MySQL索引

目录

什么是索引

索引的作用

索引的使用

查询索引

创建索引

删除索引

索引底层数据结构实现

---

什么是索引

索引（index）是用于提高查询性能的数据结构。可以大大加快数据检索速度，但会增加写入和存储的开销

索引的作用

索引的作用类似于一本书的目录

当需要找到找到书中某个章节的所在位置时，就可以查找目录，方便我们快速定位

因此，索引的特点：

（1）加快查询速度

（2）索引需要存储一定的索引结构，因此会存在额外的存储开销

（3）当我们需要进行 新增、删除 和 修改 的时候，也需要针对索引进行更新。对索引进行更新，也是额外的开销

因此，当我们需要根据条件进行查找时，索引就能帮助我们检索数据、快速定位，提升性能

但当我们需要进行 新增、删除 和 修改 时，就需要修改（维护）索引，此时就会降低性能

因此，在适用索引之前需要考虑以下几点：

（1）数据量比较大，且需要经常对这些列进行条件查询

（2）该数据库表的插入、更新 和 修改 操作的频率低

（3）索引会占用额外的磁盘空间

若满足以上条件，则可以考虑对表中字段创建索引，以提高效率

反之，若非条件查询列，或经常执行 插入、修改 和 删除 操作，或磁盘空间不足，则不考虑创建索引

索引的使用

查询索引

show index from table;

例如：

我们创建一张学生表：

drop table if exists student;

create table student (

        id int primary key,

        name varchar(10) unique,

        chinese int,

        math int,

        english int

);

 查看索引：

show index from student;

 ‘

当创建 主键约束（primary key）、唯一约束（unique）和 外键约束（foreign key）时，会自动创建对应列的索引

一个表的索引可以有多个，每个索引都是根据某个具体的列来展开的，后续按照这个列来进行查询时才能提高效率

就像字典，包含了多个目录，可以根据拼音、部首、笔画...等不同目录来进行检索

 

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 table_name(列名);

为 chinese 字段创建普通索引：

create index index_student_chinese on student(chinese);

创建成功：

 由于此时数据表为空（或在数据比较少的情况下），此时创建索引就没有任何问题，但是如果表本身就有很多数据，此时创建索引操作就会触发大量硬盘IO，数据库就可能会挂掉

删除索引

drop index 索引名 on table_name;

删除 chinese 的索引：

drop index index_student_chinese on student;

与添加索引一样，删除索引也是一个危险操作

因此，当我们需要创建索引时，一定要在建表时就规划好

索引底层数据结构实现

索引其实是通过额外的数据结构，来针对表中的数据进行重新组织，不同的数据结构适用于不同类型的查询和场景

那么，索引是怎样来对数据进行重新组织呢？

 一般使用 B+ 树来实现索引，在了解 B+ 树之前，我们先来了解 B 树

B 树（B-树 B-Tree）：B 树是一种自平衡的树数据结构，可以保持数据的有序性并允许以对数时间复杂度进行搜索、插入和删除操作

我们通过一个具体的例子来进一步理解：

B树是一颗N叉搜索树，一个节点上包含N个key，按照顺序排列，N个值划分出了 N + 1 个区间：

由于是N叉树，相比于二叉树，同样的高度，能表示的元素就会多很多，这样当我们使用B树进行查询时，比较的次数就会比二叉搜索树少很多

且由于节点内的值是有序的，就能够在节点内部进行二分查找，从而加速搜索过程

更重要的是，同一个节点中的key都是一次硬盘IO读取出来的，即使同一个节点上的比较次数增加了，但是硬盘IO的次数少了（一次硬盘IO 大概相当于 内存 中的1万次比较）

接着，我们来看B+树

B+树（B+ Tree）：B+树是B-树的一种变体，在B树的基础上做出了改进，其所有的值都存储在叶子节点中，而非叶子节点只存储键值，用于引导搜索

B+ 树也是一颗N叉搜索树，每个节点包含多个key，N 个 key 划分出 N 个区间：

其中，每个节点的 N 个 key 中，都会存在一个最大值（或最小值）

每个节点中的 key，都会在子树重复出现，这样重复出现，带来的好处是所有数据都包含在叶子节点这一层中

叶子节点之间使用链式结构相连

所有的数据出现在叶子节点中，当查询任何一个元素时，都需要从根节点查询到叶子节点，过程中经过的硬盘IO次数是一样的，因此，使用 B+ 树查询的时间是稳定的

将叶子节点连接起来，在进行范围查询时，就会快很多

例如：

进行查询范围：between 15 and 50 之间的数据：

此时，只需要查找到最开头的数据，再沿着链表向后遍历，即可找到所有满足条件的数据：