MySQL表为什么必须有主键 -- 聚集索引的简单介绍

注意：下面讨论的都是MySQL5.6版本中的innodb引擎。

比较规范的数据库表设计（包括我们公司）都会有一条不成文的规定，那就是给每张表一个自增主键。那么自增主键除了有数据的唯一性外，还有什么所用呢？为什么要有自增主键？

之前我转发的《58到家数据库30条军规解读》中解释道：

第三条先不必关注，我们来看看前两条。 为什么能提高插入性能呢，避免page分页又是怎么回事？

这里就不得不说一下聚集索引了。

聚集索引（Clustered Index）

一个聚集索引定义了表中数据的物理存储顺序。如何理解聚集索引呢，好比一个电话本，比如一个电话本是按照姓氏排序，并且电话号码紧跟着后面。因为聚集索引决定了表中数据的物理存储顺序，那么一个表则有且只有一个聚集索引。一个聚集索引可以包含多个列。好比一个电话本是基于名字，姓氏同时排序。

Innodb的聚集索引

Innodb的存储索引是基于B+tree，理所当然，聚集索引也是基于B+tree。与非聚集索引的区别则是，聚集索引既存储了索引，也存储了行值。当一个表有一个聚集索引，它的数据是存储在索引的叶子页（leaf pages）。因此innodb也能理解为基于索引的表。

那么innodb如何决定那个索引作为聚集索引呢？

innodb如何选择一个聚集索引

对于innodb，主键毫无疑问是一个聚集索引。但是当一个表没有主键，或者没有一个索引，innodb会如何处理呢。请看如下规则

如果一个主键被定义了，那么这个主键就是作为聚集索引

如果没有主键被定义，那么该表的第一个唯一非空索引被作为聚集索引

如果没有主键也没有合适的唯一索引，那么innodb内部会生成一个隐藏的主键作为聚集索引，这个隐藏的主键是一个6个字节的列，改列的值会随着数据的插入自增。

还有一个需要注意的是：

次级索引的叶子节点并不存储行数据的物理地址。而是存储的该行的主键值。

所以：一次级索引包含了两次查找。一次是查找次级索引自身。然后查找主键（聚集索引）

现在应该明白了吧，建立自增主键的原因是：innodb中的每张表都会有一个聚集索引，而聚集索引又是以物理磁盘顺序来存储的，自增主键会把数据自动向后插入，避免了插入过程中的聚集索引排序问题。聚集索引的排序，必然会带来大范围的数据的物理移动，这里面带来的磁盘IO性能损耗是非常大的。 而如果聚集索引上的值可以改动的话，那么也会触发物理磁盘上的移动，于是就可能出现page分裂，表碎片横生。

解读中的第二点相信看了上面关于聚集索引的解释后就很清楚了。

虽然遵循上面的原则也没错，但某些特殊的情况也是可以自己指定一些非自增主键为聚集索引的。如： 当数据量大，但长时间不会被更新的； 新生成的数据的索引本来就是按照自增的顺序增加的等等。

举个栗子，（只是栗子啊，现实中不太可能）： 有一家公司里的员工上百万，有关员工的个人信息几年都不会发生变化，那么以员工的user_id号来作为各个表的索引就很适合。因为一个员工的信息都按照物理顺序呢排列在一起了，避免了磁盘移动查找数据的IO时间。比如说员工属于几个部门，一下子就查到了，不同分不同的地址去挨个进行磁盘扫描。

栗子从简，哈哈哈哈，就这样子吧，我也不太会写，简单的记录下来了~