索引的优缺点

索引的优点

可以大大加快数据的检索速度，这也是创建索引的最主要的原因。
通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。

索引的缺点

时间方面：创建索引和维护索引要耗费时间，具体地，当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，会降低增/改/删的执行效率；
空间方面：索引需要占物理空间。

MySQL索引类型

从索引存储结构划分：B Tree索引、Hash索引、FULLTEXT全文索引、R Tree索引
从应用层次划分：普通索引、唯一索引、主键索引、复合索引
从索引键值类型划分：主键索引、辅助索引（二级索引）
从数据存储和索引键值逻辑关系划分：聚集索引（聚簇索引）、非聚集索引（非聚簇索引）

索引原理

常见索引类型

hash B树 B+树
具体来说 MySQL 中的索引，不同的数据引擎实现有所不同，但目前主流的数据库引擎的索引都是 B+ 树

hash：底层就是 Hash 表。进⾏查找时，根据 key 调⽤Hash 函数获得对应的 hashcode，根据 hashcode 找到对应的数据⾏地址，根据地址拿到对应的数据。

B树：B树是⼀种多路搜索树，n 路搜索树代表每个节点最多有 n 个⼦节点。每个节点存储 key + 指向下⼀层节点的指针+ 指向 key 数据记录的地址。查找时，从根结点向下进⾏查找，直到找到对应的 key。

B+树：B+树是b树的变种，主要区别在于：B+树的⾮叶⼦节点只存储 key + 指向下⼀层节点的指针。另外，B+树的叶⼦节点之间通过指针来连接，构成⼀个有序链表，因此对整棵树的遍历只需要⼀次线性遍历叶⼦结点即可。

相比B树，B+树进行范围查找时，只需要查找定位两个节点的索引值，然后利用叶子节点的指针进行遍历即可。而B树需要遍历范围内所有的节点和数据，显然B+Tree效率高。

MySQL数据库要⽤B+树存储索引⽽不⽤红⿊树、B树、 Hash的原因

红⿊树：如果在内存中，红⿊树的查找效率⽐B树更⾼，但是涉及到磁盘操作，B树就更优了。因为红⿊树是⼆叉树，数据量⼤时树的层数很⾼，从树的根结点向下寻找的过程，每读1个节点，都相当于⼀次IO操作，因此红⿊树的I/O操作会⽐B树多的多。
hash 索引：如果只查询单个值的话，hash 索引的效率⾮常⾼。但是 hash 索引有⼏个问题：

1）不⽀持范围查询；2）不⽀持索引值的排序操作；3）不⽀持联合索引的最左匹配规则。
B树索引：B树索相⽐于B+树，在进⾏范围查询时，需要做局部的中序遍历，可能要跨层访问，跨层访问代表着要进⾏额外的磁盘I/O操作；另外，B树的⾮叶⼦节点存放了数据记录的地址，会导致存放的节点更少，树的层数变⾼。

怎么验证 MySQL 的索引是否满足需求

使用 explain 查看 SQL 是如何执行查询语句的，从而分析你的索引是否满足需求。

聚簇索引和非聚簇索引

数据库中B+树索引分为聚集索引（clustered index）和非聚集索引（secondary index）.

这两种索引的共同点是内部都是B+树，高度都是平衡的，叶节点存放着所有数据。不
同点是叶节点是否存放着一整行数据。

参考：聚集索引与非聚集索引_聚集索引和非聚集索引_车友车行·的博客-CSDN博客

B+Tree的叶子节点存放主键索引值和行记录(完整的表数据)就属于聚簇索引；

叶子节点存储的是 索引列字段 + 完整的行记录数据,通过聚集索引能直接获取到整行数据

Innodb 的主键索引就是基于聚集索引实现的，叶节点的数据就是我们要找的数据。

如果索引值和行记录分开存放就属于非聚簇索引。
通俗点讲
聚簇索引：将数据存储与索引放到了一块，找到索引也就找到了数据
非聚簇索引：将数据存储于索引分开结构，索引结构的叶子节点指向了数据的对应行，myisam通过key_buffer把索引先缓存到内存中，当需要访问数据时（通过索引访问数据），在内存中直接搜索索引，然后通过索引找到磁盘相应数据

InnoDB的聚簇索引就是按照主键顺序构建 B+Tree结构。B+Tree的叶子节点就是行记录，行记录和主键值紧凑地存储在一起。这也意味着 InnoDB 的主键索引就是数据表本身，它按主键顺序存放了整张表的数据，占用的空间就是整个表数据量的大小。通常说的主键索引就是聚集索引。 InnoDB的表要求必须要有聚簇索引（每个表只能有一个聚集索引/一个主键，因为目录只能按照一种方法进行排序）：