【数据库】索引数据结构

索引

索引相当于书的目录：查询一张表的时候有两种检索方式：
第一种方式：全表扫描
第二种方式：根据索引检索

索引提高效率的原因

原理是缩小的扫描范围。
如果表中数据经常被修改，这样就不适合添加索引，因为一旦添加则索引需要重新排序。

什么时候考虑添加索引：

1. 数据量庞大。
2. 经常在where子句中。
3. 该字段很少的增删改操作

主键和具有unique字段的自动会添加索引

索引什么时候会失效

模糊查询时且 第一个通配符为%时 索引会失效
例如： select * from user where name = ‘%三’

索引数据结构

• 二叉树（效率低，可能会退化成链表）
• 红黑树（树的高度仍然太高，每一层的递进就是一次磁盘的I/O查询，十分浪费时间，为了树的高度可控，需要用到B树）
• 哈希（根据哈希表的特性，查找单个非常快，但是致命伤是不支持范围查找，所以导致在工作中几乎用不到hash索引）
• B树：
  红黑树下改进，每个节点开辟更大的空间，查询时将整个空间放入内存当中，一次IO查询到的索引更多，内存的读取速度相对于一次磁盘读取速度来说等于忽略不计。

1、叶节点具有相同的深度，叶子节点的指针为空
2、所有索引元素不重复

• B+树（B树的变种）

1、非叶子节点不储存data，只储存索引（冗余），可以存储更多的索引（因为非叶子节点不需要存储data数据，所以一个节点中可以存储更多的索引） MYSQL默认B树一个节点可以存放16K的数据。
2、叶子节点包含所有索引字段，且索引从左往右有序。
3、叶子节点用指针连接，提高区间访问的性能。（还能更快速的支持范围查找，如果没有双向指针连接，则从15查到18后需要回到上一个节点才能找到20和30.）
4、（默认指针内存存放6个字节）假如一个三层B+树占满了可以存放约2000万个索引。

聚集索引（聚簇索引）

• innodb引擎为聚集索引，表存储两个文件， frm表结构文件， ibd文件（索引文件与数据文件的结合）

innodb主键索引实现

叶子节点中储存主键索引和其对应的行数据

innodb非主键索引实现

叶子节点存储索引所在行的主键索引

非聚集索引

• Myisam使用的是非聚簇索引，表储存三个文件，frm表结构文件，myd数据文件，myi索引文件（索引文件和数据文件是分离的）

myisam存储引擎索引实现

叶子节点存放索引和地址，
查找的步骤： 在B+树中找到索引—>再找到其对应的数据地址—>去到MYD数据文件中找地址所指示的行数据（此步骤也称为回表）。

InnoDB表必须建主键，并且推荐使用整型自增的主键。

原因：

• 如果不自己建主键，则数据库会自动逐列查找不重复的列并为其添加唯一索引，从而来构建B+树，若不存在，则生成一个隐藏的唯一索引列来维护B+树。
• 使用整型在索引大小比对的时候速度更快，并且存储空间更小。uuid是字符串（空间占用大，大小比对时效率还低）
• 使用自增是为了，在添加节点时维护B+树索引时更有效率，若随机插入数据会导致B+树插入节点后还要节点分裂再做树的平衡，十分影响效率。