cs-note/hhs/MySQL/03-索引与查询优化/13-聚簇索引与二级索引.md

tags, create time

tags	create time
MySQL 聚簇索引 二级索引 Covering Index 回表	2026-05-20 14:00

13-聚簇索引与二级索引

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。

打个比方：如果把数据库表想象成一本通讯录——

• 聚簇索引就是通讯录正文本身：按姓名排序，每个条目后面直接写上了电话、地址等所有信息。
• 二级索引就像附录的索引卡片：只写了「姓名 → 第几页」，想看完整信息还得翻回正文。

理解这两者的差异，是你设计高效查询和执行计划的起点。

为了方便说明，本文档将始终使用以下 users 表作为示例：

CREATE TABLE users (
    id      BIGINT UNSIGNED NOT NULL AUTO_INCREMENT PRIMARY KEY,
    name    VARCHAR(64)  NOT NULL,
    email   VARCHAR(255) NOT NULL,
    status  TINYINT      NOT NULL DEFAULT 1,
    created_at DATETIME  NOT NULL DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_email (email),
    INDEX idx_status_created (status, created_at)
) ENGINE=InnoDB;

这张表中：

• 聚簇索引：id（PRIMARY KEY）—— 因为 InnoDB 的规则是：谁是 PRIMARY KEY，谁就是聚簇索引。你可以这样理解：InnoDB 根本不单独存"表数据"，它把整张表的数据直接塞进了以 id 为键的 B+ Tree 的叶子节点里。所以 id 这棵 B+ Tree 既是索引，也是数据本身。（后面会详细展开这条规则。）
• 二级索引：idx_email(email)、idx_status_created(status, created_at) —— 这两个索引的叶子节点里不存完整行数据，只存「索引列的值 + id」，所以叫"二级"：它们是依附于聚簇索引的"小抄"，查到 id 后还得回聚簇索引里拿完整数据。

[!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。

一张图看懂索引全貌

在深入细节之前，先看这张示意图——它展示了同一个表上聚簇索引和二级索引如何共存：

block-beta
    columns 2
    
    block:ClusteredIndex["聚簇索引 — idx_id (PK = id)"]
        columns 1
        CI_L1["枝节点: id=5 | id=18"]
        CI_L2["枝节点: id=12 | id=25"]
        CI_L3["叶子节点: 整行数据(id=5, name=Bob, email=bob@x.com, …)"]
    end

    block:SecondaryIndex["二级索引 — idx_email (email)"]
        columns 1
        SI_L1["枝节点: email < 'k'"]
        SI_L2["枝节点: email >= 'k'"]
        SI_L3["叶子节点: (email='alice@x.com' | PK=12)"]
        SI_L4["叶子节点: (email='bob@x.com' | PK=5)"]
    end

    style CI_L3 fill:#00B6BC,color:#fff
    style SI_L3 fill:#E8DFF5,color:#333
    style SI_L4 fill:#E8DFF5,color:#333

[!HIGHLIGHT] 核心区别一目了然

• 聚簇索引叶子层存的是完整行数据 → 查到就结束
• 二级索引叶子层存的是**「索引列 + 主键」** → 拿到主键后还要去聚簇索引里再查一次（回表）
• 所有索引共享同一份数据（存储在主键聚簇索引中），二级索引只是"额外的查找路径"

聚簇索引（Clustered Index）

"聚簇"这个词听起来很抽象，但意思很简单：数据按照索引的顺序"聚集"在一起存储。在 InnoDB 里，聚簇索引的叶子节点不是"指向"数据，叶子节点就是数据——整行记录都直接存在里面。

正因为数据只有一份，所以一张表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

数据按主键顺序存储带来了两个直接好处：写入快（顺序追加）和范围查询快（连续扫描）：

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

理解了聚簇索引为什么快，我们反过来想——如果不是按主键查，而是通过其他字段（比如 email）查询，又会发生什么？这就是二级索引的故事。

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。

[!QUESTION] 为什么二级索引要存主键？ 因为二级索引本身没有完整数据，但它知道"这条记录在哪"——通过主键就能回到聚簇索引里找到完整行。主键就是二级索引回聚簇索引的"导航坐标"。

整个过程分两步：

1. 在二级索引里找到匹配条件的记录，拿到主键 id
2. 拿着 id 去聚簇索引里找完整行数据

这个"从二级索引跳回聚簇索引取数据"的过程，就叫 回表。

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

刚才说了回表是"跳回聚簇索引取数据"，但这个跳转是有代价的——它意味着额外的磁盘 I/O。下面这张图展示了具体过程：

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（Covering Index）

回表既然是因为二级索引里"信息不够"才跳回聚簇索引，那最直接的解决办法就是：让二级索引里包含查询需要的所有信息，这样就不需要跳回去了。

这就是 Covering Index（覆盖索引）——索引"覆盖"了查询的全部需求，查完索引就够了，不用回表。

-- ❌ 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
EXPLAIN SELECT name, email FROM users WHERE email = 'alice@test.com'\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: users
         type: ref              ← 通过 idx_email 找到匹配行
possible_keys: idx_email
          key: idx_email
      key_len: 769
          ref: const
         rows: 1
     filtered: 100.00
        Extra: Using where       ← 注意：无 "Using index"，说明走了回表

-- ✅ 好：覆盖索引，无需回表
ALTER TABLE users ADD INDEX idx_email_name (email, name);
EXPLAIN SELECT name, email FROM users WHERE email = 'alice@test.com'\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: users
         type: ref
possible_keys: idx_email,idx_email_name
          key: idx_email_name    ← 优化器选择了更优的联合索引
      key_len: 769
          ref: const
         rows: 1
     filtered: 100.00
        Extra: Using index       ← 完美！Index Only Scan，无需回表

[!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

当 Covering Index 不够用时：索引下推（ICP）

并非所有查询都能被覆盖索引解决。比如 SELECT * 必须回表，或者部分过滤条件无法放入索引中。这时 MySQL 5.6 引入的 索引下推（Index Condition Pushdown）能进一步减少无效回表。

假设 users 表有联合索引 idx_status_created (status, created_at)：

-- 查询：WHERE status = 1 AND created_at > '2024-01-01'
SELECT id, name FROM users WHERE status = 1 AND created_at > '2024-01-01';

flowchart TD
    N["无 ICP"] --> A["在 idx_status_created<br/>查到 1000 条 status=1 的记录"]
    A --> B["1000 次回表检查 created_at"]
    B --> C["最终只有 50 条满足时间条件"]

    Y["有 ICP"] --> D["在二级索引中直接判断<br/>created_at > '2024-01-01'"]
    D --> E["1000 条中筛出 50 条"]
    E --> F["仅 50 次回表"]

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

[!HIGHLIGHT] ICP 的本质 用生活化的类比来说：以前的做法是，快递员（存储引擎）在仓库（二级索引）里找到 1000 个包裹，全部搬出来，再由前台（Server 层）一个一个拆开检查是不是客户要的。ICP 的做法是，直接告诉快递员"只搬 status=1 且 created_at 在这个日期之后的"，在仓库里就筛掉了 950 个，只搬出 50 个。

技术上说，就是把过滤条件下推到存储引擎层，在读取二级索引页时就完成判断，命中了才回表。

适用条件：

• 必须是二级索引（聚簇索引本身已经是完整数据，不存在"下推"的问题）
• 过滤条件必须能利用到索引列（否则在索引里也没法判断）
• MySQL 5.6+ 默认开启，无需额外配置

-- 验证 ICP 是否生效
EXPLAIN SELECT * FROM users WHERE status = 1 AND created_at > '2024-01-01'\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: users
         type: range
possible_keys: idx_status_created
          key: idx_status_created
      key_len: 5            -- TINYINT(1) + DATETIME(5)
          ref: NULL
         rows: 1000
     filtered: 10.00
        Extra: Using where   ← 注意这里
        -- 如果开启了 ICP，实际执行时会先判断 created_at，减少回表次数

-- 可以通过开关观察差异
SET optimizer_switch = 'index_condition_pushdown=off';
-- EXPLAIN Extra 仍为 "Using where"，但执行计划变差（更多回表）
SET optimizer_switch = 'index_condition_pushdown=on';

两种索引的空间对比

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/03-索引与查询优化/12-B+Tree 索引原理 — B+ Tree 作为底层数据结构的工作原理
• hhs/MySQL/03-索引与查询优化/14-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