数据库-索引

1 索引概念&索引优缺点

索引就是一种用于快速查询和检索数据的数据结构，常见索引:B树，B+树，Hash

索引的作用就相当于目录，如查字典时，如果没有目录，就只能一页一页去找，速度很慢
如果有目录，就可以通过目录查找字的位置，然后直接翻到那一页

索引的优缺点：

优点: 
1，使用索引可以大大加快数据的检索速度，这也是创建索引最主要的原因

2，通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性


缺点:
1，创建和维护索引需要耗费很多时间，当对表中的数据增删改时
如果对应数据有索引，索引也需要修改，会降低SQL的执行效率

2，索引需要物理文件存储，需要占用一定空间

大多数情况下，使用索引是一定比全表扫描要快的
但是如果数据库的数据量不大，使用索引也不一定能带来很大提升

2 索引底层数据结构

2.1 Hash表

Hash表是键值对的集合，通过key可以快速取出对应的值，因此哈希表可以快速检索数据，接近O(1)

为何能通过key快速取到value，原因在于哈希算法，也称散列算法
通过hash算法，可以通过key快速找到value对应的index，找到index就能找到对应value

hash = hashfunc(key)
index = hash % array_size

但是Hash表存在Hash冲突的问题，也就是说多个不同的key经过hash得到的index相同，为了解决Hash冲突，常用的解决办法是开地址法/拉链法，拉链法就是将Hash冲突的数据存储到链表中，如JDK1.8之前的HashMap就是通过拉链法来解决哈希冲突的，但在1.8之后，为了减少由于链表过长导致搜索时间过长而引进了红黑树

为了减少Hash冲突，一个好的Hash函数应该“均匀地”将数据分布在整个Hash集合中

既然Hash表查找效率这么快，为什么MySQL不使用Hash表作为索引？

1，Hash表存在Hash冲突

2，Hash索引不支持顺序和范围查找，这是它最大的缺点
假如想对表中的数据进行排序或者进行范围查询，那Hash索引就不能用了
如下面的情况:
SELECT * FROM tb1 WHERE id < 500;
这种范围查询中，直接遍历id<500的记录即可
而Hash表需要根据hash算法来定位，需要把1-499的所有数据每个都进行一次hash计算才能找到对应记录

2.2 B树&B+树

B树也称B-树，全称为多路平衡查找树，B+树是B树的一种变体，B是Balance(平衡)的意思
目前大部分数据库及文件系统都采用B树或B+树作为索引结构

2.2.1 B树

B树类似于普通的平衡二叉树(AVL)，不同的是B树允许每个节点有更多的子结点

B树的特点:
1，所有键值分布在整棵树中(key和具体的data都存放在每个节点中)

2，任何一个关键字只会出现在一个节点中

3，搜索有可能会在非叶子节点结束(最好情况O(1)就能找到数据)

4，在关键字全集内做一次查找，性能逼近二分查找

2.2.2 B+树

B+树是B树的变体，也是一种多路搜索树

B+树是B树的变体，也是一种多路搜索树，它与B树不同点在于：

1，所有数据存储在叶子节点，其它内节点只存放key

2，为所有叶子节点增加了一个链指针

2.2.3 B树和B+树的区别

1，B树的所有节点既存放key也存放data
而B+树只有叶子节点存放key和data，其它内节点只存放key

2，B树的叶子节点都是独立的，B+树的叶子节点有一条引用链指向与它相邻的叶子节点

3，B树的检索过程相当于对范围内的每个节点的关键字做二分查找，可能还没查到叶子节点，查找就结束了
而B+树的检索很稳定，任何查找都是从根到叶子节点的过程，叶子节点检索的顺序很明显

在MySQL中，MyISAM引擎和InnoDB引擎都是使用B+树作为索引结构，但是二者实现的方式不同：

1，在MyISAM中，B+树叶子节点的data域存储的是数据记录的地址
在检索索引时，首先按照B+树的搜索算法搜索索引，如果指定key存在
则取出对应data域的值，然后以data域的值作为地址再去读取相应的数据记录，称为"非聚簇索引"

2，InnoDB中，数据文件本身就是索引文件，叶子节点的data域中保存的就是完整的数据记录
叶子节点的key就是表中对应记录的主键，称为"聚簇索引"
而其余的索引都作为辅助索引，辅助索引的data域存储相应记录主键的值

在根据主索引搜索时，直接找到key所在的节点即可取出数据
在根据辅助索引查找时，先需要取出主键的值，再走一遍主索引
因此在设计表中，不建议使用过长的字段作为主键，也不建议使用非单调的字段作为主键

3 索引类型

3.1 主键索引

数据库中表的主键使用的就是主键索引

一张表只能有一个主键，且主键不能为null，不可重复

在InnoDB的表中，当没有显示指定表的主键时，InnoDB会自动检查表中是否有唯一索引的字段
如果有，则选择该字段为默认的主键，否则InnoDB会自动创建一个6Byte的自增主键

3.2 二级索引(辅助索引)

二级索引又称辅助索引，是因为二级索引的叶子节点存储的数据是主键，也就是说通过二级索引可以定位主键的位置

唯一索引，普通索引，前缀索引都属于二级索引

4 聚簇索引与非聚簇索引

4.1 聚簇索引

聚簇索引即索引结构和数据一起存放的索引，主键索引属于聚簇索引

对于InnoDB引擎表来说，该表的索引(B+树)的每个非叶子节点存储索引，叶子节点存储索引和索引对应的数据

聚簇索引的优缺点：

优点: 聚簇索引的查询速度非常快，因为整个B+树本身就是一颗多叉平衡树
叶子节点也都是有序的，定位到索引的节点，就相当于定位到了数据

缺点:
1，依赖于有序的数据: 因为B+树是多路平衡树，如果索引的数据不是有序的，那么就需要在插入时排序
如果数据是整型还好，否则类似于字符串这种数据，插入或删除的速度肯定比较慢

2，更新代价大: 如果聚簇索引的数据被修改，那么对应的索引也要被修改
而且聚簇索引的叶子节点还存放着数据，修改开销较大，对于主键索引来说，主键一般都是不可被修改的

4.2 非聚簇索引

非聚簇索引即索引结构和数据分开存储的索引

二级索引属于非聚簇索引
二级索引的叶子节点存放的就是主键，根据主键再回表查询数据

非聚簇索引的优缺点:

优点:
1，更新代价要小于聚簇索引

缺点:
1，依赖于有序的数据
2，可能会回表查询，当查到索引对应的主键时，根据主键再去表中查找

5 创建/使用索引的建议

5.1 创建索引的建议

1，选择合适的字段创建索引
不为null的字段，被频繁查询的字段，频繁用于连接的字段

2，尽量避免使用频繁更新的字段作为索引
维护索引需要成本，经常被修改的字段作为索引需要额外的开销

3，尽可能考虑建立联合索引而不是单列索引
可以理解为每个索引都是一颗B+树，太多的索引会占更多的空间
如果是联合索引，多个字段作为索引，会节约空间

4，尽量避免冗余索引
如(name,city)和(name) 能够命中前者，就一定能命中后者
应该扩展索引，而不是创建新的索引

5.2 使用索引的一些建立

1，对于中大型表建立索引都是非常有效的
但对于特大型表维护开销会很大，不适合建索引

2，可以删除长期未使用的索引，不用的索引存在会造成不必要的性能损耗