MySQL：索引

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。

提取句子主干，就可以得到索引的本质:索引是数据结构。

1. 什么是索引，索引的作用

索引是一种用于快速查询和检索数据的数据结构，帮助mysql提高查询效率的数据结构，而且是排好序的数据结构，存储在磁盘文件里。

索引的作用是在不读取整个表的情况下，使得数据库应用程序可以更快地查找数据，用户无法看到索引，只能被用来加速检索或查询。

优点：

使用索引可以大大加快数据的检索速度（大大减少检索的数据量）, 这也是创建索引的最主要的原因。
通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。

缺点：

创建索引和维护索引需要耗费许多时间。当对表中的数据进行增删改的时候，如果数据有索引，那么索引也需要动态的修改，会降低 SQL 执行效率。
索引需要使用物理文件存储，也会耗费一定空间。

但是，使用索引一定能提高查询性能吗?

大多数情况下，索引查询都是比全表扫描要快的。但是如果数据库的数据量不大，那么使用索引也不一定能够带来很大提升。

索引建立的原则：

在最频繁使用的、用以缩小查询范围的字段上建立索引。
在最频繁使用的、需要排序的字段上建立索引。
对于查询中很少涉及的列或者重复值比较多的列，不宜建立索引。

2. 索引的类型

1. 主键索引(Primary Key)

数据表的主键列使用的就是主键索引。（唯一标识，主键不可重复，只能有一个列作为主键）

一张数据表有只能有一个主键，并且主键不能为 null，不能重复。（可以理解为一种特殊的唯一索引）

在 MySQL 的 InnoDB 的表中，当没有显示的指定表的主键时，InnoDB 会自动先检查表中是否有唯一索引且不允许存在null值的字段，如果有，则选择该字段为默认的主键，否则 InnoDB 将会自动创建一个 6Byte 的自增主键。

2. 二级索引(辅助索引）

二级索引又称为辅助索引，是因为二级索引的叶子节点存储的数据是主键。也就是说，通过二级索引，可以定位主键的位置。

唯一索引，普通索引，前缀索引等索引属于二级索引。

唯一索引(Unique Key) ：唯一索引也是一种约束。唯一索引的属性列不能出现重复的数据，但是允许数据为 NULL，一张表允许创建多个唯一索引。
普通索引(Normal Index) ：也叫单列索引，给表中的某一个列创建索引，即一个索引只包含单个列；一个表可以有多个单列索引。普通索引的唯一作用就是为了快速查询数据，一张表允许创建多个普通索引，并允许数据重复和 NULL。
前缀索引(Prefix) ：前缀索引只适用于字符串类型的数据。前缀索引是对文本的前几个字符创建索引，相比普通索引建立的数据更小，因为只取前几个字符。
全文索引(Full Text) ：全文索引主要是为了检索大文本数据中的关键字的信息，是目前搜索引擎数据库使用的一种技术。Mysql5.6 之前只有 MYISAM 引擎支持全文索引，5.6 之后 InnoDB 也支持了全文索引。

3. 索引的底层数据结构

1. B 树& B+树

B 树也称 B-树,全称为 多路平衡查找树 ，B+ 树是 B 树的一种变体。B 树和 B+树中的 B 是 Balanced （平衡）的意思。

目前大部分数据库系统及文件系统都采用 B-Tree 或其变种 B+Tree 作为索引结构。

B树是一种平衡多路查找树，满足平衡二叉树的规律，同时可以拥有多个子树，子树的数量取决于关键字的数量，（关键字数量+1），因此从这个特征来看在存储同样数据量，B树会更低一些。
B+树是在B树的基础上做了增强。主要有两点：
- B树的数据存储在每个节点上，而B+树中的数据存储在叶子节点上，并且通过双向链表的方式对叶子节点的数据进行了连接。
- B树的子树数量等于关键词数量加1，B+树的子树数量等于关键字的数量。

2. 为什么选择B/B+树，为什么要用 B+树，为什么不用二叉树？

B/B+Tree更适合文件系统的索引/更适合硬盘上查询的数据结构。

1.高度低-->io次数少
2.顺序io只需一次扫描数据 > 随机io-->性能高
3.多路子树，数据量大不能一次性全部加载到内存时，会每次加载树的一个节点，由于多路子树的节点数量多于普通树的节点，所以每次加载的数量更多-->速度更快

为什么不是一般二叉树？

二者存储数据的结构可以看出，二叉树随着数据的增加，树的高度会越来越高，而B+树是越来越胖。

树的高度越来越高，增加了I/O次数，导致查询效率减低。而B+树随着数据量的增加，树的宽度越来越大，这样空间利用率更高，可减少I/O次数，查询效率较快。

我们知道，在内存比在磁盘的数据，查询效率快得多。如果树这种数据结构作为索引，那我们每查找一次数据就需要从磁盘中读取一个节点，也就是我们说的一个磁盘块，但是平衡二叉树可是每个节点只存储一个键值和数据的，如果是B树，可以存储更多的节点数据，每个节点包含多个数据，树的高度也会降低，因此读取磁盘的次数就降下来啦，查询效率就快啦。

为什么不是B树而是B+树呢？

B+树的层级更少。相较于B树，B+树每个非叶子节点存储的关键字数更多，树的层级更少所以查询数据更快。
B+树查询效率更高。B+树使用双向链表串连所有叶子节点，而且数据是按照顺序排列的，区间查询效率更高（因为所有数据都在B+树的叶子节点，扫描数据库只需扫一遍叶子结点就行了），但是B树则需要通过中序遍历才能完成查询范围的查找。
B+树查询效率更稳定。B+树只有叶子结点存放数据的data值，非叶子节点上只存储key值信息，B+树每次都必须查询到叶子节点才能找到数据，而B树查询的数据可能不在叶子节点，也可能在，这样就会造成查询的效率的不稳定。
B+树的磁盘读写代价更小。B+树的内部节点只存储key值信息，这样可以大大加大每个节点存储的key值数量，降低B+Tree的高度，因此通常B+树矮更胖，查询产生的I/O更少。B树节点中不仅存了数据的key值，还有data值，而每一个页的存储空间是有限的(16KB)，如果data数据较大时将会导致一个页能存储的key的数量很小，当存储的数据量很大时同样会导致B-Tree的深度较大，增大查询时的磁盘I/O次数，进而影响查询效率。

3. 不同引擎对于B+树的实现

B+Tree在两种存储引擎的实现方式是不同的。

MylSAM：B+Tree叶节点的「data域存放的是数据记录的地址」

在索引检索的时候，首先按照B+Tree搜索算法搜索索引，如果指定的key存在，则取出其data域的值，然后以data域的值为地址读取相应的数据记录。这被称为“非聚簇索引”

InnoDB：其数据文件「本身就是索引文件」。

相比MyISAM，索引文件和数据文件是分离的，其表数据文件本身就是按B+Tree组织的一个索引结构，「树的叶节点data域保存了完整的数据记录」。

这个索引的key是数据表的主键，因此InnoDB表数据文件本身就是主索引。这被称为“聚簇索引（或聚集索引）”。而其余的索引都作为辅助索引，辅助索引的data域存储相应记录主键的值而不是地址，这也是和MyISAM不同的地方。

4. B+ Tree索引和Hash索引区别？

B+树可以进行范围搜索，hash索引只支持=的操作符，等值查询。
B+树支持order by进行排序，hash索引没办法利用索引完成排序。
B+树支持多列联合索引的最左匹配规则。hash索引不支持
如果有大量重复健值得情况下，hash索引的效率会很低，因为哈希冲突问题。
B+树使用like进行模糊查询的时候，like后面%开头可以起到优化作用，Hash索引不行。

Hash索引的缺点

查询性能受hash冲突率影响，性能不稳定
只能通过等值匹配的方式查询，不能范围查询
结构存储上没有顺序，查询时排序无法支持

InnoDB引擎有一个特殊额功能叫做“自适应哈希索引”，当 InnoDB注意到某些索引值被使用得非常频繁时，它会在内存中基于B-Tree索引之上再创建一个哈希索引，这样就让B-Tree索引页具有哈希索引的一些优点，比如快速的哈希查找。

4. 聚集索引和非聚集索引

聚集索引即索引结构和数据一起存放的索引。主键索引属于聚集索引。

聚集索引是依据主键创建的索引，除了主键以外的其他索引，都是非聚集索引。

不是单独的索引类型，是一种数据存储方式。

1. 介绍聚集索引和非聚集索引

在InnoDB引擎里，一张表的数据对应的物理文件本身是按照B+树来组织的，而聚集索引就是按照每张表的一个主键来构建这样一个B+树，叶子节点里面存储了表里面的每一行数据记录，基于这样一个特征，聚集索引不仅仅是一种索引类型，还是一种数据存储方式。

同时意味着每张表里必须有主键，没有主键的话innodb会默认添加一个隐藏列作为主键索引来存储这个表的数据行。一般情况建议使用自增id作为主键，因为id本身具有连续性，对应数据也会按照顺序去存储到磁盘上，写入和检索性能都很高。

innodb里只能存在一个聚集索引，如果有多个，那意味着这个表会有多个副本，这不仅会造成空间浪费，还会导致数据的维护困难。

innodb主键索引存储了一个表的完整数据，主键和行记录放在同一个叶节点，找到了主键也就找到了行记录。所以如果是基于非聚集索引去查找一条数据，最终还是需要访问主键索引来进行检索。

跟MyISAM引擎的非聚集索引不同的是，MyISAM叶节点保存的是地址，而InnoDB是主键，InnoDB非聚集索引的索引文件和数据文件分开存储，索引文件的叶节点只保存主键，在查找时，要先找到叶节点中的主键，再根据主键去主索引文件查找详细行记录；

2. 回表查询

上述InnoDB引擎中，非主键索引查找数据时需要先找到主键，再根据主键查找具体行数据，这种现象叫回表查询。

如何解决：覆盖索引，即将查询sql中的字段添加到联合索引里面，只要保证查询语句里面的字段都在索引文件中，就无需进行回表查询；让索引范围覆盖住我们select 的范围，就不会发生回表查询。

比方说有个用户表，有id、name、age、addr四个字段，其中id为主键，主键自带主键索引，无需创建

值1：1、小张、18、成都；

值2：2、小黄、20、北京；

这种查询就必须先在索引文件中找到name为小张的索引节点，很明显这个节点里面只有id，因为这张表只有主键索引，再根据id去数据文件查找具体数据。

如果把name、age、addr建立到联合索引，在找到name为小张的索引节点时，发现里面已经有了我们所需要的age、addr，就无需再到数据文件查找；

当然实际开发中，不可能把所有字段建立到联合索引，应根据实际业务场景，把经常需要查询的字段建立到联合索引即可。

3. 索引下推

索引下推是 MySQL 5.6 版本中提供的一项索引优化功能，可以在非聚簇索引遍历过程中，对索引中包含的字段先做判断，过滤掉不符合条件的记录，减少回表次数。

不使用索引条件下推优化时的查询过程

获取下一行，首先读取索引信息，然后根据索引将整行数据读取出来。
然后通过where条件判断当前数据是否符合条件，符合返回数据。

使用索引条件下推优化时的查询过程

获取下一行的索引信息。
检查索引中存储的列信息是否符合索引条件，如果符合将整行数据读取出来，如果不符合跳过读取下一行。
用剩余的判断条件，判断此行数据是否符合要求，符合要求返回数据。

5. 联合索引和覆盖索引

1. 覆盖索引

如果一个索引包含（或者说覆盖）所有需要查询的字段的值，我们就称之为“覆盖索引”。我们知道在 InnoDB 存储引擎中，如果不是主键索引，叶子节点存储的是主键+列值。最终还是要“回表”，也就是要通过主键再查找一次。这样就会比较慢覆盖索引就是把要查询出的列和索引是对应的，不做回表操作！

覆盖索引即需要查询的字段正好是索引的字段，那么直接根据该索引，就可以查到数据了，而无需回表查询。

2. 联合索引

使用表中的多个字段创建索引，就是 联合索引，也叫组合索引或复合索引。

覆盖索引是通过联合索引来实现的。

3. 最左前缀匹配原则

最左前缀匹配原则指的是，在使用联合索引时，MySQL 会根据联合索引中的字段顺序，从左到右依次到查询条件中去匹配，如果查询条件中存在与联合索引中最左侧字段相匹配的字段，则就会使用该字段过滤一批数据，直至联合索引中全部字段匹配完成，或者在执行过程中遇到范围查询，如 >、<、between 和以%开头的like查询等条件，才会停止匹配。

如有索引 (a,b,c,d)，查询条件 a=1 and b=2 and c>3 and d=4，则会在每个节点依次命中a、b、c，无法命中d。(c已经是范围查询了，d肯定是排不了序了)

因此，列的排列顺序决定了可命中索引的列数。

6. 创建索引及索引的优化

1.选择合适的字段创建索引：

不为 NULL 的字段
被频繁查询的字段
被作为条件查询的字段
频繁需要排序的字段
被经常频繁用于连接的字段

2.被频繁更新的字段应该慎重建立索引。

3.尽可能的考虑建立联合索引而不是单列索引。

4.注意避免冗余索引。

5.考虑在字符串类型的字段上使用前缀索引代替普通索引。

7. MySQL 为表字段添加索引

// 主键索引
ALTER TABLE `table_name` ADD PRIMARY KEY ( `column` )
 
//唯一索引
ALTER TABLE `table_name` ADD UNIQUE ( `column` )
 
//普通索引
ALTER TABLE `table_name` ADD INDEX index_name ( `column` )
 
//全文索引
ALTER TABLE `table_name` ADD FULLTEXT ( `column`)
 
//联合索引
ALTER TABLE `table_name` ADD INDEX index_name ( `column1`, `column2`, `column3` )