MySQL---索引

一、索引概述

        索引（index）是帮助MySQL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

        在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为 全表扫描，性能很低。

        如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。

        此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

二、索引特点

三、索引结构

        MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

        不同的存储引擎对于索引结构的支持情况：

        注意： 我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

        二叉树结构：

        假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：

        如果主键是顺序插入的，则会形成一个单向链表，结构如下：

        所以，如果选择二叉树作为索引结构，会存在以下缺点：

                二叉树结构不稳定。

                顺序插入时，会形成一个链表，查询性能大大降低。

                大数据量情况下，层级较深，检索速度慢。

        红黑树：

        我们可以选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,结构如下:

        但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：

        大数据量情况下，层级较深，检索速度慢。

        所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree。

        先看一下B树：

        B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

        树的度数指的是一个节点的子节点个数。

        特点：

                5阶的B树，每一个节点最多存储4个key，对应5个指针。

                一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。

                在B树中，非叶子节点和叶子节点都会存放数据。

        再看B+树：

        B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一下其结构示意图：

        我们可以看到，两部分：

                绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。

                红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

        最终我们看到，B+Tree 与 B-Tree相比，主要有以下三点区别：

                所有的数据都会出现在叶子节点。

                叶子节点形成一个单向链表。

                非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

        看看MySQL中优化之后的B+Tree：

        MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

        Hash结构：

        MySQL中除了支持B+Tree索引，还支持一种索引类型---Hash索引。

        1). 结构

        哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

        如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。

        2). 特点

                A. Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，...）

                B. 无法利用索引完成排序操作

                C. 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引

        3). 存储引擎支持

        在MySQL中，支持hash索引的是Memory存储引擎。 而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

        为什么InnoDB存储引擎选择使用B+tree索引结构?

        A. 相对于二叉树，层级更少，搜索效率高；

        B. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；

        C. 相对Hash索引，B+tree支持范围匹配及排序操作；

四、索引分类

        在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

        而在在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

        聚集索引选取规则:

                如果存在主键，主键索引就是聚集索引。

                如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。

                如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

        聚集索引和二级索引的具体结构如下：

                聚集索引的叶子节点下挂的是这一行的数据 。

                二级索引的叶子节点下挂的是该字段值对应的主键值。

        接下来，我们来分析一下，当我们执行如下的SQL语句时，具体的查找过程是什么样子的。

        具体过程如下:

        ①. 由于是根据name字段进行查询，所以先根据name='Arm'到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到 Arm 对应的主键值 10。

        ②. 由于查询返回的数据是*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row。

        ③. 最终拿到这一行的数据，直接返回即可。

        回表查询： 这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

五、索引语法

        1). 创建索引

                CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,... ) ;

        2). 查看索引

                SHOW INDEX FROM table_name ;

        3). 删除索引

                DROP INDEX index_name ON table_name ;