初识索引

认识磁盘

MySQL与存储

了解磁盘

mysql与磁盘的交互

索引的理解

理解单个Page

理解多个Page

页目录

单页情况

多页情况

索引结构 - B+树

聚簇索引和非聚簇索引

索引操作

创建主键索引

唯一索引的创建

编辑普通索引的创建

全文索引的创建

查询索引

删除索引

索引创建原则

其他概念(了解)

复合索引

索引最左匹配原则

索引覆盖

初识索引

索引：提高数据库的性能，索引是物美价廉的东西。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。但是天下没有免费的午餐，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。

常见索引分为：
        主键索引(primary key)
        唯一索引(unique)
        普通索引(index)
        全文索引(fulltext)--解决中子文索引问题。

使用：

构建一个有8000000条记录数据的员工表。

因为数据太大，不方便展示，所以这里只显示前5条

查询员工编号为998877的员工

查询需要 5~6 秒左右的时间，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机。

解决方法，创建索引

此时再尝试刚才的sql 就会发现立马就出现结果了。

认识磁盘

MySQL与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提交效率，是 MySQL 的一个重要话题。

了解磁盘

在之前的一遍博客中有讲述，想了解的可以去看一看。

Linux—基础IO_晚风不及你的笑427的博客-CSDN博客

mysql与磁盘的交互

MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB（默认使用InnoDB 存储引擎）。

磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎使用 16KB 进行IO交互。即， MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分）。

为了更好的进行操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。

MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。
所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位就是Page。

为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数

索引的理解

做个测试：将主键内容乱序插入，表中默认是怎么排序的呢？

这里有个问题：

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢?用多少，加载多少不香吗?

如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。

但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。

那你怎么保证，用户一定下次找的数据，就在这个Page里面？我们不能严格保证，但是有很大概率，因为有局部性原理。

所以往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

理解单个Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要先描述，在组织，我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的。

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表。因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？
插入数据时排序的目的，就是优化查询的效率。页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。
如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

页目录

我们在看书的时候，如果我们要看某一个章节，找到该章节有两种做法：

1.从头逐页的向后翻，直到找到目标内容；

2.通过书提供的目录，发现某章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位。

本质上，书中的目录，是多花了纸张的，但是却提高了效率，所以，目录，是一种“空间换时间的做法。

单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以

那么当前，在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。

现在我们可以正式回答问题了，为何通过键值 MySQL 会自动排序？因为可以很方便引入目录。

多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。
这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

索引结构 - B+树

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。

使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
其中，每个目录项的构成是：键值+指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。
其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页。

下图属于mysql在innode db下的索引结构。

这种数据结构就是传说中的B+树！一般情况下两三层就够了，那些只用于索引的page，每个都是16KB，单个page可以索引上千个下一层的page！完全够用了，即便面对海量数据，MySQL的查询效率也不低。（如果不够那就再套一层，那么存储数量就会指数级的增长）后续查找时，自上而下进行查找，查到哪里就加载哪一部分的page，并不会将整颗B+树加载到内存。

整个B+树只有叶节点使用链表级联起来，而非叶节点只存有目录项，也就意味着目录页可以管理更多的叶子Page，找到目标数据就只需更少的Page，那么IO次数就会更少，在IO层面就提高了效率，每个节点都有目录项，也大大提高了搜索效率，那么整体的搜索效率就提高了。

但是要注意，并不是所有的存储引擎的索引都是采用B+树，还有哈希索引等方式。只能说主流的存储引擎是采用B+树作为索引的数据结构。

如果我建表时没有指定主键，那怎么存储呢，还是这样的结构吗？

没有主键默认按插入顺序存储，表内部其实会生成一个默认的列作为主键，这样你插入是什么顺序，你查整表的时候，就按什么顺序显示。

为什么这里不选其他的数据结构呢，而选B+树？

这里其他的数据结构没有行不行这种说法，只有合不合适。

1. 链表，整体是线性遍历的，他会出现找一条数据，而遍历整个表内的数据，效率低下所以不适合。

2. 二叉搜索树，虽然说一次查找能排除另一个子树的数据，但是每往下查找一次就需要一个Page进行一次IO，仍然不是很高效；而且二叉搜索树在极端情况下可能会退化成线性结构，那效率就不用说了。

3. AVL树或红黑树，虽然说是平衡或近似平衡，但毕竟是二叉结构，属于是瘦高形状的树，而B+属于是矮胖型的树，大家都是自顶向下查找，层数越少就意味着系统与硬盘更少的IO Page交互，也就是说AVL树或红黑树能解决问题，也很优秀，但是B+树更优秀。

4. 哈希，官方的索引实现方式中， MySQL 是支持HASH的，不过 InnoDB 和 MyISAM 并不支持.Hash跟其算法特征，哈希虽然很快(O(1))，不过，在面对范围查找就明显不行。

5. B树，这里为什么选择B+树而不选择B树呢？

B树 (图片取自网络)

B+树 (图片取自网络)

B树和B+树的区别

1. B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和
Page指针。
2. B+叶子节点，是级联起来的，而B没有，这就导致在范围查找时，B+树很方便，而B树每次都要自顶向下查找。

此时就可以回答上面的问题，为什么选择B+树而不选择B树呢？

B+树非叶节点不存储数据，这样一个节点就可以存储更多的目录项。可以使得树更矮，所以IO操作次数更少。
B+树叶子节点相连，更便于进行范围查找。

聚簇索引和非聚簇索引

用户数据与索引数据在一起索引方案，叫做聚簇索引。

用户数据与索引数据分离的索引方案，叫做非聚簇索引。

MyISAM 存储引擎-主键索引

MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM表的主索引， Col1 为主键。

其中， MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据的地址。像MyISAM这种索引方案就是非聚簇索引。

相较于 MyISAM 索引， InnoDB 是将索引和数据放在一起的。而 InnoDB这种索引方案就是聚簇索引。

当然， MySQL 除了默认会建立主键索引外，用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。

对于 MyISAM，建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。
下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别。

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们用以上表中的 Col3 建立对应的辅助索引如下图：

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。这是为什么呢？因为InnoDB会有两张索引表，所以InnoDB通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询。

为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？

原因就是太浪费空间了，因为默认会有主索引，也就是说会有一个主索引的“表”，你添加辅助索引需要在创建一个B+树结构，这时就有两个B+结构了，如果辅助索引结构的叶子结点也附上数据，那么就存在两个相同的数据结构了，如果数据量很大，就会极大地浪费空间。因为查询速度很快，只需要查询两遍索引即可找到对应的数据，所以不需要给辅助索引结构的叶子结点也附上数据。