{"id":58555,"date":"2024-03-11T09:15:43","date_gmt":"2024-03-11T08:15:43","guid":{"rendered":"https:\/\/kinsta.com\/nl\/?p=58555&post_type=knowledgebase&preview_id=58555"},"modified":"2025-10-01T21:43:27","modified_gmt":"2025-10-01T19:43:27","slug":"indexering-in-mysql-mariadb","status":"publish","type":"post","link":"https:\/\/kinsta.com\/nl\/blog\/indexering-in-mysql-mariadb\/","title":{"rendered":"Indexering in MySQL en MariaDB beheersen: mogelijkheden tot optimalisatie"},"content":{"rendered":"

Zowel MySQL als MariaDB maken naadloos gebruik van de effici\u00ebntie van balanced tree (B-Tree) indexering om gegevensbewerkingen te optimaliseren. Dit gedeelde indexeringsmechanisme zorgt voor het snel ophalen van gegevens, verbetert de queryprestaties en minimaliseert de schijfinvoer en -uitvoer (I\/O), wat bijdraagt aan een responsievere en effici\u00ebntere database-ervaring.<\/p>\n

Dit artikel gaat dieper in op indexeren, begeleidt je bij het maken van indexen en geeft tips om ze effectiever te gebruiken in MySQL en MariaDB<\/a> databases.<\/p>\n

<\/div><\/kinsta-auto-toc>\n

Wat is een index?<\/h2>\n

Wanneer je een MySQL database om specifieke informatie vraagt, doorzoekt de query elke rij in een databasetabel totdat de juiste rij is gevonden. Dit kan lang duren, vooral als de database erg uitgebreid is.<\/p>\n

Databasebeheerders gebruiken indexering om het ophalen van gegevens te versnellen en query’s effici\u00ebnter te maken. Indexering bouwt een datastructuur die de hoeveelheid gegevens die moet worden doorzocht minimaliseert door ze systematisch te organiseren, wat leidt tot snellere en effectievere query-uitvoering.<\/p>\n

Stel dat je een klant wilt vinden met de voornaam Ava<\/code> in de volgende tabel Customer<\/strong>:<\/p>\n

\"Een
MySQL Workbench voorbeeld van de tabel Customer.<\/figcaption><\/figure>\n

Het toevoegen van een B-Tree index aan de first_name<\/strong> kolom cre\u00ebert een structuur die het zoeken naar de gewenste informatie effici\u00ebnter maakt. De structuur lijkt op een boom met de wortelknoop bovenaan en vertakkingen naar beneden naar de bladknopen onderaan.<\/p>\n

Het lijkt op een goed georganiseerde boom, waarbij elk niveau de zoekopdracht leidt op basis van de gesorteerde volgorde van de gegevens.<\/p>\n

Deze afbeelding toont een B-Tree index zoekpad:<\/p>\n

\"Een
Een B-Tree klantentabel.<\/figcaption><\/figure>\n

Ava<\/code> staat als eerste in de lijst en William<\/code> als laatste in oplopende alfabetische volgorde – hoe de B-Tree de namen heeft gerangschikt. Het B-Tree systeem wijst de middelste waarde in de lijst aan als root node. Omdat Michael<\/code> in het midden van de alfabetische lijst staat, is het de root node. De boom vertakt zich vervolgens, met waarden links en rechts van Michael<\/code>.<\/p>\n

Naar beneden toe biedt elke node meer sleutels (directe links naar de oorspronkelijke rijen met gegevens) om het zoeken door de alfabetisch geordende namen te leiden. Vervolgens vind je de gegevens voor de voornaam van elke klant op de leaf nodes.<\/p>\n

De query begint met het vergelijken van Ava<\/code> met het root node Michael<\/code>. Hij gaat naar links nadat hij heeft vastgesteld dat Ava<\/code> alfabetisch v\u00f3\u00f3r Michael<\/code> staat. Het gaat naar beneden naar het linker child (Emily<\/code>), dan weer naar links naar Daniel<\/code>, en nog een keer naar links naar Ava<\/code> voordat het aankomt bij de leaf node die de informatie van Ava<\/code> bevat.<\/p>\n

De B-Tree functioneert als een vereenvoudigd navigatiesysteem, dat de zoekopdracht effectief naar een bepaalde plaats leidt zonder elke naam in de dataset te controleren. Het is alsof je door een zorgvuldig geordende map navigeert door strategisch geplaatste wegwijzers te volgen die je rechtstreeks naar de bestemming brengen.<\/p>\n

Soorten indexen<\/h2>\n

Er zijn verschillende soorten indexen voor verschillende doeleinden. Laten we deze verschillende types hieronder bespreken.<\/p>\n

1. Single-level indexen<\/h3>\n

Single-level indexen, ook wel flat indexen, koppelen indexsleutels aan tabelgegevens. Elke sleutel in de index komt overeen met een enkele tabelrij.<\/p>\n

De kolom customer_id<\/strong> is een primaire sleutel in de tabel Customer<\/strong> en dient als single-level index. De sleutel identificeert elke klant en koppelt hun informatie in de tabel.<\/p>\n\n\n\n\n\n\n\n\n
Index (customer_id<\/strong>)<\/td>\nRow Pointer<\/td>\n<\/tr>\n
1<\/td>\nRij 1<\/td>\n<\/tr>\n
2<\/td>\nRij 2<\/td>\n<\/tr>\n
3<\/td>\nRij 3<\/td>\n<\/tr>\n
4<\/td>\nRij 4<\/td>\n<\/tr>\n
..<\/td>\n..<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

De relatie tussen customer_id<\/strong> sleutels en individuele klantgegevens is eenvoudig. Single-level indexen blinken uit in scenario’s met tabellen die maar een paar rijen of kolommen met weinig verschillende waarden bevatten. Kolommen zoals status<\/strong> of categorie<\/strong> zijn bijvoorbeeld goede kandidaten.<\/p>\n

Gebruik een single-level voor eenvoudige query’s die een specifieke rij lokaliseren op basis van \u00e9\u00e9n enkele kolom. De implementatie ervan is eenvoudig, ongecompliceerd en effici\u00ebnt voor kleinere datasets.<\/p>\n

2. Multi-level indexen<\/h3>\n

In tegenstelling tot single-level indexen voor het georganiseerd ophalen van gegevens, gebruiken multi-level indexen een hi\u00ebrarchische structuur. Ze hebben meerdere niveaus van begeleiding. De top-level index de zoekopdracht naar een index op een lager niveau, enzovoort tot het niveau van de leafs, waar de gegevens worden opgeslagen. Deze structuur vermindert het aantal vergelijkingen dat nodig is tijdens zoekopdrachten.<\/p>\n

Kijk eens naar een multi-level index met de kolommen adres<\/strong> en klant_id<\/strong>.<\/p>\n\n\n\n\n\n\n\n
Index (adres<\/strong>)<\/td>\nSub-Index (customer_id<\/strong>)<\/td>\nRow Pointer<\/td>\n<\/tr>\n
123 Main Str<\/td>\n1<\/td>\nRij 1<\/td>\n<\/tr>\n
456 Oak Ave<\/td>\n2<\/td>\nRij 2<\/td>\n<\/tr>\n
789 Pine Rd<\/td>\n3<\/td>\nRij 3<\/td>\n<\/tr>\n
..<\/td>\n..<\/td>\n..<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Het eerste niveau organiseert adressen. Het tweede niveau, binnen elk adres, organiseert de klant-ID’s verder.<\/p>\n

Deze organisatie is uitstekend voor uitgebreidere datasets die een georganiseerde zoekhi\u00ebrarchie vereisen. Het is ook handig voor kolommen zoals achternaam<\/strong> met een matige kardinaliteit (de uniciteit van gegevenswaarden in een bepaalde kolom).<\/p>\n

3. Geclusterde indexen<\/h3>\n

Geclusterde indexen in MySQL<\/a> dicteren de logische volgorde van de index en de volgorde van de gegevens in de tabel. Als je een geclusterde index toepast op de kolom klant <\/b>in de tabel Klant<\/strong>, worden de rijen gesorteerd op basis van de waarden van de kolom. Dit betekent dat de volgorde van de gegevens in de tabel de volgorde van de geclusterde index weerspiegelt, waardoor de prestaties bij het ophalen van gegevens voor specifieke patronen worden verbeterd door de I\/O op de schijf te verminderen.<\/p>\n

Deze strategie is effectief als het patroon voor het ophalen van gegevens overeenkomt met de volgorde van klant-ID’s. Het is ook geschikt voor kolommen met een hoge kardinaliteit, zoals klant_id<\/strong>.<\/p>\n

Hoewel geclusterde indexen voordelen bieden bij het ophalen van gegevens voor specifieke patronen, is het belangrijk om een potentieel nadeel op te merken. Het sorteren van rijen op basis van de geclusterde index kan de prestaties van invoeg- en updatetaken be\u00efnvloeden, vooral als het invoeg- of updatepatroon niet overeenkomt met de volgorde van de geclusterde index. Dit komt doordat nieuwe gegevens moeten worden ingevoegd of bijgewerkt op een manier die de gesorteerde volgorde handhaaft, wat resulteert in extra overhead.<\/p>\n

4. Niet-geclusterde indexen<\/h3>\n

Niet-geclusterde indexen geven databasestructuren meer flexibiliteit. Stel dat je een niet-geclusterde index op een e-mailkolom<\/strong> gebruikt. In tegenstelling tot een geclusterde index, verandert deze de volgorde van de items in de tabel niet.<\/p>\n

In plaats daarvan bouwt hij een nieuwe structuur die sleutels – in dit geval e-mailadressen – koppelt aan gegevensrijen. Wanneer je de database opvraagt naar een specifiek e-mailadres, leidt de niet-geclusterde index de zoekopdracht direct naar de relevante rij zonder te vertrouwen op de volgorde in de tabel.<\/p>\n

De flexibiliteit van niet-geclusterde indexen is hun belangrijkste voordeel. Ze maken effici\u00ebnt zoeken van meerdere kolommen mogelijk zonder een volgorde op te leggen aan de opgeslagen gegevens. Dit systeem maakt niet-geclusterde indexen veelzijdig, omdat ze geschikt zijn voor zoekopdrachten die niet de primaire volgorde van de tabel volgen.<\/p>\n

Niet-geclusterde indexen zijn handig wanneer het patroon voor het ophalen van gegevens afwijkt van alfabetische volgorde en voor kolommen met een matige tot hoge kardinaliteit, zoals e-mail.<\/p>\n

Indexen maken<\/h2>\n

Nu we hebben bekeken wat indexen zijn, laten we eens kijken naar enkele praktische voorbeelden van het maken van indexen met MySQL Workbench.<\/p>\n

Vereisten<\/h3>\n

Om mee te kunnen volgen, heb je nodig:<\/p>\n