认识索引（三）

认识索引（三）

上一节我们简单学习了索引原理的前置知识：二分查找算法、Hash结构和B+树结构。我们了解了这些知识之后，本节就要来讲一讲索引中的聚簇索引和非聚簇索引、主键索引和辅助索引（二级索引）。

简单回顾

​ Q：简单的说说在数据库索引应用中为什么不用Hash结构、B树结构，而是要采用B+树结构呢？

​ A：1. 首先我们知道Hash结构索引的基本结构是比较适合等值查询，而它的范围查询是需要进行全表扫描的，但数据库表中进行全表扫描是禁止的（直接开除，和redis中使用keys * 是一样的下场）。

​ 2.B树结构虽然可以实现范围查询，但是它其实要遍历范围区间上的所有节点的，而树的遍历又不是所有节点只遍历一次的，总会有非叶子节点被访问多次，那么再整个遍历的效率上就非常低下，而范围查询在日常使用场景下又是使用极其频繁的，所以使用B树效率太低，不适合使用。

​ 3.B+树可以使用主要的原因是它的数据都存储在叶子节点上，而相互的叶子节点都能被指针串联起来，那么它在进行区间遍历的时候，就无限接近于一个链表的遍历，那么一次就可以查出，效率大大提高，并且由于非叶子节点只存索引值，没有存data数据，那么可以在上面搜的时候减少了磁盘IO。所以索引比较适合使用B+Tree结构。当然InnoDB的自适应哈希索引同时借鉴了B+Tree结构和Hash结构，有兴趣的小伙伴可以自行深入研究。

聚簇索引

​ 首先讲到聚簇索引，就要了解为什么产生这个概念？或者说聚簇索引和非聚簇索引有什么区别？

​ 聚簇索引和非聚簇索引：B+树的叶子节点存放主键索引（index）和行记录(data)就属于聚簇索引；如果索引值和行记录分开存放就属于非聚簇索引。

​ 通俗的讲：将数据存储和索引放在一块，找到索引也就找到了数据。data和index在一起的是聚簇索引，不在一起的是非聚簇索引。

​ 在InnoDB中，主键索引采用就是聚簇索引结构存储。

• ​ 聚簇索引（聚集索引）

聚簇索引是一种数据存储的方式，InnoDB的聚簇索引就是按照主键顺序构建B+树结构。B+树的叶子节点就是行记录（那就那一行行数据记录），行记录和主键值紧凑的存在一起。也就意味着InnoDB的主键索引就是数据表本身，它按照主键顺序存放了整张表，占用的空间就是整张表的数据量的大小。

通常来说在InnoDB引擎下的主键索引就是聚簇索引。

InnoDB的表要求必须要有聚簇索引：

• 如果表定义了主键，则主键索引就是聚簇索引
• 如果表没有定义主键，则第一个非空的unique（非空）列作为聚簇索引
• 如果上面两个都没有满足，那么InnoDB自己本身会建立一个row-id作为聚簇索引

聚簇索引性能最好而且具有唯一性，所以是很珍贵的，必须要慎重设置。一般要根据这个表最常用的SQL查询方式来进行选择，某一个字段作为聚簇索引，或组合聚簇索引，这个要看实际情况。

总之一句话，我们的最终目的就是在获取相同结果集的情况下，尽可能的减少IO

• 辅助索引

InnoDB辅助索引，也被成为二级索引，是根据索引列构建B+Tree结构。但在B+Tree的叶子节点中只存储了 索引列和主键的信息。二级索引（因为在InnoDB中非聚簇索引都是二级索引）占用的空间会比聚簇索引小很多，通常创建辅助索引就是为了提升查询的效率。

一个表在InnoDB引擎下只能创建一个聚簇索引，但可以创建多个非聚簇索引（辅助索引）。

这里还要提一个Mysql 的另一个引擎MyISAM。与InnoDB不同的是，MyISAM数据表的索引文件和数据文件都是分开的，被称为非聚簇索引结构。其实看下面这个对比图就知道了。

InnoDB采用聚簇索引，将主键id放到B+树中，行数据（data）放到叶子节点。

• 如果使用“where id = 14"这样的条件查询，按照B+树的搜索方式，查到对应叶子节点，然后获取行数据。
• 如果采用name名字进行查询，where name = Ellison, 那就需要两步走：

  		1. 在辅助索引B+树上查到name，到达对应的叶子节点获取对应的data，也就是主键。
  		2. 使用主键在主索引B+树中，再次使用B+树搜索，最终到达叶子节点，查到行数据。

所以日常的开发中，一般内部传值最好用主键id去查，聚簇索引一次OK。一般主键默认自增也就可以理解了。

总结

​ 因为有上一节索引常用结构的前置知识的铺垫，本节主要简单讲解大家关心的聚簇索引和辅助索引，希望能给小伙伴们一些收获。下一节将会开启一个新篇章，主要是认识Sql调优神器 EXPLAIN，敬请期待。