阿华代码，不是逆风，就是我疯，希望本文内容能帮到你！你们的点赞收藏是我前进最大的动力！！
目录
一：索引的特点
二：索引适用的场景
三：MySQL中索引操作
1：查看索引
2：创建索引
3：删除索引
四：数据库的索引底层结构
1：B树
特点：
2：B+树
特点：
前引：考虑有一本书。如何快速找到一个章节所在的位置，就需要一个目录。
在数据库中，进行条件查询的时候，我们经常需要遍历表，数据库是把数据存储在硬盘上，此处的时间复杂度O（N）比数据结构中的O(N)要慢很多，因此就可以给数据库引入索引，来提高查询的速度。
之前我们学习的MySQL中的parimary key 和 foreign key 和 unique 都会自动生成索引，这几个操作都会频繁涉及到查询
一：索引的特点
1：加快查询的速度
2：索引自身是一定的数据结构，也要占据存储空间
3：当我们需要进行（增删改）的时候，先根据条件查找（有索引的话就会比较快），之后的（增删改操作）也需要针对索引进行更新
4：一个表的索引可以有多个
例如字典的目录：可以根据汉字拼音首字母快速查询，也可以按照偏旁，笔画等进行查询
二：索引适用的场景
1：对于存储空间要求不高的（存储空间比较充裕）
2：应用场景中，查询较多，增删改操作不多的。（读多写少的场景在web中是很常见的）
三：MySQL中索引操作
1：查看索引
show index from 表名;
查看某个表是否有索引，以及有几个索引
2：创建索引
注：危险操作，如果表是空的或者数据比较少，创建索引没关系，如果表中数据量非常大，创建索引就会触发大量的硬盘IO，很容易把数据库搞挂了
create index 索引名 on 表名（列名）
代码：create index index_student_name on student (name);
3：删除索引
drop index 索引名 on 表名
注：危险操作，在创建索引之初，我们就要设计规划好表的索引，但是在实际开发中，总会遇到需要添加索引的情况
解决方案：重新搞一台机器，搭建数据库，把生产环境数据库的数据表创建好，并且加上索引，把生产环境数据库的数据，导入到新的数据库中（导入过程非常耗时，但是并不影响生产环境正常工作），用新的数据库的这个机器，替代旧机器
四：数据库的索引底层结构
1：B树
B树又叫B-树（非念B减树，只是符号），B树是一个有序的N叉搜索树，每一个节点上可能有N个值，N个值划分出来N+1个区间
特点：
①：同样高度的B树和二叉搜索树，前者能表示的元素个数更多
②：在搜索的时候B树的比较次数更多
③：虽然B树总的比较次数更多，但是B树的硬盘IO读取次数更少，成本更低（一次硬盘读取相当于内存1w次比较）
解释：同样多的元素个数下，B树存储元素所需要的节点数更少，而硬盘1次读取，是把节点中所有元素一次性读取出来，
2：B+树
在B树的基础上，做出了改进，B+树也是N叉搜索树，划分出来N个区间，根节点上的最后一个值为最大/小值
特点：
（1）：B+树一个节点中有N 个key，每个key划分出来N个区间，
（2）：根节点中出现的值，在子树中会重复出现
重复出现的优点：
①无需回溯——例子：进行范围查询 id > 4 , id <=10 , 根据4找到对应的位置，沿着链表在往后面进行查询就可以了，无需在对树进行回溯
②查询时间稳定——查询任何一个元素，都是要从根节点查询到叶子节点的，过程中IO硬盘读取的次数是一样的（稳定比快速更重要）
③存储数据便捷——根节点存储关键字key，叶子结点只需要存储数据即可（例子：如图）。
补充：非叶子节点中存储的关键字key所占空间非常小，占空间大的数据都在叶子节点中，，这些数据都可以缓存到内存当中，正在查询的时候只需要比较内存当中的数据即可，大大减少了硬盘IO的比较次数，节约了成本。
3：每个节点中的最后一个key，是最大值或者最小值，
4：叶子节点之间用链式结构进行连接
