mysql数据库引擎，各类索引详解

一、数据库引擎

什么是存储引擎？
百度：MySQL中的数据用各种不同的技术存储在文件（或者内存）中。这些技术中的每一种技术都使用不同的存储机制、索引技巧、锁定水平并且最终提供广泛的不同的功能和能力。通过选择不同的技术，你能够获得额外的速度或者功能，从而改善你的应用的整体功能。

一句话：通过不同的存储技术和索引技巧来将数据存储在文件或者内存中，提升对数据操作的速度或者提供额外的功能。

数据库引擎有三类：
InnoDB,MyISAM,MEMORY。其中InnoDB,MyISAM最常用，区别如下：

InnoDB存储引擎
建表执行时，会生成三个文件：.frm、.ibd
.frm:建表语句，表结构
.ibd:表的数据+索引文件
1.支持事务
2.支持外键
3.行级锁
4.支持崩溃后的安全恢复
5.主键索引采用聚集索引（索引的数据域存储数据文件本身），辅索引的数据域存储主键的值；
6.查询速度慢于Innodb
因此从辅索引查找数据，需要先通过辅索引找到主键值，再访问主键索引；

MyISAM存储引擎
建表执行时，会生成三个文件：.frm、.MYD、.MYI
.frm：建表语句，表结构
.MYD：表里面的数据文件
.MYI：表里面的索引文件
1.不支持事务，但操作是原子性的
2.不支持外键
3.表级锁
4.不支持崩溃后的安全恢复
5.采用非聚集索引，索引文件的数据域存储指向数据文件的指针。
6.查询速度更快
MEMORY
所有的数据都在内存中，数据的处理速度快，但是安全性不高。

二、索引类型

1.从逻辑角度

1).普通索引：普通索引是最基本的索引，它没有任何限制，允许在定义索引的列中插入重复值和空值
2).唯一索引：索引列的值必须唯一，允许有空值，如果是组合索引，列值的组合必须唯一
3).主键索引：主键索引是一种特殊的唯一索引，一个表只能有一个主键，不允许有空值，一般是在创建表的时候指定主键，主键默认就是主键索引
4).组合索引：多个字段上创建的索引，只有在查询条件中使用了创建索引时的第一个字段，索引才会被使用
例如：建立索引（a,b,c）,那么只有搜索a,ab,abc时才会用到索引
5).全文索引：索引类型为FULLTEXT，允许有重复值和空值，可以在char、varchar、text类型的列上创建，Mysql中MyISAM和InnoDB存储引擎都支持。主要用来查找文本中的关键字，而不是直接与索引中的值比较，它更像是一个搜索引擎，全文索引需要配合match against操作使用，而不是一般的where语句加like
6).空间索引：空间索引是对空间数据类型的字段建立的索引，Mysql中的空间索引类型有4种，GEOMETRY、POINT、LINESTRING、POLYGON，创建空间索引的列，必须将其声明为not null，Mysql中只有MyISAM存储引擎支持创建空间索引

2.从物理角度

聚集索引：数据行的物理顺序与列值的顺序相同,聚集索引中索引的叶节点就是数据节点
非聚集索引：数据行的物理顺序与列值的顺序不同,非聚集索引的叶节点仍然是索引节点，只不过有一个指针指向相应的数据块
详情介绍请查看另一篇博客：https://blog.csdn.net/weixin_43896829/article/details/104676139

3.从数据结构角度

1).hash索引：
hash索引底层就是hash表,进行查找时,调用一次hash函数就可以获取到相应的键值,之后进行回表查询获得实际数据。那么这就有一个很大的限制，hash索引只能进行等值查询，不能进行范围查询
2).B+Tree索引：
B+树底层实现是多路平衡查找树.对于每一次的查询都是从根节点出发,查找到叶子节点方可以获得所查键值,然后根据查询判断是否需要回表查询数据.这样就可以进行范围查询。

另：InnoDB和MyISAM存储引擎默认使用的是B+Tree索引，Mermory默认使用的是hash索引

4.索引的缺点，索引不适用的场景

第一， 创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。
第二， 索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间，如果要建立聚簇索引，那么需要的空间就会更大。
第三， 当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，这样就降低了数据的维护速度。比如当我们一个表创建好了索引，但我们又插入了一条数据，此时，该数据的索引需要插入索引表，还需要插入原数据库表，这样就更加耗时。
第四，索引的创建不适合大文本或者超长字段，例如image,text，因为这些数据取值很大，或者数据量少。
不适用：添加删除多，查找少。数据表中数据很少的时候。

三、为什么数据库采用B+树，不用B树，红黑树？

因为B+树的数据都在叶子节点，非叶子结点只存索引。
那么当select多条记录时，便可不用跨层访问，只需扫描叶子节点即可，而且我们知道B+树一个节点可以存储多条数据，那么也就减少树的深度，也就减少了查询次数。