创作不易，本篇文章如果帮助到了你，还请点赞 关注支持一下♡>𖥦<)!!
主页专栏有更多知识，如有疑问欢迎大家指正讨论，共同进步！
🔥c++系列专栏：C/C++零基础到精通 🔥

给大家跳段街舞感谢支持！ጿ ኈ ቼ ዽ ጿ ኈ ቼ ዽ ጿ ኈ ቼ ዽ ጿ ኈ ቼ ዽ ጿ ኈ ቼ

---

索引概述

什么是索引？可以用于优化查询

是一种已经排好序的数据结构（映射结构），根据 key 找到 value

如果不使用索引，mysql 查询就会从第一个开始逐个去查询（全表查询）
每次查询都会产生磁盘的 I/O 交互

为什么要使用索引?
就是为了缩短查询的时间。就像书本的目录一样。
数据量和数据结构有很大的关系。

mysql索引使用什么？
有使用B+树的索引，有使用hash表的 引擎决定了索引的类型

MySQL 常见引擎与索引类型：

• MyISAM、InnoDB：B+ 树
• Memory/heap：Hash 表

存储引擎形容数据库表！

---

索引的使用

创建索引

create index 索引名 on 表名(列名);

删除索引

drop index 索引名 on 表名;

使用 explian关键字查看是否使用索引进行检索：type = RES时代表使用索引检索，还可关注 key、row、extra等字段，查看影响查询性能的主要指标。

---

为什么不使用 AVL、 红黑树作为索引？

红黑树的本质仍是二叉树，当数据量比较大时，红黑树的层数比较高，每次读取节点都是在做磁盘 IO

并且每个节点只能存储一个数据，但是在索引的数据结构中，一个节点需要存两个值，一个是key 用来存节点的值，一个是value 存索引所在行的磁盘地址，查到后就能获取到其value内的值即地址。

---

为什么不使用哈希作为索引？

哈希表不支持排序操作，哈希表不能进行范围查询，如果发生哈希冲突效率变低

---

B 树

B 树相比于二叉树，每个节点横向上能够存储更多的索引元素，在树的高度相同的情况下，B 树能够存储更多的数据。

B 树的每个节点都存储索引 key 和数据地址 value，导致层数变高。

---

B+树

• B+树 将所有的索引都存放在叶子节点上
• B+树的节点上索引顺序从左到右依次递增
• B+树只有叶子节点存储索引 key 和数据地址 value，非叶子节点存储冗余索引（冗余索引的值为主键） 注意所有在冗余索引中出现的主键值都会在叶子节点中再现。设置冗余索引目的：为了使树高尽可能小，所以一层要尽可能多的放索引，按照B树这种结构，一个节点16KB，data元素会占用空间。如果不存储data只存储索引就可以存储更多索引，树可以分更多叉

对比红黑树： B+树的一个节点可以存放多个元素，比红黑树更低，磁盘 IO 次数更少。

对比 B 树： B 树不利于范围查询，B+树可以通过双向指针进行范围查找，只需要遍历叶子节点即可完成数据遍历

B+树查找索引的过程：

① 把根节点所有的索引从磁盘加载到内存中（如图的15、56、77），磁盘加载到内存就是一次磁盘 IO
② 在内存中比对（比对过程可用二分查找），发现在15-56之间，注意他俩之间白色框存储的是其指向节点在磁盘中的文件地址
③ 把指向节点所有索引再次加载到内存
④ 重复直到 当定位到目标索引元素30后，直接用其data中的物理地址去访问索引所在行的磁盘地址
高版本 Mysql 在启动时就将所有的非叶子节点即冗余节点加载到内存中

---

聚簇索引、非聚簇索引

聚簇索引是节点聚合数据，即在存储节点的位置直接存储数据

非聚簇索引是节点只存储地址，需要通过地址间接寻址来获取实际存储的数据

一张表只允许存在一种类型的索引（聚簇索引或非聚簇索引）

• 在 Innodb 引擎下主键索引是聚簇索引，表结构文件 FRM，索引与数据文件 IBD

• 在 MyISAM 引擎下主键索引是非聚簇索引，表结构文件 FRM，索引文件 MYI（index），数据文件 MYD（data）

聚集索引相比于非聚集索引查找效率一般更高，直接在当前文件即可查询到数据，不用再去数据文件中查询。

聚簇索引的插入速度严重依赖于插入顺序，按照主键的顺序插入是最快的方式，否则影响性能。

---

对于 Innodb 表，一般主键定义为自增 整型，不可更新，二级索引访问需要进行两次索引查找，第一次找到主键值，第二次根据主键值找到行数据（回表），因此多使用主键查询

如果没有定义主键，那么会使用第一非空的唯一索引（NOT NULL and UNIQUE INDEX）作为聚簇索引
如果既没有主键也没有合适的非空索引，那么InnoDB会自动生成维护一个包含了ROW_ID值的列作为聚簇索引

最左匹配原则

联合索引：将多个字段（列）组合成为一个索引。

在使用联合索引时，需要遵循最左匹配原则，即按照最左优先的方式进行索引查询。

最左匹配原则要求查询的列必须从索引中最左的列开始，并且不能跳过中间列，否则索引失效。

联合索引底层为排好序的 B+树，如果没有给出第一字段，就无法快速找到该数据应该处在的节点，因为优先以第一字段排序，只看第二字段并不是从左到右排好序的，需要扫描所以节点

MySQL 索引的优缺点

优点:

• 1.方便查询，极大地缩短查找的时间

缺点:

• 1.创建索引。那么维护索引就需要消耗时间，数据量越多，维护成本越高
• 2.索引占用空间较大，每个节点都是 16Kb 的页大小，会影响表的最大存储量。
• 3.对表中的数据进行增加和删除修改。索引要动态维护，会降低数据维护速度

索引的优化

• 1.对于需要经常更新的字段，避免为他建立过多的索引
• 2.数据量小的表不用创建索引，不一定能比全表查询效率高
• 3.字段中存在重复数据例如性别不需要创建索引
• 4.主键索引最好是自增，方式插入新数据时对原数据的大量操作
• 5.尽量保证将索引设置为唯一，无需大量查找

索引失效

在如下情况可能会导致索引失效：

• 违背最左匹配原则
• 索引列中使用函数进行计算
• 查询条件中出现了类型转换
• 索引列和非索引列掺杂使用
• like 模糊查询%在最左或两边
• 联表查询时两个表的字符集不同

慢 SQL 优化

• 1.优先使用索引
• 2.是否索引失效
• 3.将数据量较大的表进行垂直或水平拆分
• 4.加 redis 缓存

---

大家的点赞、收藏、关注将是我更新的最大动力！ 欢迎留言或私信建议或问题。

大家的支持和反馈对我来说意义重大，我会继续不断努力提供有价值的内容！如果本文哪里有错误的地方还请大家多多指出(●'◡'●)