MySql索引1--基础概念

1、为什么要有索引？

在进行数据查询时，如果没有索引，就需要一条条数据进行扫描，对比，最终找到想要的结果，需要的是全表扫描。

有了索引后，就相当于是查字典，先根据目录，定位到某个章节，然后在章节内再查找，查找速度会加快。

所以索引的功能就是加快查询速度。

select * from user where age = 45

在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为 全表扫描，性能很低。

有索引后，首先36比45小，看36左侧分支，然后48比45大，看右侧分支，在看45，查询到结果

所以只需要三次查询

2、索引是什么？

索引相当于是字典的目录，是一种也需要占页数（存储空间）的数据结构

索引（ index ）是帮助 MySQL 高效获取数据的数据结构 ( 有序 ) 。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。

索引-->数据

创建索引后，数据库需要维护索引和数据之间的关系。所以需要占用空间

但是新增或更新、删除数据时，也需要处理索引，所以对增删改效率降低

3、索引结构

MySQL 的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

不同的存储引擎对于索引结构的支持

4、为什么选择B+树作为索引结构

二叉树

使用二叉树作为数据结构：如果数据的顺序是有序的，那么插入后形成的数据就是一个单向链表，索引起不到加快查询的作用

还有就是如果数据量大的时候，二叉树的层级太深，也会降低检索速度

所以，如果选择二叉树作为索引结构，会存在以下缺点：

• 顺序插入时，会形成一个链表，查询性能大大降低。
• 大数据量情况下，层级较深，检索速度慢。

红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树 ,

由于红黑树也是一颗二叉树，所以也会存在一个缺点：

大数据量情况下，层级较深，检索速度慢。

B树

树的度数指的是一个节点的子节点个数

B-Tree ， B 树是一种多叉路衡查找树，相对于二叉树， B 树每个节点可以有多个分支，即多叉。

以一颗最大度数（ max-degree ）为 5(5 阶 ) 的 b-tree 为例，那这个 B 树每个节点最多存储 4 个 key ， 5

个指针：

B+Tree

B+Tree 与 B-Tree 相比，主要有以下三点区别：

• 所有的数据都会出现在叶子节点。
• 叶子节点形成一个单向链表。
• 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

MySQL 索引数据结构对经典的 B+Tree 进行了优化。在原 B+Tree 的基础上，增加一个指向相邻叶子节点

的链表指针，就形成了带有顺序指针的 B+Tree ，提高区间访问的性能，利于排序。

绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。

红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

Hash索引

MySQL 中除了支持 B+Tree 索引，还支持一种索引类型 ---Hash 索引。

 

哈希索引就是采用一定的 hash 算法，将键值换算成新的 hash 值，映射到对应的槽位上，然后存储在

hash表中。

如果两个 ( 或多个 ) 键值，映射到一个相同的槽位上，他们就产生了 hash 冲突（也称为 hash 碰撞），可

以通过链表来解决。

A,Hash 索引只能用于对等比较 (= ， in) ，不支持范围查询（ between ， > ， < ， ... ）

B. 无法利用索引完成排序操作

C. 查询效率高，通常 ( 不存在 hash 冲突的情况 ) 只需要一次检索就可以了，效率通常要高于 B+tree 索引

存储引擎支持

在 MySQL 中，支持 hash 索引的是 Memory 存储引擎。 而 InnoDB 中具有自适应 hash 功能， hash 索引是

InnoDB 存储引擎根据 B+Tree 索引在指定条件下自动构建的。

 

5、索引分类

.联合索引
    -primary key(id,name):联合主键索引
    -unique(id,name):联合唯一索引
    -index(id,name):联合普通索引

聚集索引选取规则 :

• 如果存在主键，主键索引就是聚集索引。如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
• 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索
• 引。