深入浅出索引
- 索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。
索引的常见模型
哈希表
- 哈希表是一种以键 - 值（key-value）存储数据的结构，我们只要输入待查找的值即 key，就可以找到其对应的值即 Value。
- 哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置，然后把 value 放在数组的这个位置。
- 不可避免地，多个 key 值经过哈希函数的换算，会出现同一个值的情况。处理这种情况的一种方法是，拉出一个链表。
- 哈希表这种结构适用于只有等值查询的场景，比如 Memcached 及其他一些 NoSQL 引擎。
有序数组
- 有序数组在等值查询和范围查询场景中的性能就都非常优秀。
- 有序数组索引只适用于静态存储引擎。
二叉搜索树
- 二叉搜索树的特点是：每个节点的左儿子小于父节点，父节点又小于右儿子。
- 为了维持 O(log(N)) 的查询复杂度，你就需要保持这棵树是平衡二叉树。为了做这个保证，更新的时间复杂度也是 O(log(N))。
- 树可以有二叉，也可以有多叉。多叉树就是每个节点有多个儿子，儿子之间的大小保证从左到右递增。二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。其原因是，索引不止存在内存中，还要写到磁盘上。
- N 叉树由于在读写上的性能优点，以及适配磁盘的访问模式，已经被广泛应用在数据库引擎中了。
InnoDB 的索引模型
- InnoDB 使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的。每一个索引在 InnoDB 里面对应一棵 B+ 树。
- 根据叶子节点的内容，索引类型分为主键索引和非主键索引。
- 主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引（clustered index）。
- 非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）。
- 基于非主键索引的查询需要多扫描一棵索引树，即回表。因此，我们在应用中应该尽量使用主键查询。
- 自增主键的插入数据模式，符合递增插入的场景。
- 每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。
- 而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。
- 主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。
- 覆盖索引
- 由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。
- 最左前缀原则
- B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录。
- 不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索。
- 这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。
- 在建立联合索引的时候，如何安排索引内的字段顺序？
- 第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。
- 索引下推
- 索引下推优化（index condition pushdown)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
- 在满足语句需求的情况下， 尽量少地访问资源是数据库设计的重要原则之一。
- 我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标。
