数据库索引

目录

一、索引分类

1、聚簇索引

2、二级索引（辅助索引、非聚簇索引）

3、联合索引

二、迭代过程

1、二叉树

2、平衡二叉树

3、Btree（B树）

4、B+tree（B+树）

---

一、索引分类

1、聚簇索引

聚簇索引（Clustered Index）是一种特殊的索引类型，它定义了表中数据的物理排序顺序，并将表数据按照索引的顺序存储在磁盘上。

聚簇索引只能在一个表上建立一个，它通常是主键或唯一键索引。当聚簇索引存在时，表数据存储在聚簇索引的叶子节点中，因此聚簇索引也被称为主键索引或聚集索引。

聚簇索引的优点如下：

1. 提高查询效率：由于聚簇索引定义了表中数据的物理排序顺序，因此在查询时可以直接使用索引定位到数据所在的磁盘块，并访问连续的数据块，减少了磁盘I/O操作，提高了查询效率。

2. 提高范围查询效率：由于聚簇索引将表数据按照索引的顺序存储在磁盘上，因此在进行范围查询时，可以更快地定位到数据所在的磁盘块，并访问连续的数据块，减少了磁盘I/O操作，提高了查询效率。

3. 减少磁盘空间使用：由于聚簇索引将表数据按照索引的顺序存储在磁盘上，因此可以减少数据存储空间的使用，提高存储效率。

聚簇索引的缺点如下：

1. 插入操作性能较低：由于聚簇索引会改变表数据的物理排序顺序，因此在插入新数据时，需要重新排序表数据，并将数据插入到正确的位置上，因此插入操作的性能较低。

2. 更新操作性能较低：由于聚簇索引会改变表数据的物理排序顺序，因此在更新数据时，需要重新排序表数据，并将数据更新到正确的位置上，因此更新操作的性能较低。

2、二级索引（辅助索引、非聚簇索引）

二级索引（Secondary Index），也称为辅助索引（Non-Clustered Index）或非聚簇索引，是一种用于加速数据库查询操作的索引类型。

与聚簇索引不同，二级索引并不直接存储表中数据的物理排序顺序，而是存储索引值和指向表中数据的指针。在查询时，MySQL先使用二级索引定位到表中符合条件的记录，然后再使用指针访问表中的实际数据。

二级索引的优点如下：

1. 提高查询效率：由于二级索引存储了索引值和指向表中数据的指针，因此在查询时可以先使用二级索引定位到符合条件的记录，然后再使用指针访问表中的实际数据，减少了磁盘I/O操作，提高了查询效率。

2. 减少插入和更新操作的性能损失：由于二级索引并不直接存储表中数据的物理排序顺序，因此在插入和更新数据时，不需要重新排序表数据，减少了性能损失。

二级索引的缺点如下：

1. 占用更多的磁盘空间：由于二级索引需要存储索引值和指向表中数据的指针，因此需要占用更多的磁盘空间。

2. 范围查询性能较低：由于二级索引并不直接存储表中数据的物理排序顺序，因此在进行范围查询时，需要使用指针访问表中的实际数据，增加了磁盘I/O操作，性能较低。

3、联合索引

联合索引（Composite Index）是一种包含多个字段的索引类型，它可以加速查询操作中涉及到联合字段的查询，避免了使用多个单字段索引的性能问题。

联合索引的优点如下：

1. 提高查询效率：由于联合索引包含多个字段，因此在查询时可以同时使用多个字段进行匹配，减少了查询的次数，提高了查询效率。

2. 减少索引占用空间：由于联合索引包含多个字段，因此可以将多个单字段索引合并为一个联合索引，减少了索引占用的空间。

联合索引的缺点如下：

1. 增加索引维护成本：由于联合索引包含多个字段，因此在插入和更新数据时，需要同时更新多个字段的索引，增加了索引维护的成本。

2. 不利于范围查询：由于联合索引包含多个字段，因此在进行范围查询时，只有第一个字段可以被用于范围查询，其他字段只能用于精确匹配，不利于范围查询。

二、迭代过程

（需要将硬盘上的数据通过 Io 加载到内存中，判断是否是我们需要查找的数据，后再放回，后重新查询）

1、二叉树

查询：id=2的时候，需要 io 2次

           id=10的时候，需要 io 5次

在极端情况下，会出现 查询不同数据 需要的Io次数不同，相差甚远，所以为了避免 这种不稳定情况，优化为平衡二叉树

2、平衡二叉树

查询：id=2的时候，需要 io 3次

           id=10的时候，需要 io 3次

相对于二叉树，大大降低了不同数据查询时的Io次数的一个性能差距，但，相对而言，数据多了以后，依然会出现Io上百次的情况，所以为了避免 这种情况，优化为B-tree（B-树）

3、Btree（B树）

B树（B-tree）是一种常见的数据结构，用于实现索引。B树是一种平衡树，每个节点包含多个关键字，并且具有多个子节点。

B树的基本结构如下：

每个节点最多包含m个关键字，最少包含$\lceil\frac{m}{2}\rceil$个关键字（其中$\lceil x\rceil$表示不小于x的最小整数）。

每个节点拥有m+1个子节点，除了叶子节点外，所有节点至少有$\lceil\frac{m+1}{2}\rceil$个子节点。

关键字按升序排列。

所有叶子节点在同一层级上，且不包含指向其他节点的指针。

B树的插入和删除操作会改变树的结构，以保持平衡。当一个节点被插入或删除后，如果它的关键字数量超过了m，就需要进行节点分裂操作，将节点分成两个节点。

B树的查询操作非常高效，平均情况下的时间复杂度为O(log n)，其中n是节点数量。因为B树每个节点都包含多个关键字，每次查询可以同时匹配多个关键字，从而减少了查询的次数。

4、B+tree（B+树）

B+树（B+ tree）是一种常见的数据结构，也用于实现索引。B+树是一种基于B树的变体，与B树相比，B+树在内部节点上只存储索引关键字，而不存储数据，所有数据都保存在叶子节点中。

B+树的基本结构如下：

每个节点最多包含m个关键字，最少包含$\lceil\frac{m}{2}\rceil$个关键字。

每个节点拥有m个子节点，除了叶子节点外，所有节点至少有$\lceil\frac{m}{2}\rceil$个子节点。

所有叶子节点在同一层级上，并且按照关键字的升序排列，每个叶子节点包含一个指向下一个叶子节点的指针。

B+树的查询操作与B树类似，也是通过关键字进行查找，但查询结果只能在叶子节点中找到。

B+树相比于B树有以下优点：

B+树的内部节点不存储数据，因此内部节点可以存储更多的索引关键字，从而减少了树的高度，提高了查询效率。

B+树的所有数据都保存在叶子节点中，因此可以更好地利用磁盘预读技术，将相邻的叶子节点预读到内存中，减少磁盘I/O操作，提高了查询效率。

B 树和 B+ 树都可以作为索引的数据结构，在 MySQL 中采用的是 B+ 树。

但B树和B+树各有自己的应用场景，不能说B+树完全比B树好，反之亦然。