索引详解（从Hash索引到B+树数据结构）

---

MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。提取句子主干，就可以得到索引的本质：索引是一种特殊数据结构。

索引实际上是将某个被使用频繁的字段抽取出来，建立一种单独的数据组织结构。就像一本字典，我们把他们的首字母抽取出来，组成一个目录，我们查询时直接查询目录，可以大大的减少我们的查询速度。提高查询速度的同时，当我们需要对数据修改时，修改的的速度也会相对应降低，因为我们也要同时性的修改我们的索引。

所以当我们数据量大的时候，我们使用索引来增加我们的查询速度，当数据量少的时候，专门为数据建立索引就不太值得，同时，我们建立索引的时候应该考虑应该设置索引的字段，给频繁被用于查询条件的字段添加索引，不做无用功。

---

索引的数据结构

数据库索引主要有Hash表、二叉树、红黑树、B树、B+树，我们MySQL使用的是B+树！

Hash索引

哈希索引（hash index）基于哈希表实现，只有精确匹配索引所有列的查询才有效。对于每一行数据，存储引擎都会对所有的索引列计算一个哈希码（hash code），哈希码是一个较小的值，并且不同键值的行计算出来的哈希码也不一样。哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。

既然是基于哈希表实现的，那么它的底层结构也是hash表的结构，即数组加链表。每一条记录的hash值都根据hash散列计算散列到某一个数组下标中的链表上的链表节点中，指针中存储着记录的真实地址。

我们有一条`SELECT * FROM user WHERE name=‘石小添’; 这样的一条SQL可以直接对石小添 按哈希算法算出来一个Hash值，通过该值找到对应的记录指针，通过记录指针找到表中的哪一行数据，最后比较name是否为石小添，以保证就是要查找的行。
但是如果我们有 SELECT * FROM user WHERE name>‘石小添’; 这样的一条SQL则无能为力，因为Hash表支持快速的精确查询，但是不支持范围查询。

• 哈希索引只包含哈希值和行指针，而不存储字段值，所以不能使用索引中的值来避免读取行
• 哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序
• 哈希索引不支持部分索引列匹配查找，因为哈希索引始终是使用索引列的全部内容来计算哈希值
• 哈希索引只支持等值比较查询，不支持任何范围查询
• 访问哈希索引的数据非常快，除非有很多哈希冲突（不同的索引列值却有相同的哈希值）。当出现哈希冲突的时候，存储引擎必须遍历链表中所有的行指针，逐行进行比较，直到找到所有符合条件的行
• 如果哈希冲突很多的话，一些索引维护操作的代价也会很高。例如，如果在某个选择性很低（哈希冲突很多）的列上建立哈希索引，那么当从表中删除一行时，存储引擎需要遍历对应哈希值的链表中的每一行，找到并删除对应行的引用，冲突越多，代价越大

二叉树

二叉树（Binary Tree）是每个结点最多有两个子树的树结构。通常子树被称作"左子树"（left subtree）和"右子树"（right subtree）。二叉树常被用于实现二叉查找树和二叉堆。

二叉查找树的特点就是左子树的节点值比父亲节点小，而右子树的节点值比父亲节点大。所以这种二叉查找树树是一种不平衡树，它在有时会出现一些极端的存储情况。

如果建立了如上图的索引并且使用它去进行查找6次，速度和没有创建索引是一样的&#x