索引，在MySQL中非常重要。它能提高数据库的性能，不用加内存，不用改程序，不用调sql，只要执行 正确的 create index ，查询速度就可能提高成百上千倍。

        但是，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

什么是索引？

索引，本质上属于“书的目录”，通过目录，就可以快速的找到某个章节对应的位置，索引的效果就是加快了查找的速度。

但是索引也提高了增删查的开销，此时进行增删改，就需要调整已经创建好的索引目录；

所以还提高了空间的开销，构建索引还需要额外的硬盘空间来保存。

查看索引：

show index from 表名;

 虽然我们没有手动创造一个索引，但是创建学生表的时候我们指定了id这一列是主键，表里如果有主键，主键这一列就会自动创建索引（有unique 和 foreign也会自动创建索引）

创建索引：

create index idx_student_name on student(name);

在这行代码中，我们创建了一个名为idx_student_name这样的索引，根据 名字 这一列来创建的索引

创建索引最好是在表创建之初就把索引给创建好，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，是一个危险操作！

这个时候会吃掉大量的磁盘IO，花费很长的时间，并且在这段时间里数据库是无法被正常使用的。

索引就是为了加快查询的速度，但是并不是所有的情况加上索引就一定快

如果姓名有重复，重名特别多的情况下，那么索引就不一定能够提高查询的速度了。

例如针对像性别这样的列，或者是大学生管理系统中年龄这样的列加索引，是无法提高查找速度的。

关于代码优化：

我们把索引创建好了之后，不需要手动使用，查询的时候就会自动的来走索引。

SQL是通过数据库的执行引擎来进行执行的，这里面会涉及到一些优化操作，执行引擎会自动评估，哪种方案是成本最低，速度最快的。

具体的某一次查询，实际上是否在走索引，以及怎么走的，其实是不好预期的。

但是可以使用explain这个关键字，显示出查询过程中，具体的使用索引的情况~

同时代码优化不只是SQL有，C，C++，Java这一些主流的语言都有代码优化的能力。

我们所使用的编译器、虚拟机就会总和评估，可能就会在保持原有代码含义不变的基础上，对你的代码进行调整。

索引的数据结构（重点）

1.哈希表

哈希表是数据结构中最重要的结构，这也是工作和面试中出现频率极高的数据结构。

当我们用哈希表查找元素，时间复杂度是O(1),这是一个非常优秀的数据结构，但是哈希表不适合做数据库的索引。

原因在于：哈希表只能比较是否相等，而对于范围的数据查询却无能为力。但是数据库却经常要进行范围查询。

2.二叉搜索树

二叉搜索树的时间复杂度是O(N)，并且这是考虑的最坏情况，是在单枝树的情况下（相当于一个链表）。

并且二叉搜索树好像可以进行范围查询了。但是数据库并没有使用二叉搜索树

二叉意味着当元素多了的时候，树的高度就会比较高，树的高度就决定了查询的时候元素的比较次数慧比较多。而查询次数又会跟硬盘读写挂钩，所以二叉搜索树也不适合来作为索引的数据结构。

3.N叉搜索树

N叉搜索树就是每个节点上有多个值，同时还有多个分支，这样操作树的高度就降低了。

其中的一种典型实现，叫做B树。

这样一看，这么多数据只用了2高度就完成了储存，这对于数据库的索引来说再适合不过了。

虽然总数据还是那么多，比较次数差不多，但是读写硬盘的次数减少了，让硬盘的占用大大降低了，因提高了速度。

4. B+树

B树已经可以比二叉搜索树更适合于做数据库的索引了，但是还不够。针对这里，又引进了B+树，这是对B树的进一步改进，可以这么说：B+树就是为了索引这个场景量身定做的数据结构。

 

比如查找 id > 3 and id < 10 这样的元素，B+树就能很好的实现。

1.B+树也是一个N叉搜索树，每个节点上可能包含N个key，N个key划分出N个区间，最后一个区间就相当于最大值。

2.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的~

 

例如，在左子节点中，父元素为8和15，那么子节点里面的元素就包含：小于8的元素、8

在右节点中，包含：8到15的元素，15

这样的重复出现，导致叶子结点包含了所有数据的全集。非叶子结点中所有的值都会在叶子结点中体现出来

3.会把叶子节点，用类似于链表的方式进行首尾相连

 这样的操作，好处有以下几点：

1.作为一个N叉搜索树，但是高度却很低，比较的时候硬盘的IO次数大大降低了

2.更适合进行范围查询

3.所有的查询都是落在叶子节点上的，无论查询哪个元素，中间比较的比较次数差不多，查询操作比较均衡

对于B树来说可能是可能是有的值查的快，有的值查的慢。但是在B+树，大家都是一样的速度。

4.由于所有的key都会在叶子结点中体现，因此非叶子结点不用存数据行，只要把所有的数据行给放到叶子节点上即可，非叶子结点中只需要存放索引的值（比如id）

查询的时候，会根据创建的依据（例如id）就会快速在非叶子节点上检索，然后找到所需要的一条记录。并且由于非叶子结点只存了id，意味着它占用的空间是非常小的，进一步降低了硬盘IO，提高了查询速度。

除此之外，有得表并不只有主键索引，别的非主键列，也有索引~

这种情况会构造另外一个B+树，B＋树非叶子节点里面存都是这一列里面的key . (比如一堆学生姓名) 到了叶子节点这一层,不是存之前的完整的数据行,而是存主键id。使用主键列来查询,只要查一次B+树就可以了。如果是使用非主键列的索引来查询,则需要先查一遍索引列的B+树,再查一遍主键列的B+树（回表）。

 

到这里为止，索引的基础内容就介绍的差不多了，索引有一定难度，并且不好理解，需要反复观看~