索引概述

MySQL官方对索引的定义为：索引（index）是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护者满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。如下面的示意图所示 :
image.png
左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘上也并不是一定物理相邻的）。为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找快速获取到相应数据。
一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储在磁盘上。索引是数据库中用来提高性能的最常用的工具。

索引优势劣势

优势

  1. 类似于书籍的目录索引，提高数据检索的效率，降低数据库的IO成本。

  2. 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。

    劣势

  3. 实际上索引也是一张表，该表中保存了主键与索引字段，并指向实体类的记录，所以索引列也是要占用空间

  4. 虽然索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE。因为更新表时，MySQL 不仅要保存数据，还要保存一下索引文件每次更新添加了索引列的字段，都会调整因为更新所带来的键值变化后的索引信息。

    索引结构

    索引是在MySQL的存储引擎层中实现的，而不是在服务器层实现的。所以每种存储引擎的索引都不一定完全相同，也不是所有的存储引擎都支持所有的索引类型的。MySQL目前提供了以下4种索引：

    • BTREE 索引 ： 最常见的索引类型，大部分索引都支持 B 树索引。
    • HASH 索引：只有Memory引擎支持 ， 使用场景简单 。
    • R-tree 索引（空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少，不做特别介绍。
    • Full-text （全文索引） ：全文索引也是MyISAM的一个特殊索引类型，主要用于全文索引，InnoDB从Mysql5.6版本开始支持全文索引。
      MyISAM、InnoDB、Memory三种存储引擎对各种索引类型的支持
      image.png
      我们平常所说的索引，如果没有特别指明，都是指 B+ 树（多路搜索树，并不一定是二叉的）结构组织的索引。其中聚集索引、复合索引、前缀索引、唯一索引默认都是使用 B+tree 索引，统称为 索引。

B-TREE 多路平衡查找树

n叉，key [ceil(m/2)-1] <= n <= m-1

B-Tree 是磁盘等外部存储设备设计的平衡查找数，所以要先了解下什么是磁盘。
系统从磁盘读取数据到内存时是以磁盘块（block）为基本单位，位于同一个磁盘块中的数据会被一次性读取出来，并非要什么取什么。
InnoDB 存储引擎有页 （Page）的概念，页是磁盘管理最小的单位，引擎默认16kb，可以通过参数 innodb_page_size 配置页的大小为 4k、8k、16k
mysql> show variables like ‘innodb_page_size’;
一颗m叉的 B-Tree 满足一下条件：

  • 每个节点最多有 m 个子树
  • 除根节点与叶子节点外，每个节点至少有 [ceil(m/2)] 个分支。
  • 若根节点不是叶子节点，则至少有两个分支。
  • 所有的叶子节点都在同一层。
  • 每个非叶子节点由n个key与n+1个指针组成，其中 [ceil(m/2)-1] <= n <= m-1

举个🌰：

以5叉BTree为例，key的数量：公式推导 [ceil(m/2)-1] <= n <= m-1。所以 2 <= n <=4 。当n>4时，中间节点分裂到父节点，两边节点分裂。
来看看插入 C N G A H E K Q M F W L T Z D P R X Y S 数据 BTree 结构会发生什么？

插入演变过程如下：

1). 插入前4个字母 C N G A
image.png
2). 插入H，n>4，中间元素 G 字母向上分裂到新的节点
image.png
3). 插入E，K，Q 不需要分裂
image.png
4). 插入M，中间元素M字母向上分裂到父节点 G
image.png
5). 插入F，W，L，T 不需要分裂
image.png
6). 插入Z，中间元素T向上分裂到父节点中
image.png
7). 插入D，中间元素D向上分裂到父节点中。然后插入P，R，X，Y不需要分裂
image.png
8). 最后插入 S， NPQR 节点 n>5 ，中间节点 Q 向上分裂，但分裂后父节点 DGMT 的n>5，中间节点M向上分裂到此，该 BTREE 树就已经构建完成了， BTREE 树 和二叉树相比， 查询数据的效率更高， 因为对于相同的数据量来说，BTREE 的层级结构比二叉树小，因此搜索速度快。
image.png
总结：n叉B树，key的范围 [ceil(m/2)-1]<=key <= n-1

B+TREE 结构

B+Tree 为 BTree 的变种，B+Tre 与 B-Tree 的区别为：
1). n叉B+Tree最多含有n个key，而BTree最多含有n-1个key。
2). 数据记录都存放在叶子节点，依key大小顺序排列。
3). 非叶子节点都是key的索引部分

image.png
由于 B+Tree 只有叶子节点保存key信息，查询任何key都要从root走到叶子。所以B+Tree的查询效率更加稳定

Tips：只有叶子节点保存数据，n叉B+树有n个key

MySQL中的B+Tree

MySql索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。
MySQL中的 B+Tree 索引结构示意图:
image.png
Tips：相邻叶子节点之间增加链表指针，便于范围搜索
**

索引分类

索引语法

创建索引

语法

  1. CREATE [UNIQUE|FULLTEXT|SPATIAL] INDEX index_name
  2. [USING index_type]
  3. ON tbl_name(index_col_name,...)
  4. index_col_name : column_name[(length)][ASC | DESC]

🙋‍♀️🌰 ：为 country 表的 country_name 创建索引 idx_country_name

  1. create index idx_country_name on country(country_name);

image.png

查询索引

语法

  1. show index from tbl_name;

🌰

  1. show index from country;

image.png
image.png

删除索引

语法

  1. drop index index_name on tbl_name;

🌰

  1. drop index idx_country_name on country;

ALTER命令

  1. 1). alter table tb_name add primary key(column_list);
  2.   该语句添加一个主键，这意味着索引值必须是唯一的，且不能为NULL
  3. 2). alter table tb_name add unique index_name(column_list);
  4.   这条语句创建索引的值必须是唯一的（除了NULL外，NULL可能会出现多次）
  5. 3). alter table tb_name add index index_name(column_list);
  6.   添加普通索引， 索引值可以出现多次。
  7. 4). alter table tb_name add fulltext index_name(column_list);
  8.   该语句指定了索引为FULLTEXT， 用于全文索引

索引设计原则

  1. 查询频率高+数据量较大
  2. where子句条件中提取
  3. 使用唯一索引
  4. 对与插入、更新、删除等DML操作比较频繁的表，不应添加索引太多
  5. 使用短索引，假如字段总长度比较短，给定大小的存储块内可以存储更多的索引值，提高MySQL访问索引的I/O效率
  6. 利用最左前缀，N个列组合而成的组合索引，那么相当于是创建了N个索引，如果查询时where子句中使用了组成该索引的前几个字段，那么这条查询SQL可以利用组合索引来提升查询效率。

image.png