萌新第一篇博客之Mysql索引介绍

一.索引为何物

mysql中的索引是一种特殊的文件，包含着对数据表里所有记录的引用指针。形象的说，将数据库比作为一本书，那数据库中的表则为书中的内容，若是想快速翻到指定的内容单元，我们需要借助书的目录在找的该内容单元的位置，索引就相当于‘目录’，承担着指向不同单元的任务。

图例：
索引对于提升数据库的性能有很大的帮助，充分利用索引，可提高查询数据的效率。

二.索引的缺点

引入索引确实能够帮助我们提高查询效率，但也要付出一些小小的代价
(͡° ͜ʖ ͡°)
1）引入索引，需要消耗额外的储存空间

2）引入索引，会影响到增删改操作，此时数据库不仅要对新增数据进行保存，也要对索引进行更新

尽管如此，在实际应用中，还是推荐使用索引
1）针对消耗额外的储存空间，我们可以通过加装硬盘，硬盘往往不是主要矛盾。
2）对于增删改不全是负面影响，且在实际开发中，查询的使用频率远大于增删改。

三.索引的使用

注： 创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）时，会自动创建对应列的索引。

• 查看索引

show index from 表名;

例：查看学生表已有的索引

show index from student;

• 创建索引

/对于非主键、非唯一约束、非外键的字段，可以创建普通索引/

create index 索引名 on 表名(字段名);

例：创建班级表中，name字段为索引

create index idx_classes_name on classes(name);

注：创建索引是一个"危险操作"，一旦表中数据量过大，此时创建索引操作就可能触发大量的硬盘IO，直接把机器卡死。因此，我们最好在最初创建表时，就规划好要有哪些索引

• 删除索引

drop index 索引名 on 表名;

例：删除班级表中name字段的索引

drop index idx_classes_name on classes;

注：只能删除自己创建的索引，不能删除自动生成的索引。且删除索引同样为危险操作，需谨慎对待！！！

四.索引的背后的数据结构

当思考起索引是如何实现的，学过数据结构的你，第一反应可能是二叉搜索树或者哈希表。
噢！我的朋友，你的感觉是对的，毕竟它们都很擅长进行查找操作。
但是，实际上两者都不适合给数据库做索引。

1. 二叉搜索树，最大的问题在于“二叉”，当要保存的元素多的时候，就会使整个树的高度变得比较高~~~
2. 哈希表尽管查询速度上可以达到O（1），但最大问题在于它只能进行“相等”查询，无法进行">“,”<"这样的范围查询，也无法进行like模糊查询。

此时，就得借助B树的力量了。

B树

B树，也称B-树，可以理解为“N叉搜索树”，其中N为树的阶树，若N=2，则为二叉树。
这样，树的结点就能有多个子树了，且节点储存的key值也能有多（N-1）个。

特点：

1. 每个结点最多有N-1个关键字。
2. 根结点最少可以只有1个关键字。
3. 每个结点中的关键字都按照从小到大的顺序排列，每个关键字的左子树中的所有关键字都小于它，而右子树中的所有关键字都大于它。
4. 所有叶子结点都位于同一层，或者说根结点到每个叶子结点的长度都相同。

简单图例：

B+树

B+树是针对B树做出的进一步改进的数据结构，它比 B 树更适合实际应用中操作系统的文件索引和数据库索引。
不同于B树，B+树划分的区间数量与节点中key的数量相等，且父节点会作为子节点的最大值再次出现。
如图所示：

B+树的优势：

1. N叉搜索树，高度比较低，此时硬盘IO的次数就比较少。
2. 叶子节点是全集，并且用链表连接，利于查询。
3. B+树所有的查询都是要落到叶子节点上完成的，任何一次查询所经历的IO次数和比较次数都差不多，查询开销较为稳定。
4. 由于B+树叶子节点是全集，非叶子节点上不必储存“数据行”，只需储存索引列的key即可，使得非叶子节点消耗空间比较少。

以上就是全部内容，如有错误和纰漏，欢迎指正。