MySQL中的索引和事务

索引

什么是索引

索引就类似于我们一本书的目录，存储了书中的主要信息，通过目录就能很快地找到你想要找的的章节内容

MySQL中的索引也是这个作用，通过索引能够很快的查找到你想要检索的数据

索引的优点与缺点

优点：通过索引能够快速的进行查找，提高查找的效率

缺点：

1、时间成本：虽然索引能够提高查找的效率，但是当进行增删改的操作时，索引也要发生修改。

想想看，一本书中的内容发生改变了，那么这本书的目录自然也要发生相应的改变。这势必会造成

时间开销。在之前没有索引时增删改操作结束后就ok了，但是有了索引后又要对索引进行相应的修

改，时间自然也就增加了。

2、空间成本：既然索引是保存书中内容的主要信息，那么也一定要占用内存。并且索引所占空间

大小是与数据库中的数据量成正比的，数据越多，索引所占的空间也就越多。

怎么实现索引

那接下来就是很关键的一个问题：如何实现索引呢？

索引底层的数据结构到底是什么，怎么把索引组织起来的呢

首先我们可以考虑下常见的数据结构

顺序表：顺序表如果想要查找一个值，时间复杂度是O(N),不满足索引的要求。

（注意：顺序表能够以O（1）的时间复杂度来返回下标元素，但此处说的是按值查找，所以顺序表还是需要遍历整个数组）。

链表：通过链表查找一个值的时间复杂度也是O(N)，也不满足条件。

二叉搜索树：虽然二叉搜索数的平均时间复杂度是O（logn），但是在最坏情况下，也就是此时的二叉搜索树是一颗单分支树时时间复杂度也是O（n）。

哈希表：哈希表确实能很快的查找到指定的数据，但是哈希表存在一个缺点就是它只能查找到相等的数据，而不能进行范围查找。比如我想要查找15~50之间的数据，此时哈希表是做不到的。

以上的这些数据结构都不能满足要求

下面我们来看看这两种数据结构

B树

 

B树也是树的结构，但它是一颗n叉树，所以树的高度能够得以控制，每个节点有n颗子树。

根节点上有n个key值，通过这n个key值又分成了n+1个区间。在查找元素时通过确定key值进

而去子树中查找范围内的数据，再进一步进行查找。虽然在子树中也必须得遍历查找，但由

于这些数据是存放在内存中的，因此查找的效率也能进一步的提高。

B+树

B+树天然就是为索引而生的

 

首先B+树也是一种树的结构，并且是B树的优化版本。B+树的根节点拥有n个子树。根节点

中存放了n个key值，子树分成了n+1个区间。并且根节点的每个值都在子节点中有所体现。

这样能进一步确定查找的数据。所有的数据都是存放在叶子节点的，而非叶子节点只是存放

着key值，因此可以放在内存中，最后叶子节点用链表连接起来。当通过非叶子节点查找到范

围值的时候，只需要截取子链表，然后对子链表进行遍历查找即可。这样的话IO访问的次数

就减少了，查找的效率也进一步提升。

所以实现索引的数据结构实际是B+树

通过B+树组织索引能够减少IO访问的次数从而快速的查找到指定的元素。

事务

什么是事务
事务就是将多个SQL操作组合成一个操作。这个操作要么全部执行，要么一个都不执行。

为什么使用事务

一个很典型的应用就是我们日常生活中用到的转账

比如A账户上有1000元

B账户上也有1000 元

此时A需要给B进行转账500元，那么就需要扣除A账户中的500元，然后在给B账户上增加500元。可是设想一个问题，如果在执行第一个操作时结束后，网络突然断开了，那么这时候第二个操作就不能执行了，也就是说B账户上就不能到账500元。

此时解决这个问题就需要用到事务了。数据库也是如此

事务是怎么实现的

明白了事务的重要性后，那数据库到底怎么实现事务呢

首先我们先把多个SQL语句包装成一个事务，这时数据库开始执行第一个操作，只不过数据库会把执行过的操作记下来，如果执行完第一个操作后，第二个操作不能执行，就会将刚才执行过的第一个操作回退回去，这位就消除了第一个操作带来的影响。在表面看来就好像两个操作从来都没有执行一样。

数据库中的使用

（1）开启事务：start transaction;

（2）执行多条SQL语句

（3）回滚或提交：rollback/commit;

说明：rollback即是全部失败，commit即是全部成功。

代码举例：
start transaction;
-- A账户减少2000
update accout set money=money-500 where name = 'A';
-- 四十大盗账户增加2000
update accout set money=money+500 where name = 'B';
commit;