MySQL笔记：索引

索引

索引可以看成图书馆的目录，根据目录可以快速的找到你想要的哪一本书。如果没有索引只能一本本的找

常见的数据结构

了解索引需要先了解一下索引的结构，索引模型就是用于提高读写效率的数据结构

1. 哈希表
2. 有序数组
3. 搜索树

哈希表

以key-value的形式存在，只要我们输入key，就可以找到对应的value
实现思路：

把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置，然后把 value 放在数组的这个位置。

缺点：
因为不是有序的，所以查区间会很慢，哈希表只适用于等值查询

有序数组

如果我们要查询区间的话，有数数组比哈希表快很多

有序数组是按照数据的递增顺序保存的，用二分法可以快速的得到

衍生类型：
二叉树，N叉数
N叉数的存储形式：

父节点左子树所有结点的值小于父节点的值，右子树所有结点的值大于父节点的值
子节点越多查找对应的数据也就越快

缺点：

有序数组在中间插入一个记录挪动成本太高，只适用于静态数据的存储

InnoDB 的索引模型

B+树

B+树是InnoDB的索引模型，每一个索引在 InnoDB 里面对应一棵 B+ 树。
根据叶子节点的内容，索引可以分为主键索引和非主键索引
主键索引：存在的节点是整行数据
非主键索引：内容为主键的值

搜索方式

如果一个ID为主键的表中
当我们用主键查询时：

select * from T where ID = 250

只需要搜索ID这个B+树

如果我们用非主键索引查询时

select * from T where K = 250

需要先搜索K索引，得到ID索引再搜索一次

所以非主键索引需要多搜索一次数据表

索引维护

1. 如果需要插入的值在整个索引的最后

在最后的数据页记录后面插入一个新记录

2. 如果插入的值在两个数据页之间

需要逻辑上挪动后面的数据，空出位置

3. 如果插入的值在已满的数据页上

这种是最麻烦的，需要新开一个数据页，然后挪动部分数据过去，性能自然会受影响

索引维护案例：
一般建表的时候都会设置主键ID为自增，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。

索引问题：

如果我执行 select * from T where k between 3 and 5，需要执行几次树的搜索操作，会扫描多少行？

create table T (
ID int primary key,
k int NOT NULL DEFAULT 0, 
s varchar(16) NOT NULL DEFAULT '',
index k(k))
engine=InnoDB;

insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');

这条 SQL 查询语句的执行流程：

1. 先在索引 k 上找到 k=3 这条记录
2. 再到 ID 索引数上找到 ID=300
3. 然后再索引 k 上找到 k=5 这条记录
4. 再到 ID 索引树上找到 ID=500
5. 在索引 k 上取下一个值 k=6 ，不符合条件循环结束

这个查询过程读了 k 索引树的 3 条记录（步骤 1、3 和 5），回表了两次（步骤 2 和 4）。

那如果执行的是 select ID from T where k between 3 and 5，这个语句需要执行多少次查询呢

因为查询的值ID已经在索引k上了，索引不需要回表，只需要执行三次就可以了

最左前缀原则

B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录

SQL 语句的条件是"where name like ‘张 %’"时，是可以用上索引的，查找到第一个符合条件的记录是 ID3，然后向后遍历，直到不满足条件为止。

在建立联合索引的时候，如何安排索引内的字段顺序

当我们有了一个联合索引（a,b），一般不需要在 a 上建立索引了，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。