MySQL 索引

索引

什么是索引？ 在我们日常学习的过程中离不开索引：寻找房间，寻找书的页数，寻人（依靠身份证号）等等关于索引的一切

在MySQL数据库中也有关于索引的引入：用来提高查询的速度

但其也有缺点：

1.目录本身要占据存储空间（硬盘）

2.索引能提高查询速度，可能会拖慢增删改的速度，在后续对数据进行增删改时，都是要同步更新索引的

索引的使用：通过SQL能够创建索引，查看索引，删除索引

1.查看索引

show index from 表名;

由于并没有创建索引，所以是空集合

在创建拥有主键字段的表时，就会创建索引

create table t (id int(10) primary key);
show index from t;

在unique和foreign key也都是自带索引的

外键约束，父表与子表之间相互约束，进行增删改数据操作时就会拥有索引，同时两表的索引就会修改

2.创建索引

例如，在开发中发现，经常会根据学生名字进行查询，就可以针对名字这一列创建索引，创建索引，都是根据具体的列来创建的，针对某一列创建索引之后，后续查询的时候，也必须得针对这一列条件查询，才能够通过索引来提速

如果给A列创建索引，实际上通过B列指定条件查询，索引无效的；字典，有拼音目录，也有笔画目录，也有部首目录，如果字典有残缺，只有拼音目录，拿着笔画，就差不了；一个表有很多列，每个列都允许分别创建索引

create index index_student_id on student(id);
//从此与id相关（外键）的表也相当于创建了索引

创建索引同时也是一件非常危险的事情，如果针对空的表或者表里的数据不多，此时创建索引无所谓；但是表很大，此时创建索引，就会引起大量的CPU/IO消耗，有可能把数据库搞挂了，此时数据库无法相应其他操作了；所以想要创建索引一定要在建表初期的时候将索引创建

如果表数据很多，此时又必须要创建索引，怎么办？此时可以将一台机器上的数据库中的某表创建索引，然后将要创建索引的表所在的服务器上的数据导入到另一台机器上，此时也就解决了问题

3.删除索引

create index 索引名 on 表名(列名);//创建索引
drop index 索引名 on 表名;//删除索引

 drop index index_student_id on student;

索引的核心内容：底层的数据结构

索引，一定是引入了一些额外的数据结构，来增加查询的速度；默认情况下，进行条件查询就是遍历表，一条一条都带入条件，引入索引就是要通过其他的数据结构，加快了查询的速度，减少了遍历表的可能性

在我们所学的数据结构中，哪种结构可以快速查询数据？二叉平衡树，AVL树以及红黑树，哈希表，三者的效率逐渐增加，索引所引入的数据结构一定与树或者哈希表相关，但是哈希表无法进行范围内的查询，只能进行哈希函数key-value对应，所以一定是树相关的数据结构

红黑树主要有两个原因被pass：

1.红黑树要寻找符合范围内的数据，可能会一直回退

2.红黑树是二叉搜索树，当元素非常多的时候，就会使树的高度，变得比较高，树的高度越高，进行查询的效率就越低，高度每增加一层，比较次数就增加1，数据库的索引/数据都是保存在硬盘上的，上述的每次比较，就都需要一次硬盘IO操作了

因此，红黑树不太适合于大规模在硬盘上管理数据的场景

在红黑树相关的数据结构中，想要寻找范围查询也相当不容易，进行中序遍历来查找数据，不仅要查找第一个符合要求的数据，也要找到最后一个符合要求的数据，时间复杂度为O(N)，所以红黑树也是不符合要求的，此时引入一种数据结构：

B/B+树

这个数据结构类似于二叉树，但是它是多叉树，本质上是一个N叉搜索树，每个节点上可以存储多个元素，延伸出多个子树，表示同样数量的数据，需要的节点就少了，对应树的高度也大大降低了

每个方框是一个节点，如果想查找某一范围内的数据，只需要在叶子节点使用二分查找即可，同时我们解释如何插入节点：首先有8，15，插入2，5，11，15，此时2，5在8左边，11，在15右边，插入1，3，6，13，此时1在2左边，3在2，5之间，6在8左边，13在11，15之间，再将数据复制到叶子节点，此时就是一个完整的B树

1.每个节点的key是有序排列的，比较多的时候可以直接二分查找

2.B树也会控制，某个节点上保存的key不会太多，如果插入更多的元素，就会使节点分裂

3.多个数据，都是放在一块连续的存储空间上，进行比较的时候，一次硬盘IO就能读出整个节点，就可以直接完成上述比较（进行多次比较，实际上只有一次硬盘IO）

其实数据库索引数据的最终形态是B+树，相当于B树的升级版

B+树同样也是N叉搜索树，上图就是B+树，B树也就是数据不会重复，8，15不会向下转移到叶子节点，B+树，会把叶子节点通过类似于链表这样的链式结构串起来，此时就可以通过上述链式结构非常方便的，遍历整个表中的所有数据，同时也非常方便进行范围查询

B+树相对于B树的优势

1.非常方便进行遍历和范围查询

2.当前任何一次查询操作，最终都是要落到叶子节点完成的

3.由于叶子节点是数据的全集，对应的，非叶子节点中都是重复出现的数据

就可以把表每一行的数据，最终都关联到叶子节点这一层，非叶子节点中只保存一个单纯的key值即可，另外B+树中存的是索引值而不是数据

如果你创建主键了，那么就按照B+树的索引结构来创建；若是未创建主键，那么就按照隐藏的主键构造来组织数据

总结：

• 对于插入、删除数据频率高的表，不适用索引
• 对于某列修改频率高的，该列不适用索引
• 通过某列或某几列的条件查询频率高的，可以对这些列创建索引

下一篇博客介绍MySQL中的事务！