认识索引

什么是索引？

索引：存储着表中一列或者多列值并对值进行排序的数据结构。好比书的目录（index），便于快速查找，定位；如果数据库中没有索引，此时查找的时候就需要把整个表遍历一遍。可以对表中的一列或多列创建索引，并制定索引的类型。

索引的作用

（1）数据库中的表、数据、索引之间的关系，类似于书架上的图书、书籍内容和书籍目录的关系。
（2）索引所起的作用类似书籍目录，可用于快速定位、检索数据
（3）索引对于提高数据库的性能有很大的帮助

索引的应用场景

（1）当数据量较大，且经常对这些列进行条件查询。
（2）该数据库表的插入，删除，修改操作频率较低
 因为需要动态的维护索引，降低了数据维护速度
（3）磁盘空间足够时（因为索引会占用额外的磁盘空间）

索引的缺点

1、创建索引和维护索引需要耗费时间，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，除了数据表占用数据空间外，每一个索引还要占一定的物理空间，如果要建立聚簇做引，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，做引也要动态的维护，这样就降低了数据的维护速度。

使用

创建主键约束（primary key）、唯一约束（unique）、外键约束（foreign key）时会自动创建对应的索引。
索引主要分为普通索引、唯一索引、主键索引、全文索引、复合索引

普通索引：没有任何限制的索引，该索引可以在任何数据类型中创建。索引字段值可以重复；字段本身的约束条件可以判断其值是否为空或唯一。

唯一索引：使用unique约束可以设置唯一索引。该索引的值必须唯一，但可以为NULL。

主键索引：使用主键约束（primary key)自动创建主键索引。该索引的值是唯一的，但不可以为NULL。

全文索引：用来对大表的文本域（char,varchar,text）进行索引。只能创建在char,varchar,text类型字段上。查询数据量较大的字符串字段时，使用全文索引可以提高查询速度。

单值索引：一个索引包含单个列，一个表中可以有多个单值索引

复合索引：一个索引包含多个列，即由多个列的值组成索引。当表的行数远大于索引列的数目时可以使用复合索引。

（1）查看索引

show index from [表名];

（2）创建索引
对于非主键、非唯一约束、非外键字段，可以创建普通索引

create index [索引名] on [表名](字段名);

案例：创建学生表中，name字段的索引

create index idx_student_name on student(name);

(3)删除索引

drop index [索引名] on [表名];

案例：删除学生表中name字段的索引

drop index idx_student_name on student;

主键索引和唯一索引的区别：

主键索引：
1、主键是表中的一个或多个字段，它的值用于唯一地标识表中的某一条记录。
2、一张表中主键只能有一个，而唯一索引可以有多个
3、主键约束的列不能重复且不能为null
4、主键可以被其他表引用为外键，而唯一索引不可以
唯一索引：
1、唯一索引在表中可以有多个
2、唯一索引的列不能重复但可以为null

索引的数据结构

在数据结构中，为了加快查找速度，常见的结构有两种，一种是哈希表，一种是二叉搜索树。
下面我们就从这两种结构开始探究索引真正使用的数据结构
（1）哈希表（hash）
我们知道哈希表的查找效率是比较高的，可以让查询，插入，删除和修改的平均复杂度为O（1），但是只能处理相等的情况，不能处理>,<范围等逻辑。因为哈希的查找过程：就是把key带入哈希函数，计算得到下标，再根据下标取到对应的链表，再去遍历比较key是否相等。
（2）二叉搜索树（中序遍历是有序的）

例如：查找id >3并且<6的学生信息
先查找id=3的元素
再查找id=6的元素
（上面两步查找按照搜索二叉树典型的方式查找即可）
然后中序遍历3和6之间的结果就是想要的结果

相比于哈希表，二叉搜索树可以处理范围查找，但是效率不高。
因为二叉树的每个节点最多两个叉，当数据量比较大的时候，树的高度就会比较高，效率也会变慢。
还有一个原因就是二叉树的中序遍历不是很高效，为O(n)。
（3）B树
真实的索引使用的是B+树，在认识B+树之前，我们先认识一下B树

B树特点：
（1）不再是二叉搜索，而是N叉搜索, 保存相同个数元素时，树的高度会降低，查询速度快就比二叉树快。
（2）叶子节点，非叶子节点都可以存储数据，且可以存储多个数据
（3）通过中序遍历，可以访问树上的所有节点
（4）B+树

和B树相比，主要两个地方发生改变了：
（1）数据只在叶子节点上保存，非叶子节点上只保存一些辅助查找的边界信息。
（2）叶子层的元素之间都连接到了一起

B+树的优势：
（1）仍然是N叉树，但是叶子节点不在存储数据，数据值存储在同一层的叶子节点上，B+树的根到每一个节点的路径长度一样，所以查询任何一条记录的速度是比较平均的，不会出现效率差异大的情况。
（2）叶子之间，增加了链表，获取所有节点，不需要中序遍历，使用链表的next节点就可以快速访问到。范围查找时，当定位min和max之后，中间的叶子节点就是结果集，不需要中序回溯。
（3）叶子放到磁盘上，非叶子放在内存中，查找效率就更高了，这样就减少了读磁盘的次数。

为什么说B+树比B树跟还是和实际应用中操作系统的文件索引和数据库索引？
1、B+树的查询效率更稳定
B+树的根到叶子节点的距离都是一样的，数据只存储在叶子节点上
2、B+树不需要进行中序回溯
叶子节点之间增加了链表，进行范围查找时只需要查找到min和max之后中间的叶子节点就是结果集，不需要中序回溯
2、B+树的磁盘读写代价更低
叶子放在磁盘上，非叶子放在内存上，减少了读磁盘的次数。

参考文章：https://mp.weixin.qq.com/s?src=11&timestamp=1596084766&ver=2491&signature=pL9He-fpmb3jfLCaJRVJUFjhE3O4EuipmaCs0oH1NptWD6kPN5d55Fmlr9F-okZmSvH3UFDF4BZSsQo1-NcjLZP*fp0Py5d95jr4yLewjsUgE9BC5ffUUuirVDQqt1CU&new=1