# 数据库索引常识

数据库索引常识

• 业务场景：当表中有大量的数据但是没有加任何索引，那么这时候去查询这张表的数据的时候，性能不是特别好，为了提高行能，可以优化查询Sql，在数据库层面的话可以做分库分表操作，可以做读写分离操作。对于单张表而言，可以适当的增加索引，加快查询速度。

索引是什么

​ 举个例子，你要找到学校中张三的信息那么最快的方法是，知道张三的班级、宿舍号、学号然后就可以很快的找到张三。类似于图书馆中查找书籍的操作。

​ 索引是对数据库表中一个或多个列的值进行排序的结构。

索引类型

哈希表

​ HashMap实现原理，哈希表里存的是（key-value）键值对，根据hash函数计算key的哈希值得到value存放的index。当不同的key拥有相同的hash值的时候，链表方式存储value的值。哈希表是无序的，所以做区间查询比较慢。

数组

​ 数组的长度是固定的，不能高效的实现动态索引的操作，所以适合数据量不变，适用于静态索引存储。

二叉搜索树

​ 二叉搜索树的左子树的值都小于根节点，右子树的节点值都大于根节点。单从查询的角度来说二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树，而是选择使用多叉树，也就是B树、B+树这种每个节点可以有多个子节点的树。树越矮，查询过程中需要经过的树节点越少，需要时间也就越少。B+树优化了二叉搜索树，增加了宽度，加快查找速度。

Innodb

• Mysql数据库的默认存储引擎
• 支持事务安装
• 灾难性恢复好
• 使用行级锁
• 实现缓冲处理：提供缓存池，缓存索引缓存数据。
• 支持外键

​ 在Innodb中表中数据都是根据主键顺序以索引的形式存放。这种存储方式的表称为索引组织表。每一个索引对应一棵B+树。

索引实现原理（B树、Hash等）

B树

• m阶的B树，每个节点至多有M棵子树。
• 根节点至少有两棵子树。
• 关键字分布在整棵树中，任何一个关键字只出现在一个节点中。
• 搜索性能等价于在关键字内做一次二分查找。

B+树

​ B+树通常用于数据库和操作系统的文件系统中，B+树的特点是能够保持数据稳定有序。

• 所有关键字都在叶子节点的链表中，链表中的关键字是有序的。
• 不可能在非叶子节点找到。
• 非叶子节点是节点的指针，数据存储在叶子节点的数据层。

数据库索引

• 一个索引构建一棵树

创建索引优缺点

​ 优点：加快数据检索速度。

​ 缺点：创建索引和维护索引随着数据量的增加而增加，每个索引占用一定的物理空间，对表中的数据进行增加、删除和修改的时候，索引要动态的维护，降低了数据的维护速度。

怎样创建索引

• 定义有主键或者外键的数据列建立索引。
• 需要在指定范围内的快速或频繁查询的数据列。
• 经常用在where子句中的数据列。
• 使用order by、group by、dist 等查询的列。
• 查询中很少涉及的列，重复值较多的列不要建立索引。
• 对于经常存取的列避免建立索引。

索引匹配原则（最左匹配原则）

• 例如：有联合索引（a,b,c）

  索引有效匹配到 (a) (a,b) (a,b,c)

索引失效

• like查询 %开头：索引应该遵循最左匹配原则；
• 复合索引未用左列字段；
• 需要类型转换；
• where 中索引列有运算；
• where 中索引使用了函数；
• 使用 !=或者<>查询；
• 列的数据类型不一致；
• Or查询引起索引失效；
• NOT IN、NOT EXISTS 查询；
• IS NULL不走索引 IS NOT NULL走索引