1、认识索引

假设现在大家要去 MySQL 书中找索引的内容，大家应该不会拿着 MySQL 的书一张一张去找，而是会看MySQL 书的目录，然后通过目录找到索引对应的页码，再去对应的页码中查看索引的内容

索引的优点：

• 索引就相当于书的目录，运用索引可以加快查找的速度

索引的缺点：

• 索引虽然可以加快查找的速度，但是索引也提高了增、删、改的开销，因为进行增、删、改的时候需要调整已经创建好的索引

• 索引还提高了空间的开销，构造索引也就需要额外的硬盘空间来保存

index 表示 索引，不管是查看索引，还是创建索引，......，只有是关于索引的操作一般都会有 index 这个单词

2、索引的操作

2.1 查看索引

一般创建主键约束、唯一约束、外键约束时，都会自动创建对应列的索引

接下来我们就创建一张学生表查看它的索引

student 表：

create table student(id int primary key,name varchar(20));

上述创建的student表中 id 是主键,所以 id 就会自动产生索引，当我们对 student 表进行查询索引的时候就可以查到 id 索引

查看索引：show index from 表名;

2.2 创建索引

当对数据表中的某列或是某几列创建索引，需要考虑以下几点：

• 数据量较大，且经常对这些列进行条件查询

• 该数据表的插入操作、修改操作、删除操作对这些列来说频率较低

• 索引会占用额外的磁盘空间，考虑磁盘空间是否充足

对应非主键、非唯一约束、非外键的字段可以创建普通索引

创建一张 student 表：

//如果有student表，请先删除在创建
create table student(id int primary key,name varchar(20));

创建索引：create index 索引名 no 表名(字段名);

create index index_name on student(name);

注：创建索引，最好是在表创建之初就把索引创建好，否则如果是针对一个表中已经有很多很多记录的表，来创建索引也就是个危险操作，这个时候就会吃掉大量IO，花很长时间（可能是几十分钟也可能是几个小时，主要看数据量），那么在这段时间里，数据库就无法正常使用

2.3 删除索引

接下来我们就把 1.3 中添加的索引给删除

删除索引：drop index 索引名 on 表名;

drop index index_name on student;

注：删除索引也可能会吃大量的磁盘IO

3、索引在 MySQL 中的数据结构

1.索引在 MySQL 中的数据结构是 哈希表 ？

答：哈希表的查找元素的时间复杂度为 O(1)，但是哈希表并不适合做数据库的索引，因为哈希表只能比较相等，无法进行范围查询

2.索引在 MySQL 中的数据结构是 二叉搜索树 ？

答：二叉搜索树查找元素的时间复杂度为 O(n)，二叉意味着当元素个数多的时候，树的高度就会比较高。树的高度也就决定了查询时候元素的比较次数

3.索引在 MySQL 中的数据结构是 N叉搜索树 ？

答：N叉搜索树每个节点上有多个值，同时有多个分叉，树的高度就降低了。其中的一种典型实现，叫做B树。比较次数虽然没咋减少，一个节点上可能需要比较多次，但是读写硬盘的次数减少了，每个节点都是在硬盘上的。

B树：

B树是N叉树的一种典型实现，它的特定就是每个节点上有多个值，子节点里面的值都小于父节点的值

B 树已经比二叉搜索树更适合做数据库的索引了，但是还不够。针对这里又引入了 B+树，是对B树的进一步的改进。B+树就是为了索引这个场景，量身定做的数据结构。

B+树的特定：

• B+树也是一棵N叉搜索树，每个节点上可能包含了 N 个 key，N个 key 划分出了N个区间，最后一个 key 就相当于是最大值了。

• 父元素的 key 会在子元素中重复出现，并且是以最大值的姿态出现，这样重复出现，也就让叶子节点包含了所有数据的全集，非叶子节点中的所有值都会在叶子节点中体现出来

• 会把叶子节点，用类似于链表的方式首尾相连

B+树：

B+树的优点：

• 作为一棵N叉搜索树，高度降下来了，比较的时候硬盘IO次数就比较少了(同B树)

• 更适合进行范围查询

• 所有的查询，都是落在叶子节点上，无论查询哪个元素，中间比较的次数都差不多。对于B树来说，每次查询的速度可能不一样，但是对于B+树来说，每次查询的速度都一样

• 由于所有的key都会在叶子节点中体现，只需要把所有的数据行放到叶子节点即可。非叶子节点只需要存简单的id，不用存一整行，这就意味着非叶子节点，占用的空间大大降低

有的表不仅有主键索引，还有别的非主键列也可能有索引，此时如何构造B+树？

答：构造一个主键列的B+树，然后再构造一个非主键列的 B+ 树。非主键列有索引的 B+树非叶子节点里面存的都是一些key（比如：一些学生姓名），到了叶子节点这一层，存的并不是完整的数据行，而是存的主键值。如果使用主键列进行查询，只需要查询一次主键列 B+树即可。如果采用非主键列来查询，则需要先查一遍非主键列的B+树，然后再查一遍主键列的B+树

当前B+树这个数据结构，只是针对 MySQL 的 innoDB 这个数据库引擎里面所典型使用的数据结构。不同的数据库，不同的引擎，里面存储数据的结构可能也不同