MySql数据库（一）--索引

前言：

        本文目的是总结在Mysql数据库学习的过程中的一些总结，以便日后翻阅。本文主要整理的是数据库索引、后面会整理一些其他的内容。索引做为数据优化的主要手段，很多解释是索引就像书本的目录一样，可以帮助我们快速查找到想要的数据，前提是查询的条件是增加了索引的字段。我们知道，对于数据库的每一次查找就是和磁盘的一次I/O交互，如果全表扫描的会，cpu会去依次查找每个物理地址，直到找到要查找的数据，因此，全表扫描是非常耗费时间和资源的。首先我们整理一下数据结构，了解索引存储的方式。

一、数据结构

     1、二叉树

       二叉树顾名思义，该数据结构就像是树一样，每个节点后面都可以产生两个分支，左边的分支“左树”比根节点小，右边的节点会比根节点大。相对于全表扫描二叉树的性能是有很大的提高，但是如果数据过多的话，二叉树的层级会比较深，二叉树查找也是比较消耗时间的。如何数据很不幸都是依次递增的，此时存到二叉树上的索引就是一个链表结构，会全部排在根节点的右边，此时的查询就相当于全表扫描。

链表结构的二叉树

 

2、平衡二叉树

       二叉平衡树也称AVL TREE，是在二叉树结构的改进，左右节点的深度绝对值不超过1AVL TREE会通过左旋或者右旋自动调节树的结构，来保证二叉树的左右平衡，从而避免出现这种链表式的结构。AVL TREE有效的降低了树的深度，但是对于大量的数据，树的深度也是未知的，树的每一层深度意味着一次I/O交互。同时，AVL TREE也没有解决一个范围查询的问题。对于红黑树来说，范围查询也是比较麻烦的。

 

3、B Tree（多路平衡查找树）

      对于红黑树的问题，我们可以采用扩展节点的横向数据量来减少树的深度。这样就明显减少了磁盘I/O的次数。

如果使用B Tree来保存索引，在保存索引的节点同时回保存数据，也就是在一个节点上同时保存索引和数据，这样数据量会占据一定的数据量，从而影响保存节点的个数。之后，就有了B+tree的出现。

4、B+Tree

       B+Tree是在B Tree的基础上进行改进，将根节点和子节点上的数据保存到叶子节点上，根节点和子节点只保存索引信息，这里提一下，不同的数据库引擎在此处的保存的数据会有差别，Innodb在叶子节点上保存了索引信息和相应的数据，在检索的时候可以直接根据索引找到想要的数据，MyIsam引擎保存的是索引和相应的磁盘地址，因此，检索数据的时候，需要根据索引对应的磁盘地址再去查找数据（回表）。对比B+Tree和B Tree会发现，叶子节点中的数据会有指针连接，可以提高区间的访问性能。

数据结构学习工具https://www.cs.usfca.edu/~galles/visualization/BTree.html

二、名词解释

1、聚集索引

              ----主键决定数据存放顺序。在Innodb中，主键就是聚集索引。

2、非聚集索引

            ------非聚集索引又可以称为二级索引、辅助索引，在Innodb中，在辅助索引的B+Tree叶子节点保存的是该索引对应的主键索引值。

3、回表

            ----在Innodb中，通过辅助索引来检索信息，先根据辅助索引找到对应的主键索引，再检索主键索引，找到其叶子节点保存的数据，这个过程叫回表，因此，通过辅助索引来检索数据，要多检索一棵B+Tree,效率要低。这里借用一张图：

4、联合索引及最左匹配原则

          ---多个字段共同组成的索引。联合索引的B+tree和辅助索引相似，辅助索引的节点保存的是单个索引，联合索引保存的是多个字段，根据联合索引来查询的时候，采用最左匹配原则，在检索的时候必须从第一个字段开始、且不能中断。

5、索引覆盖

         ----要查询的字段就是索引的字段，这样在检索索引树的时候，取到索引值之后不需要根据对应的ID值取查找主键索引树，即不需要回表，称为覆盖索引。

三、Sql优化

    1、select * from xxx,这样的语句不会产生覆盖索引，所有建议需要哪些字段写哪些字段；

    2、索引要在离散度高的列上面创建：离散度表示该列数据重复程度的比例，离散度高，及该列数据重复的数据少；

    3、不要在索引列使用函数、计算或者表达式；

    4、字符串不加引号，发生隐式转换；

     5、like查询，前面加% ，会违反最左匹配原则

    6、一些负向查询，NOT in、Not LIKE,大部分用不到索引，不是绝对；

最后：索引是否使用最终决定于Mysql的索引优化器。