什么是 MySQL 索引？

一、什么是索引？

索引是为了加速对表中数据行的检索而创建的一种分散的存储结构。索引是针对表而建立的，它是由数据页面以外的索引页面组成的，每个索引页面中的行都会含有逻辑指针，以便加速检索物理数据。

简单来说，索引就相当于一本书的目录，只为了提高查找的的效率；

二、索引要解决的问题有哪些？

如果数据库没有索引，查找数据就得将整个表遍历一边，相当于 “ 顺序表查找 ”；
如果是针对数据库顺序查找，数据库的数据是存放在磁盘上的，磁盘访问速度很慢，并且数据量大，查找速度就更慢了；

索引就是为了数据库避免顺序查找，提高查找效率；

三、索引的应用场景

数据量比较大，查询字段较多的情况。

四、索引的数据结构

在计算机数据结构体系中，为了加速查找的速度，常见的数据结构有两种：
– Hash哈希结构，例如Java中的HashMap，这种数据组织结构可以让查询/插入/修改/删除的平均时间复杂度都为O(1);
– Tree 树 结构 ， 这种数据组织结构可以让查询/插入/修改/删除的平均时间复杂度都为O(log(n));
这两种数据结构查找效率都很高，但是为啥没有使用呢？

1、为啥不用哈希j结构
虽然哈希表查找数据的时间复杂度为 O(1)，效率高，但是哈希表的查找过程是把 key 代入哈希函数中，计算得出下标，再根据下标取对应的链表，再去遍历链表比较 key 是否相等。它只能处理相等的情况，不能处理其他的逻辑（比如 大于，小于，大于等于，小于等于，in ……）；

2、为啥不用二叉树结构
对于二叉搜索书，如果平衡的话，查找数据的时间复杂度为 O（logN），它的中序遍历结果是有序的，但是对于一个范围查找的话，边界值得查找时间复杂度为 O( logN )，在中序遍历范围间的元素时，时间复杂度是 O(N)，对与本来的顺序查找时间复杂度 O(N) ，效率也高不了多少；而且二叉搜索树每个节点都只有两个度，当数据量很大时，树的高度就很高，最终的操作效率就很低了；二叉树每个节点只存储一个记录，一次查询在树上找的时候花费磁盘 IO 次数较多；

3、MySql 索引的数据结构是 B + 树

首先，先了解啥是 B 树（也称 B - 树）

如图所示，该树不再是二叉搜索，而是N叉搜索树

特点：
– 是N叉搜索，树的高度会降低，查询快；
– 叶子节点，非叶子节点，都可以存储数据，且可以存储多个数据，而且每个节点的度 = 该节点存的数据个数 + 1；
– 通过中序遍历，可以访问树上所有节点

B + 树

和 B树 相比：每一层的元素节点都连在了一起，数据只在叶子节点保存，非叶子节点只保存一些辅助查找的边界信息；

优势：
查询任意一条记录的速度都是比较平均的，不会出现效率差异太大的情况；
仍然是N叉树，层级小，非叶子节点不再存储数据，数据只存储在同一层的叶子节点上，B + 树 从根到每一个节点的路径长度一样；
不需要进行中序遍历，遍历链表就是得到中序结果，处理范围查找效率就更高效了；
范围查找方面，当定位min与max之后，中间叶子节点，就是结果集，不用中序回溯（范围查询在SQL中用得很多，这是B+树比B树最大的优势）；
叶子节点数据在磁盘上，非叶子节点数据都在内存上，减少了对磁盘的读取次数，查找效率更高了；

五、索引的基本方法

1. 创建索引：create index 索引名 from 表名；
2. 修改索引： alter index 索引名 from 表名；
3. 删除索引：drop index 索引名 from 表名；

六、索引规则

1. 选用选择性高的字段作为索引，一般unique的选择性最高。
2. 复合索引：选择性越高的排在越前面。（左前缀原则）
3. 如果查询条件中两个条件都是选择性高的，最好都建索引。

索引的缺点：

1. 虽然加快了查找的效率，但是降低插入，删除，修改操作的效率，因为要同步调整索引结果；
2. 索引也会占额外的空间，即索引本质上是用空间来换时间的;
   .
   七、注意事项
   并非所有的数据库都以相同的方式使用索引。作为通用规则，只有当经常查询索引列中的数据时，才需要在表上创建索引。索引占用磁盘空间，并且降低添加、删除和更新行的速度。如果应用程序非常频繁地更新数据或磁盘空间有限，则可能需要限制索引的数量。在表较大时再建立索引，表中的数据越多，索引的优越性越明显。