MySQL 索引

索引概念

索引是一种特殊的文件，包含着对数据里所有数据的引用的指针。可以对表中的一列或多列创建索引，并指定索引的类型，各类索引有各自的数据结构实现。

索引作用

• 数据库中的表、数据、索引之间的关系，类似于书架上的图书、书籍内容和书籍目录的关系
• 索引所起的作用类似书籍目录，可以用来快速定位、检索数据。
• 索引对于提高数据库的性能有很大的帮助。
  

使用场景

要考虑对数据库表的某列或者某几列创建索引，需要考虑一下几点：

• 数据量较大，且经常对这些列进行条件查询。
• 该数据库表的插入操作，及对这些列的修改操作频率较低。
• 索引会占用额外的磁盘空间。
  满足以上的条件时候，我们优先考虑创建索引，以用来提高查询效率。
  反之，如果非条件查询列，或者经常做插入、修改操作，或磁盘空间不足时候，不考虑创建索引。

我们要明白，索引的出现是为了提高MySQL中的查询语句也就是select的效率的，但是的创建是需要牺牲一定的硬盘存储空间。硬盘需要额外为你多开辟一块存储空间存放索引，但是现如今硬盘也不贵，大不了就多加点钱，用来扩充硬盘空间就行。
索引的引入确实能提升日常工作的效率，因为数据库中我们大部分用到的查询语句居多，可是面对 增、删、改 的效率可能会使其更慢！也可能会没有太大的变化。例如：我们通过条件判断的方式来删除delete from student where id = 5;在此语句的背后就有“查找”操作，就可以用到索引。但是，删除之后，还需要同步更新维护索引，就类似于移动数组（索引不是通过数组这一个数据结构来存储的，这里只是举个例子）。

总的来说，索引有利也有弊，但是即使如此我们实际开发中，还是比较鼓励使用索引的。
1.硬盘往往不是主要矛盾
2.对于增删改也不一定都是负面影响，也可能会出发一些正面效果，另一方面，很多业务场景，查询的频率往往比增删改要高很多

索引的使用

创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）时，会自动创建对应的索引。

• 查看索引
  show index from 表名;
  案例：查看学生表已有的索引
  学生表结构如下：
  含有id、sn、name、qq_mail、classes_id字段，其中id作为student表的主键约束，sn是唯一约束，classes_id是其他表的一个外键约束。
  
  使用show index from 表名;查询语句
  
  看到id、sn、classes_id 都创建了自己的索引。
• 创建索引
  对于非主键、非唯一约束、非外键的字段，可以创建普通索引
  create index 索引名 on 表名(字段名);
  案例：创建学生表中，name字段的索引
  
  使用show index from student;查看索引
  
• 删除索引
  drop index 索引名 on 表名;
  案例：删除学生表中name字段的索引
  
  使用show index from student;查看索引
  
  需要注意的是：

1.索引是根据某一列进行创建的，当你需要使用的时候，必须要选中这一列作为条件才能生效，就例如，id这一列已经自动生成了索引，这个时候我下如下语句都是可以生效的

select * from student id=xxx;
select * from student id<xxx;
select * from student id between xx and xx;

name是没有生成索引的，当你写如下语句是无法生效

select * from student name=xxx;
select * from student name<xxx;

2.删除索引，只能删除自己创建的索引，无法删除自动生成的索引。

索引底层数据结构（B+树）

我们学过二叉搜索树和哈希表，但是很遗憾的是这两个都不适合 数据库 做索引。
1）二叉搜索树，最大的问题在于“二叉”当要保存的元素多的时候，就会使整个树的结构高度比较高。一旦高度高了，比较的次数就会变多，硬盘上每次比较都是很伤的，会大大影响查询的速度。
2）哈希表，最大的问题在于只能进行“相等”查询，无法进行>、<这样的“范围查询”。也无法进行like模糊查询。
针对以上问题，我们MySQL索引用的是B+
树

B 树

了解B+树之前，我们要先了解什么是B树，我们学过二叉树，二叉树的特点是“二叉”，而B+树是一个N叉搜索树，每个节点有多个子树（树的高度是N）这样一来，就可以大大降低树的高度，并且每个节点上就不是存储一个key值，而是存储多个！

某个节点上保存了N个key就能延伸出N+1个子树，此时进行查询的时候，针对每个节点都需要比较多次，才能确定下一步走到哪个区间。
虽然高度降低了，但是每个节点的比较次数变多了，真的能比二叉树有优势吗？注意：其实优势还是很大的！！每个节点，访问的时候是一次硬盘IO，和每个节点进行比较的时候，是先经过依次硬盘IO，把所有的这个节点上的内容都读取出来，接下来的比较都是在内存中进行，这里主要目的不是为了减少比较的次数而是要减少硬盘IO的次数！

B+ 树

B+ 树是针对B 树做出的进一步的改进，B+树也是N叉搜索树

1）不同于B树，B树有N个key，划分成N+1个区间，B+树是有N个key，划分出N个区间
2）父节点中的key的值，会在下面的子节点中再次出现（以子节点中的最大值的身份）
3）B+树把叶子节点，像一个链表一样进行收尾相连了，此时查询范围就会非常方便！
B+树的优势：
1.N叉搜索树，高度比较低，此时硬盘IO次数就会比较少。
2.叶子节点是全集，并且用链表结构相连，非常便于范围查询
3.B+树，所有的查询都是要落到叶子节点上完成的，任何一次查询经历的IO次数和比较次数都是差不多的，查询的开销稳定。
4.由于B+树叶子是全集，非叶子节点上不必存储真实的“数据行”，只要存储索引的key即可，是的非叶子节点开销的空间比较少。