索引底层解析

索引的基础代码：

查看代码  show  index  from  表名；

创建索引  create  index  索引名  on  表名（列名）；

删除索引  drop  index  索引名  on 表名；

1.为什么要创建索引

举一个形象的例子，没有索引的MySQL数据库，就像一个就像拿着一个字在字典里面一页一页翻，而有索引的就像字典里面的首字母，一下让你找到在多少页，速度快了不止一倍。所以创建索引的最重要的一点就是可以提升查询速度，但唯一不好的就是要浪费空间，但和速度比起来，这点空间可有可无。

2.索引的内容

索引的核心内容就是它的底层数据结构，而那些数据结构可以提升查询速度呢，

有顺序表（随机访问），链表（中间位置增删），栈/队列（特殊位置的操作），树->主要为二叉树。

其中比较卓越的是二叉树中的红黑树还有哈希表，但哈希表只能计算key值相等的情况，hash映射后不能反应计算出来hash值大小关系，所以并不适合数据结构，

红黑树也不适合，因为数据库其中的数据元素有很多，所以会导致树变高，变高之后查询的效率会很底下，因为每次要走一遍，越高越慢，所以也不适合。

3.因此就代入了B树（N叉搜索树）

特点：每个节点上可以存储多个元素，延伸出多个子树，以同样数量的数据，但树的高度大大降低。

每个方框是一个节点，每个数字代表一个key（或者是一行数据库中的记录）

 

就好似这种，B树的查找特点：

1.每个节点上的这些key也是有序列的，比较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，使key变多了，就会再次分裂，弄出更多的子树

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

但其实数据库使用的是B+树，B+树中最右边的既为最大数，不能超过，这是和B树的区别，这也是优势，

 按照这样排列数据，叶子节点这里就可以包含数据集合的全集，然后B+树会把叶子节点串联起来，以链表的结构，这样就方便遍历表中的所有数据，也方便范围查询

B+树的优势：

1.非常方便遍历和范围查询

2.查询时间稳定，因为每一次的查询都要落到叶子节点，时间io是固定的

3.占用空间小，因为到叶子节点是数据的全集，就是表的每一行都关联在叶子节点，这样就可以把非叶子节点只保存单纯的一个key值就可以了。然后把非叶子节点可以缓存在内存中，这样速度可以上一个档次，比硬盘中快很多。

 

 

 

还有重要的一点就是针对索引列进行查询，就是从树根节点往下一层一层的查询

针对非索引列查询，就拿着最底下一层叶子节点，遍历链表就行了。

代码就如

1.走索引的情况：

select  *  from  student  where  id  =  20；

这种就是拿这二十，树根结点来找区块

select  *  from  student  where  id  ＞  20 and id＜100；

这种直接范围查询，速度非常快

2.不走索引的情况：

select * from  student  where  classld = 102；

这种就要拿着102去叶子节点的链表一个一个遍历，会非常慢