索引

介绍

索引是通过某种算法，构建出一种模型，用于快速找出在某个列中有一特定值的行，不使用索引，MySQL必须从第一条记录开始读完整个表，直到找出相关行，表越大，查询数据所花费的时间就越多，如果表中查询的列有一个索引，MySQL就能快速到达一个位置去搜索数据文件，而不必查看所有数据，那么将会节省很大一部分时间。

索引的分类

索引是存储引擎用来快速查找记录的一种数据结构

实现方式来分

Hash索引

Hash索引会将索引字段里的值根据某种方式（函数）进行计算，算出一个值，这样在查找数据时就可以由算出的值来找到其对应的数据

哈希冲突：不同的值通过相同函数得到的值可能相同，这就是哈希冲突。哈希冲突即使发生，查找值时发现不同会跳过，去找冲突的其他值，因此仍然可以找到数据，且速度比全表查询要快

B+Tree索引

B+Tree索引也会根据索引字段来得到一个值，并由树状结构来存储这些值

功能来分

查看索引

单列索引

单列索引：一个索引只包含单个列，但一个表中可以有多个单列索引

普通索引

普通索引：MySQL中基本索引类型，没有什么限制，允许在定义索引的列中插入重复值和空值

创建索引

方式一：创建表的时候直接指定

格式：index 索引名(字段名)

方式二：直接创建

格式：create index 索引名 on 表名(字段名);

方式三：修改表结构

格式：alter table 表名 add index 索引名(字段名);

删除索引

唯一索引

唯一索引：唯一索引中索引列的值必须唯一，但可以为空。如果是组合索引，则列值的组合必须唯一

创建索引

方式一：创建表的时候直接指定

格式：unique 索引名(字段名)

方式二：直接创建

格式：create unique index 索引名 on 表名(字段名);

方式三：修改表结构

格式：alter table 表名 add unique 索引名(字段名);

删除索引

与删除普通索引的方式相同

主键索引

主键索引：当我们在创建表时，如果该表有主键，则MySQL会自动在主键列上建立一个索引，这就是主键索引。主键索引具有唯一性且不为NULL

组合索引

组合索引：组合索引也叫复合索引，指的是我们在建立索引的时候使用多个字段。可以建立普通索引或者是唯一索引。

复合索引的使用符合最左原则

创建索引

create index 索引名 on 表名(字段1,字段2...)

在index前面加上unique即可创建唯一索引

最左原则

全文索引（了解）

概述

MySQL中的全文索引，有两个变量，最小搜索长度和最大搜索长度。想对一个词语使用全文索引搜索时，这个词语长度必须在这两个变量的区间内。

可以用以下命令查看这两个的默认值：

创建全文索引

方式一：创建表的时候添加全文索引

fulltext (字段名)

方式二：直接创建

格式：create fulltext index 索引名 on 表名(字段名);

方式三：修改表结构

格式：alter table 表名 add fulltext 索引名(字段名);

使用索引

使用全文索引和常用的模糊匹配使用like + %不同，全文索引有自己的语法格式，使用match和againt关键字

格式：

match(字段名) against (搜索的关键词)

例

注：

1.使用全文索引时需要用在where语句后

2.使用全文索引能够搜索出包含关键词的行数据

空间索引（了解）

概述

空间类型

创建索引

空间索引在创建表时创建

格式：spatial key 索引名(字段名)

注：创建的字段必须是空间类型的字段

例

索引的原理

概述

相关算法

Hash算法

Hash：即哈希值，根据某种函数将值进行计算，得到一个值，这个值就是地址，查找数据就可以通过计算来得到一个哈希值并匹配，找到数据所在

优点：通过字段的值计算的hash值，定位数据非常快

缺点：不能进行范围查找，因为散列表中的值时无序的，无法进行大小的比较

二叉树

特性：分为左子树、右子树和根节点，左子树比根节点值要小，右子树比根节点要大，找的时候会

缺点：有可能产生不平衡，类似于链表的结构（右图）；且也不能查找范围

平衡二叉树

特点：

1.它的左子树和右子树都是平衡二叉树

2.左子树比根中间值要小，右子树比中间值要大

3.左子树和右子树的深度之差的绝对值不超过1

缺点：

1.插入操作需要旋转

2.支持范围查询，但回旋查询效率较低，必须要查找大于8的，会回旋到父节点7、10

3.如果存放几百条数据的情况下，树高度越高，查询效率会越慢

BTREE树（重点）

目前大部分数据库及文件系统都采用B-Tree或其变种B+Tree作为索引结构，Btree结构可以有效的解决之前的相关算法遇到的问题

MySQL使用的是B+Tree

B-Trees：B-Trees有一个Max.Degree，是表示树是几阶的，即每个节点储存的数不能超过几个

每次添加数据时，会根据数据大小得到一个编号，并根据编号依次存放到树中，当一个节点的数据达到Max.Drgree时，会自动分裂，处于中间的数据会向上分裂，且左右各有一个指针，分别指向比其小的节点和比其大的节点，如果节点里有两个数，则有三个指针，依次类推。分裂后，再加入数据依然会在最后面加入数据，如上图会在7号数据所在节点添加数据

B+Trees：与B-Trees基本相同，但B+Tress在分裂后在最底层的节点（叶节点）仍会保留该数据，且叶节点中的节点与相邻的叶节点中的节点有一个双向指针，可以相互找到，因此在查找范围时，如大于2的数，可以先找到2，再通过指针依次找到大于2的所有数

MyISAM引擎使用B+Tree

MyISAM引擎使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址

InnoDB引擎使用B+Tree

InnoDB的叶节点的data域存放的是数据，相比MyISAM效率要高一些，但是比较占硬盘内存的大小

索引的特点

索引的优点

索引的缺点

创建索引的原则