概念

索引是一种特殊的文件，包含着对数据表里所有记录的引用指针。可以对表中的一列或多列创建索引，并指定索引的类型，各类索引有各自的数据结构实现

作用

数据库中的表、数据、索引之间的关系，类似于书架上的图书、书籍内容和书籍目录的关系。
索引所起的作用类似书籍目录，可用于快速定位、检索数据。
索引对于提高数据库的性能有很大的帮助

优势和劣势

优势 : 提高查询的速度
劣势: 占据额外的硬盘空间,可能会拖慢插入删除修改的速度

具体操作方式

创建索引

自动

在创建表时给字段加主键 外键``unique约束时回自动创建索引

主键约束 : 主键约束要求数据非null且不重复我们每插入一个数据时数据库都要进行一次查询看是否有重复的元素因此数据库会为我们自动创建索引来加快这种查询速度
外键约束: 在向从表中插入数据时,会在主表中查询是否有从表中约束的值,此时数据库会进行一次查询操作因此数据库会为我们自动创建索引来加快这种查询速度
unique约束: unique约束后要求数据不可以重复因此每插入一次数据都会进行一次查询看是否有重复的元素因此数据库会为我们自动创建索引来加快这种查询速度

手动创建

create index 索引名 on 表名(列名)

查看索引

show index from 表名

删除索引

drop index 索引名 on 表名

删除索引只能删除我们手动创建的索引数据库为我们自动生成的索引无法删除

如果对数据量很大的数据库进行插入/删除索引的操作时可能会把数据库卡死

索引的数据结构

我们针对innodb这个存储引擎来讨论MySQL索引的数据结构

哈希表

我们在学习数据结构时哈希表是一种非常强大的数据结构
它可以在o(1)的时间复杂度完成查找操作

但是根据哈希表的存储结构来看他存储的数据都是分散分布在表中
如果我们只针对于查询特定的一个元素那么哈希表无疑非常适合
但是如果我们要查找一个范围内的数据比如说查找小于15岁的学生这时我们就无法快速的查找到该范围内的所有数据因此哈希表并不适合我们索引

二叉搜索树

在这里插入图片描述
二叉搜索树的特点是每个节点的左树都比自身小右节点都比自身大
但是二叉搜索树非常考验插入数据的顺序

在这里插入图片描述

例如我们的数据是按照从大到小的顺序插入此时树结构就不会出现反之出现的是一种类似于链结构的数据结构这样并没有优化硬盘的I/O次数所以不用考虑

平衡二叉树

平衡二叉树在二叉搜索树的基础上解决了我们因为插入元素顺序造成的伪树结构 使树的左右两个树的层级最多相差一保证二叉树平衡

平衡二叉树的查找性能接近于二分查找暑假复杂度为O(log2n)

但是又会出现问题

当数据量大的时候树的高度就会增加而树的高度对应着每条数据查找时和硬盘的I/O次数因此在数据量大时查询效率会大幅降低
和哈希表一样平衡二叉树也不支持范围的快速查找 ,范围查找需要多次遍历二叉树效率很低

B树

根据二叉树的缺陷数据量越大树的高度越高那么我们有没有一种方式来降低树的高度呢?
这时就可以采用B树

B树有以下的特点:

每个结点的值(索引) 都是按递增次序排列存放的，并遵循左小右大原则。

根结点的子节点个数为 [2，M]。

除根结点以外的非叶子结点的子节点个数为[ Math.ceil(M/2)，M]。 Math.ceil() 为向上取整。

每个非叶子结点的值(索引) 个数 = 子节点个数 -1 。最小为 Math.ceil(M/2)-1 最大为 M-1 个。

B树的所有叶子结点都位于同一层。

在这里插入图片描述
每个节点都可以存放多个数据此时树的高度就会大大降低查找效率就会变高