MySQL索引B+树数据结构原理以及分类了解只需这一篇（绝非标题党）

索引！可谓是重中之重。面试可谓是必问内容，当然了，平时开发对于SQL的优化也是很重要的

而当实践SQL优化不能盲目的操作，理论是支撑实践的基础

索引的意义

索引的本质就是一种排好序的数据结构。这个肯定都明白，自然而言就联想到字典中的目录

在详细讲解下面的索引数据前补充一句：

通过不断缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序事件，也就是说，有了这种索引机制，总是用同一种方式来锁定数据

索引分类

1.普通索引 index：加速查找

2.唯一索引

​ 主键索引：primary key：加速查找+约束（不为空且唯一）
​ 唯一索引：unique：加速查找+约束（唯一）

3.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

4.全文索引 fulltext：用于搜索很长的一篇文章的时候，效果最好

5.空间索引 spatial：了解就好

索引数据结构分类

在数据库中，索引数据结构是很多分类的，而你印象最深刻的是不是就B+树索引呢？那是因为平时我们使用的基本都是MySQL，而根据存储引擎的不同，有些索引是不支持，只有heap、Memory引擎支持哈希索引，InnoDB引擎自适应哈希索引，下面我就来逐条讲解

Step1：Hash索引

Hash索引是比较常见的一种，单条查询效率很高，时间复杂度为1
但是！Hash索引不是最常用的数据库索引类型，尤其是我们常用Innodb引擎就不支持Hash索引

原因：Hash索引适合精确查找，但是范围查找不适合

因为存储引擎会为每一行数据计算一个hash码，hash码都比较小，并且不同键值行的hash码通常是不一样的，hash索引存储的就是hash码，hash码之间没有规律，且hash操作并不能保证顺序性，所以查找出值相近的两个数据，Hash值相差很远，被分到不同的桶中。这就是为什么hash索引只能进行全职匹配的查询，因为只有这样，hash码才能够匹配到数据

那什么情况使用哈希索引呢？

select … from user where user_id = ? 这种等查询非常适合hash索引

因为只需要经过一次算法即可找到相应的键值；前提是键值都是唯一的。如果键值不唯一就需要先找到该键值所在位置，然后再根据链表往后扫描，直到找到相应的数据

Step2：二叉树

常见的索引数据结构是树结构，先来详解最经典也是最开始的二叉树

二叉树特点：

• 二叉树的时间复杂度为O(n)
• 一个节点只能有两个子节点。不能超过2
• 左子节点小于本节点，右子节点大于本节点
  

但是在极端情况下可能出现链化的情况，既节点一直在某一边增加，如下图

二叉树中，有一种特殊的结构>>>平衡二叉树 平衡二叉树特点

• 根节点会随着数据的改变而变更
• 数据量越多，遍历次数越多，IO次数就越多，就越慢（磁盘的IO由树高决定）

Step3：B树（二三树）

了解二叉树之后，我们可以进一步详解什么是B树了,大概的样子如下图

从B树的结构图中可以看到每个节点中不仅包含数据的key值，还有data值

而每页的存储空间是有限的，如果data比较大，会导致每个节点的key存储比较少，当数据量比较