MySQL索引数据结构分析

什么是数据库调优？说得高大上，实际上就是减少磁盘IO次数。

众所周知，为数据表增加索引会使查询速度大大提升，MySQL索引其实是一种数据结构，有“哈希”和“B+树”可供用户选择。为什么只能用这两种呢？为什么不能用二叉树、平衡二叉树、红黑树等等呢？

• 首先，来说一下MySQL增加数据的方式：一般都是主键自增的。根据二叉
  树的特性：“左子树小于根节点，右子树大于根节点”，如果索引采用这种数据
  结构，会生成一个向右倾斜的树，而且不会生成平衡二叉树。存放的数据越多， 树就越深，不能达到快速查询的目的。

• 如果采用红黑树，也一样只是生成一个比二叉树稍微改善一点的向右倾斜 的树而已。

上述两种数据结构并没有使磁盘IO次数减少。

• 我们知道“哈希”是一种散列算法，给定一个数据经过哈希运算后，能得到
  一个固定长度的数列(哈希值)。MySQL索引存放哈希值，而哈希值所对应的是数
  据的指针，因此哈希索引时间复杂度为O(1),查询速度极为迅速。

哈希索引有两个特点：

		1.数据并不是按照索引值顺序存储，所以也就无法用于排序。
		2.不支持任何范围查询
		因为这两个缺陷，哈希索引只适用于某些特定的场合。

那B+树是怎么来解决上述的各种问题呢？

不了解B+树是什么的同学可以点击链接 数据结构可视化，手动生成B+树并观察。

• B+树允许每个结点拥有多个内部结点，“Max. Degree”代表每个结点的最大内部结点数量，B+树同样具有“左子树小于根节点，右子树大于根节点”的特性，并且只有叶子结点用来存放数据，在B+树索引中，叶子结点存放的是对应主键的物理地址。

值得一提的是：

	若不是主键建立的索引，叶子结点存放的就是对应数据的主键，再 根据主键索引去查询，达到节省空间的目的。
   B+树索引虽然没有哈希索引速度快，但解决了不能排序和范围查询的缺陷，也 极大地减少了磁盘IO的次数。

我们还可以适当利用SQL语句来减少磁盘IO：

1. 避免使用 select *
2. 当只需要查询出一条数据的时候,要使用 limit 1
3. 建立高性能的索引
4. 建数据库表时,给字段设置固定合适的大小
5. 尽量使用not null
6. EXPLAIN 你的 SELECT 查询
7. 在Join表的时候,被用来Join的字段，应该是相同的类型的,且字段应该是被
   建过索引的,这样，MySQL内部会启动为你优化Join的SQL语句的机制
8. 如果你有一个取值是有限而且固定的字段，应该使用 ENUM 而不是 VARCHAR
9. 垂直分割
10. 优化where查询
11. 不建议使用%前缀模糊查询,这种查询会导致索引失效而进行全表扫描
12. 要慎用in和 not in
13. 理解in和exists， not in和not exists的区别
14. 理解select Count (*)和select count(1)以及select count(column)区别