
| ③ | **隐藏 row_id** | 都没有时，InnoDB 自动生成隐藏的 6-byte row_id |

> [!WARNING] 隐藏的 row_id 是个坑
> 如果你的表既没 PK 也没有 UNIQUE NOT NULL 列，InnoDB 会自动生成隐藏主键。这时：
> - 你自定义的任何索引都会变成二级索引
> - 二级索引回表时需要额外跳转 → 回表代价更高
> - 外键引用不可靠（ID 对用户透明）
>
> **结论：每张表必须有显式 PRIMARY KEY。**

### 聚簇索引的特性

```mermaid
flowchart TD
    A["按主键排序存储数据"] --> B["数据页紧凑排列"]
    B --> C["连续主键 = 顺序写入"]
    C --> D["最小化页分裂"]
    D --> E["最佳写入性能"]
    
    A --> F["范围查询极快<br/>WHERE id BETWEEN 100 AND 200<br/>只需扫描一段连续的叶子页"]
    F --> G["顺序 I/O 而非随机 I/O"]
    
    style E fill:#00D866,color:#fff
    style G fill:#00B6BC,color:#fff
```

## 二级索引（Secondary Index）

除了聚簇索引外的所有索引都是二级索引。叶子节点存储的是：**索引列的值 + 主键值**。

```mermaid
flowchart TD
    subgraph "二级索引页<br/>idx_status_created = (status, created_at)"
        direction LR
        R1["status=1 \| created_at=01 → PK=5"]
        R2["status=1 \| created_at=02 → PK=12"]
        R3["status=1 \| created_at=03 → PK=18"]
        R4["status=0 \| created_at=01 → PK=3"]
        R5["status=0 \| created_at=04 → PK=25"]
    end
    
    style R1 fill:#E8DFF5,color:#333
    style R3 fill:#00B6BC,color:#fff
```

> [!NOTE] 关键观察
> - 每行都包含 **索引列值**（用于匹配查询条件）和 **主键值**（用于回表定位完整行数据）
> - 二级索引本身是 B+ Tree，按索引列排序；叶子层每一行指向聚簇索引中的对应数据
> - 如果只需要索引中的列（如 `SELECT status WHERE status=1`），就 **无需回表**——这就是 Covering Index

## 回表的代价

```mermaid
sequenceDiagram
    participant App as 应用层
    participant SI as 二级索引(idx_email)
    participant CI as 聚簇索引(PK=id)
    participant DB as 数据盘

    App->>SI: 查找 email='alice@test.com'
    SI-->>App: 找到 → id=12345
    
    App->>CI: 用 id=12345 查找
    CI->>DB: 定位叶子页 (随机 IO #1)
    DB-->>CI: 返回完整行
    
    CI-->>App: 返回完整行

    Note over SI,DB: 至少 2 次 IO：1次二级索引 + 1次回表
```

### 减少回表的策略

```sql
-- ❌ 差：Covering Index 未命中，需要回表拿 name 字段
SELECT name, email FROM users WHERE email = 'alice@test.com';
-- idx_email 能匹配 WHERE，但 name 不在索引里 → 需要回表

-- ✅ 好：覆盖索引，无需回表
ALTER TABLE users ADD INDEX idx_email_name (email, name);
SELECT name, email FROM users WHERE email = 'alice@test.com';
-- EXPLAIN Extra: Using index ← 完美！
```

> [!SUCCESS] Covering Index 的黄金法则
> **把 SELECT 中的列 + WHERE 中的列放到同一个联合索引中**，就能实现 Index Only Scan。
> - 适合：高频查询、固定列选择
> - 不适合：SELECT *（永远无法覆盖）、列变化频繁的查询

## 回表 vs 索引下推（ICP）

MySQL 5.6 引入的 Index Condition Pushdown 优化了部分回表场景。

```sql
-- 假设联合索引 idx_name_status = (name, status)
-- 查询：WHERE name LIKE '张%' AND status = 1

-- ❌ 无 ICP：所有匹配的 name 都要回表查 status
SELECT * FROM users WHERE name LIKE '张%' AND status = 1;
-- 步骤：1) 找到所有 '张%' 的行  2) 逐条回表查 status  3) 过滤

-- ✅ 有 ICP：在二级索引中就先过滤 status
-- 引擎层直接读二级索引页，提取 name 和 status，先判断 status=1
-- 只有满足条件的才回表
-- 减少了大量无效回表

-- EXPLAIN 验证
EXPLAIN SELECT * FROM users WHERE name LIKE '张%' AND status = 1\G
-- Extra 显示: Using index condition
```

```mermaid
flowchart TD
    N["无 ICP"] --> A["查到 1000 条 '张%' 的记录"]
    A --> B["1000 次回表检查 status"]
    B --> C["最终只有 10 条符合"]

    Y["有 ICP"] --> D["在索引中预检 status"]
    D --> E["1000 条中筛出 10 条"]
    E --> F["仅 10 次回表"]

    style B fill:#EE5A24,color:#fff
    style F fill:#00D866,color:#fff
```

## 两种索引的空间对比

```mermaid
graph TB
    subgraph Clustered["聚簇索引 — 100 万行"]
        CI["每页约 200 行  |  16KB / 80 bytes"]
        CI2["总页数 ≈ 5000 页"]
    end
    
    subgraph Secondary["二级索引 — idx_email VARCHAR(255)"]
        SI["每页约 80 行  |  16KB / 200 bytes"]
        SI2["总页数 ≈ 12500 页"]
    end
    
    CI --> CI2
    SI --> SI2
    
    style CI2 fill:#00B6BC,color:#fff
    style SI2 fill:#C44569,color:#fff
```

> [!NOTE] 二级索引通常比聚簇索引大得多
> 因为二级索引存的是「索引列 + 主键」，而聚簇索引存的是「整行」。如果索引列很长（如 VARCHAR(255)），二级索引会膨胀得很厉害。这也是为什么长字符串列做索引时要限制长度：`(name(50))`。

## 两种索引的对比总结

| 维度 | 聚簇索引 (Clustered) | 二级索引 (Secondary) |
|------|---------------------|---------------------|
| **数量** | 每张表仅一个 | 可以有多个 |
| **叶子节点存储** | 整行数据 | 索引列值 + 主键值 |
| **形成依据** | PK / 唯一非空列 / 隐藏 row_id | `CREATE INDEX` 或 `UNIQUE KEY` |
| **范围查询** | 极快（顺序扫描连续页） | 需要回表，代价高 |
| **覆盖索引** | 天然覆盖（本身就是数据） | 仅当所需列都在索引中时生效 |
| **空间占用** | 基准大小 | 通常更大（多一列主键 + 膨胀风险） |
| **写入代价** | 插入可能触发页分裂 | 更新索引列需改索引 + 回表改数据 |

> [!SUMMARY] 核心记忆点
> 1. 聚簇索引 = 数据本身，**一张表只能有一个**
> 2. 二级索引 = 「索引列 + 主键」，查数据要**回表**
> 3. 能用 Covering Index 的场景永远优于回表
> 4. ICP 是 MySQL 5.6 对回表的温和优化——能省则省

## 关联笔记

- [[hhs/MySQL/16-B+Tree 索引原理]] — B+ Tree 作为底层数据结构的工作原理
- [[hhs/MySQL/18-联合索引与最左前缀]] — 联合索引的搜索模式对回表的影响
- [[hhs/GORM/15-性能优化]] — GORM 场景下的 Covering Index 实践