＜七＞从0基础到中级DBA（MySQL篇）-----------＞索引【1】（概述、结构、分类、语法）

目录

一、索引

        1.索引概述

        2.索引结构

        3.索引分类

        4.索引语法

二、总结

---

一、索引

        经过前面的学习，我们已经在Linux上安装了MySQL，这次我们首先来实现一下用windows上的datagrip来连接Linux上的MySQL，我们首先需要在finalshell上连接Linux主机并登录MySQL的root用户来创建一个用户并给其部分权限！

-- 创建用户
create user 'winroot'@'%' identified by '密码';
-- 给予权限
grant 权限列表 on 数据库.表名 from 'winroot'@'%';

        这是我们登录datagrip，远程连接MySQL。我们需要知道linux的IP地址。

 点击加号，选择MySQL。

依次输入以上信息，如果连接不成功，可能是Linux防火墙的问题，开启3306端口或者直接关闭防火墙就可以解决问题。连接成功后就可以在windows的datagrip上对Linux的MySQL进行一系列的操作！ 

        1.索引概述

                1.1概述

        接下来，我们正式进入今天的主题------->索引

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

如果没有索引时，查找数据

        一个一个的挨个匹配，=======>全表扫描 

如果有索引，这里以二叉树为例，但真正的索引不是二叉树

 需要找age=12的数据，

12与13对比，小走左边；

12与10对比，大走右边！========>高效

                1.2 优缺点

         优点：提高数据检索效率，降低数据库的IO成本；通过索引列对数据进行排序，降低数据排序成本，降低CPU消耗！

        缺点：索引列也需要占用空间；索引大大提高了查询效率，同时却页降低更新表的速度，如对表进行 insert, update , delete 时，效率降低。

        2.索引结构

索引实在存储引擎层实现的，不同的存储引擎有不同的结构。

B+Tree索引：最常见的索引类型，大部分引擎都支持B+Tree索引。

Hash索引：底层数据结构是用哈希表实现的只有精准匹配索引列查询才有效，不支持范围查询。

R-Tree（空间索引）：是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型。

Full-text（全文索引）：是一种建立倒排索引，快速匹配文档的方式类似于lucene、solr、es

索引	InnoDB	MyISAM	Memory
B+Tree索引	√	√	√
Hash索引	×	×	√
R-tree索引	×	√	×
Full-text索引	5.6版本后支持	√	×

支持——√

不支持——×

常说的索引，若无特别指明，都是值B+Tree结构组织的索引。

推荐一个学习数据结构的网址：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

 二叉树：

 但如果插入数据的顺序不同，就会出现以下情况：

 弊端：二叉树在顺序插入时，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：为解决成为单向链表的问题，构建了红黑树，它是自平衡的

 弊端：大数据量情况下，层级较深，检索速度慢。

B-Tree（多路平衡查找树） ：多路---->一个节点可包含多个子节点

        以一颗最大度数为5（5阶）[一个节点下最多可存的子节点个数]的B-Tree为例（每个节点最多存储4个key，5个指针）

位于中间的元素 152 会向上分裂为根节点。

 

数据就在每个节点的下面

B+Tree： 

所有的元素都会出现在叶子节点 

与 B-Tree 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。

        在MySQL中，对B+Tree今昔能力优化，增加了一个只想相邻子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问性能。 

 Hash（哈希索引）： 采用一系列的Hash算法，将简直换算成新的Hash值，映射在对应的槽位上，然后存储在Hash表中。

        为name字段创建索引：

                1.首先会算出每一行的哈希值。

                2.将name字段单拎出来进行hash运算，放入对应的槽位上

         若两个（或多个）键值，映射到相同的槽位上，就产生了Hash冲突（也称hash碰撞），可以通过链表来解决。

        Hash索引特点：1.只能用于对等比较（=、in），不支持范围查询（between、>、<）

                                   2.无法利用索引完成排序操作 

                                  3.查询效率高，通常秩序一次检索即可，效率高于B+Tree

        只有MEmory存储引擎支持Hash索引，而InnoDB存储引擎具有自适应hash功能，Hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的

面试题： 为什么InnoDB存储引擎选择使用B+Tree索引结构？

1.对于二叉树，层级更少，搜索效率高

2.对于B-Tree，无论是叶子节点还是非叶子节点，都会保存数据，这就导致一夜中存储的简直减少，指针跟着减少，要保存同样大量数据，只能增加树的高度，导致性能降低

3.相对于Hash索引，B+Tree支持范围匹配及排序操作

        3.索引分类

主键索引	针对表中主键创建的索引	默认自动创建，只能有一个	Primary
唯一索引	避免同一表中某数据列中的值重复	可多个	Unique
常规索引	快速定位特定数据	可多个
全文索引	全文索引查找的是文本中的关键词，而不是比较索引中的值	可多个	Fulltext

        在InnoDB存储引擎中，根据索引的存储形式，又分为一下两种：

                        （1）聚集索引（clustered index） 将数据存储与索引放在一起，索引结构的叶子节点保存了行数据。（必须有，且只有一个）

                        （2）二级索引（secondary index）将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键。（可存在多个）

聚集索引选取规则：

        1.如果存在主键，主键索引就是聚集索引。

        2.若无主键，将使用第一个唯一索引作为聚集索引

        3.若无主键，无唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引

#用主键建立索引 ====>聚集索引=====>叶子节点下所挂的数据是该id所在行的所有数据

#用其他列建立索引===>二级索引=====>叶子节点下所挂的是该数据的id主键数据。

 简单看一个例子：

select * from user where name = '张三';

这个SQL的运行情况：

-- 思考： InnoDB主键索引的B+Tree高度有多高？

 假设：一行数据大小为 1K ，一夜可存储16行这样的数据，InnoDB指针占用6个字节的空间，主键即使是bigint，占用字节数为8

高度为2： 设有n个key，求非叶子节点能存多少个key和指针

        n * 8 + （n+1）* 6 = 16 * 1024

=====>得n=1170

可存储的数据量= 1171 * 16 = 18736

高度为3 ：1171 * 1171 * 16 = 21939856 （2000多万）

        4.索引语法

#创建索引 

create [unique| fulltext] index 索引名称 on 表名（索引字段,...）;

-- ...表示可以有多个字段，单个字段叫单列索引；多个字段叫联合索引

# 查看索引

show index from 表名;

# 删除索引

drop index 索引名称 on 表名;

二、总结

        经过以上得学习，我们对索引有了一个大概得认识，接下来我们会针对索引学习性能分析、使用规则等。希望以上内容对大家有所帮助！当然如果有表述不当的地方，也请大家前来批评指正！谢谢大家！！！