MySql索引底层

   好久没有写博客了，前几天看了一个关于索引底层原理的学习视频，虽然是技术小白，但也是整理下自己学到或者理解的一些知识吧，不喜勿喷，欢迎交流！

MySql索引的底层原理
1.索引的定义
MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。
2.索引的分类
常见的索引类型有：主键索引、唯一索引、普通索引、全文索引、组合索引
1、主键索引：即主索引，根据主键pk_clolum（length）建立索引，不允许重复，不允许空值；
2、唯一索引：用来建立索引的列的值必须是唯一的，允许空值
3、普通索引：用表中的普通列构建的索引，没有任何限制
4、全文索引：用大文本对象的列构建的索引
5、组合索引：用多个列组合构建的索引，这多个列中的值不允许有空值
*遵循“最左前缀”原则，把最常用作为检索或排序的列放在最左，依次递减，组合索引相当于建立了col1,col1col2,col1col2col3三个索引，而col2或者col3是不能使用索引的。
*在使用组合索引的时候可能因为列名长度过长而导致索引的key太大，导致效率降低，在允许的情况下，可以只取col1和col2的前几个字符作为索引
3.索引的优缺点
**优势：**可以快速检索，减少I/O次数，加快检索速度；根据索引分组和排序，可以加快分组和排序；
**劣势：**索引本身也是表，因此会占用存储空间，一般来说，索引表占用的空间的数据表的1.5倍；索引表的维护和创建需要时间成本，这个成本随着数据量增大而增大；构建索引会降低数据表的修改操作（删除，添加，修改）的效率，因为在修改数据表的同时还需要修改索引表；
4.索引的实现原理
我们知道，数据库查询是数据库的最主要功能之一。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。如果稍微分析一下会发现，每种查找算法都只能应用于特定的数据结构之上，所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。

这是正常的一张表，假设我们需要查询col2=23这条数据，
select * from table where col2=23;
当我们没有建任何索引的时候，数据库会从第一条开始依次查询，基于最基本的查询算法：顺序查找（linear search），然后足足经过7次查询，才找到我们需要的数据.，这样的情况就是当数据量一大，会导致我们的数据查询会非常的慢。
这时候，索引就能帮助我们加快提高查询的效率了。
计算机科学的发展提供了很多更优秀的查找算法，例如二叉树查询算法，B树查询算法，B+树查询算法，索引就是通过指向这些优秀的算法然后实现效率的提高。
二叉树：
这就是二叉树一种大概的结构：（左边<右边，根节点>子节点）

我们将col2设为索引，同样我们取col2=23这条数据，当数据库查询完第一条数据时，会将34与第一条数据的34比较，如果是小，就从左边走，如果是大，就走右边，然后查到第二条数据再次比较，直到查询到col2=23这条数据，这样只需要经过3次的查询之后就能找到所需要的数据了，跟之前的7次提高了很大的效率。但如果是极端的情况，设col1为索引，查询col1=7的数据，那怕是使用二叉树查询算法，也是没有任何的效率提升，需要足足查询7次。（同样这样的提升也是可见的，一旦数据量一大，到百万，千万级数据量的时候，也是会非常的缓慢）
B树
这是一种更效率的数据结构算法，上面的二叉树图，每个子节点就放一个数据，B树就是在这个基础上，我每个子节点不在只放一个数据，而是放多个数据，这样查询的次数就会再次缩减，达到优化查询的目的

那很多人会产生两个疑问：
1.一个节点我放多个数据，那我干脆所有的数据都放在一个节点内，那是不是代表我只要查一次就直接查出来了？
答：每个节点的是有大小的，无法所有的数据都放在一个节点里面。
2.一个节点放两个数据，是不是代表也需要查询两次？那效率还是没有提升。
答：mysql的数据查询是对于磁盘上的数据进行查询，而节点上的查询，是在内存上进行的查询，而内存上查询的效率是远远高于磁盘上查询的效率。
但B树查询算法也有一定的局限，假设我查询的数据时没有规则的几个，那我每次查询到一个数据之后，我还需要回到根节点，然后重新再从根节点再查询接下来的数据。
B+树（Mysql索引用到的底层数据结构）

B+树是对于B树的一种优化，同样是每个节点会有多个数据，在B+树的每个叶子节点增加一个指向相邻叶子节点的指针，就形成了带有顺序访问指针的B+Tree。做这个优化的目的是为了提高区间访问的性能，例如图中如果要查询从18到49的所有数据记录，当找到18后，只需顺着节点和指针顺序遍历就可以一次性访问到所有数据节点，极大提到了区间查询效率。