最近在学后端，学到了这里做个记录
一、为什么索引像书的目录？
- 类比：500页的技术书籍 vs 10页的目录
- 缺点：全表扫描就像逐页翻找内容
- 优点：索引将查询速度从O(n)提升到O(log n)
二、B+树手绘课堂
1. 结构解剖（建议手绘图包含以下元素）
+------------+
| 非叶子节点 |
| [10, 20, 30] | ← 键值+指针
+-----|--|-----+
____/ \____
/ \
+-----------+ +-----------+
| 叶子节点 | | 叶子节点 |
| [5,8,10] → | ←→ | [20,25,30] | ← 双向链表
| 行数据指针 | | 行数据指针 |
+-----------+ +-----------+
- 用不同颜色标注：
- 红色：节点分裂临界点（每个节点最多存3个键值）
- 蓝色：叶子节点的双向指针
- 绿色：行数据实际存储位置
2. 动态过程
- 插入过程：
插入28 → 定位到[20,25,30]节点 → 分裂为[20,25]和[28,30] 新增父节点指针 - 查询路径：
查找25 → 根节点→中间节点→叶子节点（3次磁盘IO）
三、InnoDB索引落地实现
1. 聚簇索引结构
[表空间文件示意图]
+----------------------+
| 页1: 索引节点 |
| 页2: 叶子节点(行记录)|
| 页3: 溢出页(TEXT字段)|
+----------------------+
2. 二级索引特殊机制
-- 创建示例
CREATE TABLE users (
id INT PRIMARY KEY,
username VARCHAR(20),
INDEX idx_name (username) -- 存储(username,id)
);
-- 回表示例
EXPLAIN SELECT * FROM users WHERE username='Alice';
四、EXPLAIN执行计划实战
1. 关键字段解读表
| 列名 | 索引健康度指标 | 优化提示 |
|---|---|---|
| type | ALL(全表) → range(范围) → const(常量) | 争取至少达到range级别 |
| key_len | 使用的索引字节数 | utf8mb4字段需×4计算 |
| Extra | Using index(覆盖索引) | 出现Using filesort立即警报 |
2. 典型案例分析
-- 案例1：最左前缀原则
EXPLAIN SELECT * FROM orders
WHERE status='paid' AND create_time > '2023-01-01';
-- 可能的索引方案：
-- 方案A: INDEX(status, create_time) → type: range
-- 方案B: INDEX(create_time, status) → type: ref
-- 案例2：索引合并
EXPLAIN SELECT * FROM products
WHERE category=1 OR price < 100;
-- 出现Using union(idx_category,idx_price)说明触发了索引合并
五、性能优化-checklist
-
设计阶段
- 整型主键比UUID减少30%存储空间
- 联合索引字段顺序遵循ARC原则：
A(等值条件) → R(范围条件) → C(排序字段)
-
调优阶段
-- 查看索引使用情况 SELECT * FROM sys.schema_unused_indexes; -- 强制索引测试 SELECT * FROM table1 FORCE INDEX(idx_col1) WHERE... -
紧急处理
# 快速定位索引问题 pt-index-usage /var/lib/mysql/mysql-slow.log
六、学习资源
- 推荐工具：
B+ Tree可视化工具
