MySQL索引分析

MySql索引本质分析

当我们提高查询效率时，从mysql数据库层面来说，往往会我们考虑使用索引来提高效率，然而，为何给表添加索引，就能提高查询效率？

• 什么是索引？
  索引是帮助MySQL高效获取排好顺序的数据结构

• 索引的数据结构

1. 二叉树
2. 红黑树
3. Hash表
4. B+Tree

数据结构这么多中，MySQL采用什么实现？他们之间有什么区别？

• 先看二叉树存储
  
• 如上图可以看出，使用二叉树，按上面的数据以及结构最多只需要经过3次磁盘I/O就能找到需要的的数据，如果没有建立索引，查询时将会表头到表尾进行全表扫描，然而使用二叉树是否就没有问题了？我们来看下面的图：
  
• 可以得出，当使用二叉树时，在最坏情况下，会形成一个单项链表。。。。
• 那如果使用红黑树呢？接下来我们看看红黑树的数据结构进行分析：
  
• 红黑树，是一个自平衡二叉树，根据红黑树的特性随着数据量的不断增加，树的深度也将会不断的变深，然后磁盘I/O的次数也将取决于树的深度。
• Hash表是如何使用的？hash表记录了每一个索引值对应的hash值指向对应地址，当通过该值查询时，只需要计算出hash值，就能找出该行，这个过程都是在内存中进行的，只需要进过一次磁盘I/O就能实现搜索，使用Hash是否更快呢？使用Hash将会引入一下问题：
  1. 所有数据加载到内存，将会导致内占用内存过多
  2. 无法通过范围查询
• 再看看看B+Tree(b-Tree变种)
  1. 非叶子节点不储存data,只存储索引(冗余)，可以存放更多索引
  2. 叶子节点包含所有索引字段
  3. 叶子节点用指针连接，提高区间访问的性能
     
     非叶子节点主要是冗余索引，当树高为3时，叶子节点存满的时候，大概可以存2千过万个元素(1170* 1170*16)，所以千万条数据使用b+树，最多也只是经过2-3次磁盘I/O，就能查找到元素。
• MySAM索引文件和数据文件是分离的(非聚集索引)
• InnoBD索引实现(聚集)

1. 标数据文件本身就是按B+Tree组织的一个索引结构文件
2. 聚集索引-叶子节点包含了所有索引和数据记录
3. 为什么InnoDB必须有主键，并且推荐使用整形的自增主键？
4. 为什么非主键索引结构叶子节点存储的是主键值？(一致性和节省存储空间)