数据库索引的作用以及索引基本原理

当我们面对大量的数据查询时，为了提高查询效率，我们在数据库中总要使用到索引。那么索引究竟是怎么样的东西呢？

索引本质

索引其实就是一种数据结构，他将数据库中的数据以一定的数据结构算法进行存储，能够帮助我们快速的检索数据库中的数据。

何时使用索引

1.当某些列的查询概率比较高或经常作为where条件的列。

2.在作为主键的列上。

3.在经常用在表连接的列上。

在这些时候，我们就要考虑使用此列作为一个索引

索引类型

1.在Mysql数据库的索引中，主要包括Hash索引和B+ Tree索引，我们常用的InnoDB引擎，默认的是B+树。

2.Hash索引和B+ Tree索引的区别：

    1）Hash索引底层是哈希表，哈希表是一种以key-value存储数据的结构，所以多个数据在存储关系上是完全没有任何顺序关系的，所以，对于区间查询（大于、小于的范围查询）是无法直接通过索引查询的，就需要全表扫描。所以，哈希索引只适用于等值查询的场景。而B+ Tree是一种多路平衡查询树，所以他的节点是天然有序的（左子节点小于父节点、父节点小于右子节点），所以对于范围查询的时候不需要做全表扫描。

    2）哈希索引没办法利用索引完成排序（例如order by）；

    3）哈希索引不支持多列联合索引的最左匹配规则。（多列索引（联合索引）有最左前缀的原则：即最左优先。
如果我们建立了一个2列的联合索引(col1,col2),实际上已经建立了两个联合索引(col1)、(col1,col2）;
如果有一个3列索引(col1,col2,col3)，实际上已经建立了三个联合索引(col1)、(col1,col2)、(col1,col2,col3)，查询时，会先查最左的第一个索引col1。）

    4）如果有大量重复键值得情况下，哈希索引的效率会很低，因为存在哈希碰撞问题。

3.在B+ Tree索引下还分为了聚簇索引和非聚簇索引。在 InnoDB 里，索引B+ Tree的叶子节点存储了整行数据的是主键索引，也被称之为聚簇索引。而索引B+ Tree的叶子节点存储了主键的值的是非主键索引，也被称之为非聚簇索引。聚簇索引查询会更快，因为主键索引树的叶子节点直接就是我们要查询的整行数据了。而非主键索引的叶子节点是主键的值，查到主键的值以后，还需要再通过主键的值再回表进行一次查询。

4.深入探索问题——什么情况下会发生明明创建了索引，但是执行的时候并没有通过索引呢？

答：当查询优化器未选择到该索引的执行计划。（查询优化器： 一条SQL语句的查询，可以有不同的执行方案，至于最终选择哪种方案，需要通过优化器进行选择，选择执行成本最低的方案。 在一条单表查询语句真正执行之前，MySQL的查询优化器会找出执行该语句所有可能使用的方案，对比之后找出成本最低的方案。这个成本最低的方案就是所谓的执行计划。 优化过程大致如下： 1、根据搜索条件，找出所有可能使用的索引 2、计算全表扫描的代价 3、计算使用不同索引执行查询的代价 4、对比各种执行方案的代价，找出成本最低的那一个）

索引的缺点

1.创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。
2.索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间，如果要建立聚簇索引，那么需要的空间就会更大。
3.当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，这样就降低了数据的维护速度。

索引是否生效

1.在数据库新建一个查询，使用 explain 关键字进行查询。

例如 explain select * from user WHERE company_id=410 

此时在查询结果中就会发现

possible_keys列下面的值就是你创建的索引名称，如果为空，则说明你的索引未被使用到。