MySql索引及使用、实现的数据结构

1. 索引简介

索引是帮助MySql高效获取数据的排好序的数据结构

在数据量大的时候，索引可以大大提高MySQL的检索速度

索引实际也是一张表，该表中保存了主键与索引字段，并指向实体类的记录，所以索引列也是要占用空间的

虽然索引大大提高了查询效率，同时却也降低更新表的速度

2. MySql索引的数据结构

实现索引的数据结构：二叉树、红黑树、Hash表、B+tree

最开始的索引的实现是二叉树，后来慢慢改进，到现在MySql的索引只有俩种实现方式，Hash表和B+Tree，但Hash表不常用

为什么mysql索引不采用红黑树而采用b树?

首先要知道数据库索引是存储在外部磁盘上的

当利用索引查询的时候，不可能把整个索引全部加载到内存，只能逐一加载每个磁盘页，磁盘页对应索引树的节点

那么Mysql衡量查询效率的标准就是磁盘IO次数。

如果使用二叉树作为索引结构，那么磁盘的IO次数和索引树的高度是相关的

因为当数据量过大时，使用红黑树树的高度会很高，所以对硬盘的读取次数会比较多，时间就比较慢

二叉树：右边子节点存储大于父节点

红黑树：红黑树和平衡二叉树(左右两个子树的高度差不超过1)比较像，节点是红色或黑色，根节点是黑色，叶子节点都是黑色的空节点

(1) Hash表

来自诸葛老师视频的图

Hash表的查询流程：

① 通过hash算法计算散列值，然后将散列值存储到一个数组（哈希桶）中

② 将数据(表的数据)和对应硬盘存储地址存储到链表中

③ 查找时通过散列值找到对应数组(哈希桶)位置，遍历链表，找到查找的数据后取出存储地址，从而去到硬盘中定位这一行数据

Hash不常使用的原因：

hash冲突，不支持范围查询(主要原因) 比如<，>运算符

(2) B+Tree(B+树)

在了解B+Tree前，要先知道B Tree(B树)

B树：

B树和平衡二叉树 的差别就是 B树 属于多叉树，又名平衡多路查找树，即一个结点的查找路径不止左、右两个，而是有多个

数据库索引技术里大量使用B树和B+树的数据结构，一个结点存储多个值(索引)

data是数据在硬盘上的存储地址，也就是数据文件在磁盘上的物理地址
来自诸葛老师视频的图

节点储存的索引数量可以设置，下例图是2个索引(3条路径)

B+Tree(在b树上做了优化得到的)

B+Tree和BTree的区别:

① 非叶子节点只存储索引 (为了更多的存储索引 mysql设置了16kb搬到内存上去的空间大小)

② 有索引重复(冗余) 比如下例14 20 49 都有重复

③ 叶子节点用指针连接，可以实现区间(同层)访问 利用这一点也实现了范围查询 (比如下图要查找20<col<50，那么直接定位20和50，取中间的就是结果)

索引的定位查找采用二分查找法

推荐一个数据结构可视化测试网站，可以对数据结构进行测试https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

MySql会将要插入B+Tree中的索引先排好序，再插入，因为叶子节点排好序这一点特性才能实现范围查询

3. 索引的分类

(1) 主键索引 （PRIMARY KEY）

主键不可重复，只能有一个列作为主键

(2) 唯一索引 （UNIQUE KEY）

列中的数据不可重复，但多个列都可以作为唯一索引

(3) 常规索引（KEY/INDEX）

默认使用 index 或 key 关键字来创建

(4) 全文索引（FULLTEXT）

在特点的数据库引擎下才有，例如MyISAM
用于快速定位数据

4. 创建索引的语法

(1) 创建单个索引的语法：CREATE INDEX 索引名 on 表名（字段名）

(2) 创建联合索引的语法：CREATE INDEX 索引名 on 表名（字段名1，字段名2）

补充：为什么加入索引能提高查询速度?

例如以下这个这个表，当不添加索引时，需要挨个查找，而因为数据是存储在磁盘上的，每查找一次，也就是读取一次，就会对磁盘做一次IO操作，所以速度会很慢

比如select from t where t.Col2 = 89，就会挨行去查找每一行数据，然后获取Col2去和89进行对比，才能拿到数据

而如果采用索引 (最早期的索引是使用的二叉树，这里以右边的二叉树为例) ，在建立索引的时候，会将Col值存储到一棵二叉树上，每一个节点都会存储一个<key,value> value即是对于的存储地址(磁盘文件地址) 比如34就是0x07 89是0x77

使用索引查询时，从根节点查找，我们都知道对于二叉树的存储，右边子节点存储大于父节点，所以查询的时候，从根节点34出发，因为89>34，所以走右边的节点，发现下一个节点值是89，进行对比89=89成立，就能获取对应的key(存储地址)，通过该key就可以直接定位磁盘中的存储地址，获取到数据

5. 联合索引

最左前缀原则

如果创建了(a, b, c)的联合索引，那么其实相当于创建了(a)、(a,b)、(a,b,c)三个索引，在索引查找的时候，总是会先对比最左边的，再依次往右，这被称为最左前缀原则

以下图和对应的sql查询语句来理解该原则

如果使用以下的sql查询语句

① select * from employees where name = 'Bili' and age = 31;

此时会先根据name索引去定位Bili，然后再通过age去定位31

② select * from employee where age = 30 and position = 'dev';

此时不会通过索引去查找数据，因为where后面只有根据age和position去查找，相当于是通过(age,position)去查找

而创建联合索引的时候，第一个值是name，相当于创建的是(name),(name,age),(name,age,position)这三个索引

所以不存在(age,position)这样一个索引，就只能通过普通的逐行查找，这也就体现了最左前缀原则

6. MySql数据库索引存储引擎

(1) myisarm

特点：数据和Index分开存储，即存放在不同文件(非聚集索引)，已经过时

查询流程：通过index存储的存储地址(value data)从而去硬盘对应数据的存储地址找到数据

(2) innodb ：数据(字段)、data(value 存储地址)、Index(索引)存放在一个文件内(聚集索引)

查询流程就是B+Tree的查询方式，由于数据和Index、data绑定在一起，所以不需要再额外的使用对硬盘IO操作，比myisarm更快，也更常用

为什么推荐使用整形的自增主键?
因为如果不自增，在增加索引的时候，插入到现有的B+Tree中，可能会导致B+Tree变动很大，比如叶子节点容量分裂，根节点增加元素等来达到树平衡，比较耗时
而采用自增永远是在叶子节点的右方开辟新的存储索引的容量空间

B+树相比B树的优势

• 单一节点存储更多的元素，使得查询的IO次数更少；
• 所有查询都要查找到叶子节点，查询性能稳定；
• 所有叶子节点形成有序链表，便于范围查询。

innodb和myisam的区别可以看这篇博文
mysql中innodb和myisam对比及索引原理区别