九、索引与执行计划、索引的分类

索引与执行计划

索引入门
- - 生活中的索引
- MySql 中的索引
- 谈下 B+Tree
- - 二分查找
- 二叉树(Binary Tree)
- 平衡二叉树（AVL-树）
- - 平衡二叉树的遍历
  - 平衡二叉树的旋转
- B+树
- - - B+树的定义
  - B+树的作用
  - B+树的插入操作
- 索引的分类
- - 基础语法

上篇-mysql gap锁与慢查询

索引入门

###索引是什么

生活中的索引

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。可以得到索引的本质：索引是数据结构。

上面的理解比较抽象，举一个例子，平时看任何一本书，首先看到的都是目录，通过目录去查询书籍里面的内容会非常的迅速。

上图就是一本金瓶梅的书，书籍的目录是按顺序放置的，有第一节，第二节它本身就是一种顺序存放的数据结构，是一种顺序结构。另外通过目录（索引），可以快速查询到目录里面的内容，它能高效获取数据，通过这个简单的案例可以理解所以就是高效获取数据的数据结构。
再来看一个复杂的情况

我们要去图书馆找一本书，这图书馆的书肯定不是线性存放的，它对不同的书籍内容进行了分类存放，整索引由于一个个节点组成，根节点有中间节点，中间节点下面又由子节点，最后一层是叶子节点，可见，整个索引结构是一棵倒挂着的树，其实它就是一种数据结构，这种数据结构比前面讲到的线性目录更好的增加了查询的速度。

MySql 中的索引

MySql 中的索引其实也是这么一回事，我们可以在数据库中建立一系列的索引，比如创建主键的时候默认会创建主键索引，上图是一种 BTREE 的索引。每一个节点都是主键的 ID 当我们通过 ID 来查询内容的时候，首先去查索引库，在到索引库后能快速的定位索引的具体位置。

谈下 B+Tree

要谈 B+TREE 说白了还是 Tree,但谈这些之前还要从基础开始讲起

二分查找

二分查找法（binary search）也称为折半查找法，用来查找一组有序的记录数组中的某一记录。其基本思想是：将记录按有序化（递增或递减）排列，在查找过程中采用跳跃式方式查找，即先以有序数列的中点位置作为比较对象，如果要找的元素值小于该中点元素，则将待查序列缩小为左半部分，否则为右半部分。通过一次比较，将查找区间缩小一半。

给出一个例子，注意该例子已经是升序排序的，且查找数字 48
数据：5, 10, 19, 21, 31, 37, 42,48, 50, 52
下标：0, 1, 2 ,3 , 4, 5, 6, 7, 8, 9
步骤一：设 low 为下标最小值 0 ， high 为下标最大值 9 ;
步骤二：通过 low 和 high 得到 mid ，mid=（low + high） / 2，初始时 mid 为下标 4 (也可以=5，看具体算法实现)；
步骤三： mid=4 对应的数据值是 31，31 < 48（我们要找的数字）；
步骤四：通过二分查找的思路，将 low 设置为 31 对应的下标 4 ， high 保持不变为 9 ，此时 mid 为 6 ；
步骤五： mid=6 对应的数据值是 42，42 < 48（我们要找的数字）；
步骤六：通过二分查找的思路，将 low 设置为 42 对应的下标 6 ， high 保持不变为 9 ，此时 mid 为 7 ；
步骤七： mid=7 对应的数据值是 48，48 == 48（我们要找的数字），查找结束；通过 3 次二分查找就找到了我们所要的数字，而顺序查找需 8

二叉树(Binary Tree)

每个节点至多只有二棵子树；

二叉树的子树有左右之分，次序不能颠倒；
一棵深度为 k，且有个节点，称为满二叉树(Full Tree)；
一棵深度为 k，且 root 到 k-1 层的节点树都达到最大，第 k 层的所有节点都连续集中在最左边，此时为完全二叉树（Complete Tree）

平衡二叉树（AVL-树）

左子树和右子树都是平衡二叉树；
左子树和右子树的高度差绝对值不超过 1；

非平衡二叉树

平衡二叉树的遍历

前序：6 ,3, 2, 5,7, 8（ROOT 节点在开头, 中 -左-右顺序）
中序：2, 3, 5, 6,7, 8（中序遍历即为升序，左- 中 -右顺序）
后序：2, 5, 3, 8,7, 6 （ROOT 节点在结尾，左-右- 中顺序）

平衡二叉树的旋转

需要通过旋转（左旋，右旋）来维护平衡二叉树的平衡，在添加和删除的时候需要有额外的开销。

B+树

B+树的定义

数据只存储在叶子节点上，非叶子节点只保存索引信息；
- 非叶子节点（索引节点）存储的只是一个 Flag，不保存实际数据记录；
- 索引节点指示该节点的左子树比这个 Flag 小，而右子树大于等于这个 Flag
叶子节点本身按照数据的升序排序进行链接(串联起来)；
- 叶子节点中的数据在 物理存储上是无序 的，仅仅是在 逻辑上有序（通过指针串在一起）；

B+树的作用

在块设备上，通过 B+树可以有效的存储数据；
所有记录都存储在叶子节点上，非叶子(non-leaf)存储索引(keys)信息；
B+树含有非常高的扇出（fanout），通常超过 100，在查找一个记录时，可以有效的减少 IO 操作；

B+树的扇出(fan out)

该 B+ 树高度为 2
每叶子页（LeafPage）4 条记录
扇出数为 5
叶子节点(LeafPage)由小到大（有序）串联在一起

扇出是每个索引节点(Non-LeafPage)指向每个叶子节点(LeafPage)的指针
扇出数 = 索引节点(Non-LeafPage)可存储的最大关键字个数 + 1

图例中的索引节点(Non-LeafPage)最大可以存放 4 个关键字，但实际使用了 3 个；

B+树的插入操作

B+树的插入
B+树的插入必须保证插入后叶子节点中的记录依然排序。

https://blog.csdn.net/shenchaohao12321/article/details/83243314

索引的分类

普通索引：即一个索引只包含单个列，一个表可以有多个单列索引
唯一索引：索引列的值必须唯一，但允许有空值
复合索引：即一个索引包含多个列
聚簇索引(聚集索引)：并不是一种单独的索引类型，而是一种数据存储方式。具体细节取决于不同的实现，InnoDB 的聚簇索引其实就是在同一个结构中保存了 B-Tree 索引(技术上来说是 B+Tree)和数据行。
非聚簇索引：不是聚簇索引，就是非聚簇索引

基础语法

查看索引

SHOW INDEX FROM table_name\G

创建索引

 CREATE [UNIQUE ] INDEX indexName ON mytable(columnname(length)); ALTER TABLE 表名 ADD [UNIQUE ] INDEX [indexName] ON (columnname(length))

删除索引

 DROP INDEX [indexName] ON mytable;