第五章-索引与算法

一、InnoDB存储引擎索引概述

InnoDB存储引擎支持以下几种常见的索引：
（1）B+树索引
（2）全文索引
（3）哈希索引
InnoDB支持的哈希索引是自适应的，InnoDB会根据表的使用情况自动为表生成哈希索引，不能人为干预是否在一张表中生成索引。
注：B+树索引并不能找到一个给定键值的具体行。只能找到行所在的页，然后数据库通过把页读入内存，再在内存中查找，最后找到要查找的数据。

二、数据结构与算法

二叉查找树->平衡二叉树（AVL）
平衡二叉树的查询速度很快，但维护代价非常大（左旋、右旋）

三、B+树

B+树是为磁盘或其他直接存取辅助设备设计的一种平衡查找树，所有记录节点都是按照键值的大小顺序放在同一层的叶子节点上，由各叶子节点指针进行连接。

如上图B+树，高度为2，每页可存放4条记录，扇出（fan out）为5（可以理解为每个节点对应的下层节点）。

四、B+树索引

B+索引在数据库中有一个特点就是高扇出性，因此数据库中B+树高度一般为2-4层，即查找某一键值的行记录做多只需要2-4次IO。
B+索引可分为聚集索引（clustered index）和辅助索引（secondary index）/非聚集索引

• 聚集索引
  聚集索引就是按照每张表的主键构造一棵B+树，同时叶子节点中存放的即为整张表的行记录数据，也将聚集索引的叶子节点称为数据页。同B+树数据结构一样，每个数据页都通过一个双向链表来进行链接。
  由于实际的数据页只能按照一颗B+树进行排序，所以每张表只能拥有一个聚集索引。在多数情况下，查询优化器倾向于采用聚集索引，因为聚集索引能够在B+树索引的叶子节点上直接找到数据。此外，聚集索引能够特别快地访问范围值的查询。

• 辅助索引（非聚集索引）
  叶子节点并不包含行记录的全部数据。叶子节点除了包含键值以外，每个叶子节点的索引行中还包含了一个bookmark–即相应行数据的聚集索引键。
  由于辅助索引的存在并不影响数据在聚集索引中的组织，因此每张表上可以有多个辅助索引。InnoDB会遍历辅助索引并通过叶级别的指针获得指向主键索引的主键，再通过主键索引来找到一个完整的行记录。

五、Cardinality值

六、B+树索引的使用

6.1 不同应用中B+树索引的应用

6.2 联合索引

联合索引是指对表上的多个列进行索引。联合索引的创建方法与单个索引的创建方法一样，不同之处在于有多个索引列。
如下代码创建一张t表，idx_a_b是联合索引，联合的列为（a, b）

CREATE TABLE t{
	a INT,
	b INT,
	PRIMARY KEY (a),
	KEY idx_a_b (a, b)
}ENGINE=INNODB

何时需要使用联合索引呢？先看一下联合索引内部结构：

其实和单个键值的B+树类似，键值都是排序的。因此，对于查询 SELECT * FROM TABLE WHERE a=xxx and b=xxx，显然是可以使用这个索引的；对于单个的a列查询SELECT * FROM TABLE WHERE a=xxx，也可以使用；但对于SELECT * FROM TABLE WHERE b=xxx则不可以，因为叶节点上的b值并不是排序的（只是a优先排序）。
联合索引的另一个优点是，对于值相等的a，排序的过程中已经对b排序（可以类比为查询中分组查询并排序）。不用联合索引则需要多一次的排序操作。

6.3 覆盖索引

InnoDB存储引擎支持覆盖索引（covering index），即从辅助索引中就可以得到查询的记录，而不需要查询聚集索引中的记录。使用覆盖索引的一个好处是辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作。另一个好处是对于某些统计问题而言的，例如count(*)，InnoDB不会选择通过查询聚集索引来进行统计，由于有辅助索引，故优化器会选择查询辅助索引。

6.4 优化器选择不使用索引的情况

七、哈希算法

八、全文检索