文章目录

一、索引概述
- 1.索引的定义
- 2.索引的作用
- 3.索引的优缺点
二、索引结构
- 1.概述
- 2.索引的演进
- - 1.二叉树
  - 2.B-Tree
  - 3.B+Tree
  - 4.Hash
二、索引分类
- 1.MySQL中索引分类
- 2.MySQL存储引擎中索引分类

一、索引概述

1.索引的定义

索引（index）是一种数据结构，使用这种数据结果可以高效的检索数据。一般来说，索引是有序的。在MySQL中，除数据之外，数据库系统还维护着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。

2.索引的作用

如上表，假如我们要执行的SQL语句为： select * from user where age = 45;

无索引情况。需要从第一行开始扫描，一直扫描到最后一行，这样进行全表扫描，效率低下。
有索引情况。
如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

备注：这里我们只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，后面会详细介绍。

3.索引的优缺点

优点

提高数据检索的效率，降低数据库的IO成本
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。

缺点

索引列也是要占用空间的。
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时，效率降低。

二、索引结构

1.概述

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

上述是MySQL中所支持的所有的索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持情况。

注意：我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

2.索引的演进

1.二叉树

二叉树是一种相对简单的数据结构，这里从二叉树开始介绍，分析其中有优缺点，以及最后MySQL为什么会选择B+Tree。
如下是比较理想的二叉树：

如果需要检索20，则只需要进行4次检索和比较。
但如果是主键自增顺序插入，则二叉树会退化为一个链表，如下图：

此时需要检索20，就需要6次的检索和比较。
所以，如果选择二叉树作为索引结构，会有一下缺点：

顺序插入时，会形成一个链表，查询性能大大降低。
大数据量情况下，层级较深，检索速度慢。

这里有的同学可能会想到使用红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,结构如下:

相比二叉树，红黑树解决了顺序插入时会退化成链表的问题，但还是存在一个缺点：

大数据量情况下，层级较深，检索速度慢。

所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree，那么什么是B+Tree呢？在详解B+Tree之前，先来介绍一个B-Tree。

注意：没有所谓B减树，B减数实际就是B树，只是表示时都使用了B-Tree，我个人都统计B树或B杠数。

2.B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支。以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

备注：树的度数指的是一个节点的子节点个数。

这是一个数据结构可视化网站：http://www.rmboot.com/Algorithms.html
我们选择B-Tree来演示。http://www.rmboot.com/BTree.html

插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中，节点的变化情况。

特点：

5阶的B树，每一个节点最多存储4个key，对应5个指针。
一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
在B树中，非叶子节点和叶子节点都会存放数据。

我们再看看B+Tree，为什么MySQL选择了B+Tree。

3.B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，其结构示意图：

我们可以看到，两部分：

绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

我们选择B+Tree来演示。http://www.rmboot.com/BPlusTree.html

插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中，节点的变化情况。

最终我们看到，B+Tree 与 B-Tree相比，主要有以下三点区别：

所有的数据都会出现在叶子节点。
叶子节点形成一个单向链表。
非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

上述为标准的B+Tree结构，MySQL对原标准的B+Tree做了进一步优化。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，利于排序。

B+Tree和B-Tree的不同点：

B-Tree的叶子节点没有指针，B+Tree树有。所以B+Tree在做范围查询时更具有优势，从索引中找到开始的元素，然后顺着指针遍历。而B-Tree则需要在索引数中多差查找。
B-Tree的非叶子节点也存放数据，B+Tree树则不会存放。这使得每一个磁盘页能存储更多的元素，从而能让树更矮，减少IO次数，提高效率。
B+Tree查询时必须查询到叶子节点，B-Tree则不需要。所以B+Tree的会更加稳定。

4.Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型—Hash索引。
1.结构
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。

2.特点

Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）
无法利用索引完成排序操作
查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引

3.存储引擎支持
在MySQL中，支持hash索引的是Memory存储引擎。而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

思考题：为什么InnoDB存储引擎选择使用B+tree索引结构?
A. 相对于二叉树，层级更少，搜索效率高；
B. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
C. 相对Hash索引，B+tree支持范围匹配及排序操作；

二、索引分类

1.MySQL中索引分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

2.MySQL存储引擎中索引分类

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

聚集索引选取规则:

如果存在主键，主键索引就是聚集索引。
如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

聚集索引和二级索引的具体结构如下：

聚集索引的叶子节点下挂的是这一行的数据。
二级索引的叶子节点下挂的是该字段值对应的主键值。

当我们执行如下的SQL语句时，具体的查找过程是什么样子的。

具体过程如下:

由于是根据name字段进行查询，所以先根据name='Arm’到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到 Arm 对应的主键值 10。
由于查询返回的数据是*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row。
最终拿到这一行的数据，直接返回即可。

回表查询：这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

学习了MySQL的索引，我们可以应该能回答一下两个问题：

以下两条SQL语句，那个执行效率高? 为什么?
A. select * from user where id = 10 ;
B. select * from user where name = ‘Arm’ ;
备注: id为主键，name字段创建的有索引；
答案：A 语句的执行性能要高于B 语句。因为A语句直接走聚集索引，直接返回数据。而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。
InnoDB主键索引的B+tree高度为多高呢?
假设:一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
如果高度为2：
n * 8 + (n + 1) * 6 = 16*1024 , 算出n约为 1170
1171 * 16 = 18736
也就是说，如果树的高度为2，则可以存储 18000 多条记录。
如果高度为3：
1171 * 1171 * 16 = 21939856
也就是说，如果树的高度为3，则可以存储 2200w 左右的记录。
所以，一般表数据上了2000w就要进行分表了。

【MySQL 面试系列】索引原理相关推荐

MySQL索引的理解学习,面试不问索引原理就是事务原理
目录 MySQL执行SQL的整体流程引言, MySQL索引底层学习原因磁盘介绍(理解磁盘IO) 索引底层数据结构B+树 B+树(聚集索引) B+树(辅助索引) 思考一下为何使用B+树结构, 不是B ...
阿里P8架构师谈：MySQL数据库的索引原理、与慢SQL优化的5大原则
MySQL凭借着出色的性能.低廉的成本.丰富的资源,已经成为绝大多数互联网公司的首选关系型数据库.虽然性能出色,但所谓"好马配好鞍",如何能够更好的使用它,已经成为开发工程师的必修 ...
mysql b tree索引原理_B+Tree原理及mysql的索引分析
一.索引的本质 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. 我们知道,数据库查询是数据库的最主要功能之 ...
java mysql 全文索引_MySQL索引原理
什么是索引? "索引"是为了能够更快地查询数据.比如一本书的目录,就是这本书的内容的索引,读者可以通过在目录中快速查找自己想要的内容,然后根据页码去找到具体的章节. 数据库也是一样 ...
全局索引前缀索引_面试系列索引种类与优化
索引虽然快,但是占用了额外的空间,所以需要有一定权衡覆盖索引回表查询 InnoDB的普通索引无法直接定位行记录,所以普通索引的查询过程是怎么样的呢? 通常情况下,需要扫码两遍索引树.这就是所谓的回 ...
mysql gis index 索引原理_Mysql 索引原理及优化
Mysql 索引原理及优化什么是索引为什么需要索引? 索引是数据表种一个或者多个列进行排序的数据结构索引能够大幅提升检索速度创建.更新索引本身也会耗费空间和时间查找结构进化史线性查找:一个 ...
【MySQL】数据库索引原理 | 索引数据结构 | B+Tree
数据库索引原理 | 索引数据结构 | B+Tree 文章目录数据库索引原理 | 索引数据结构 | B+Tree 一. 数据库索引简介二. 红黑树与 B-Tree 1. 红黑树 2. B-Tree ...
mysql的覆盖索引原理_「Mysql索引原理（七）」覆盖索引
通常大家都会根据查询的WHERE条件来创建合适的索引,不过这只是索引优化的一个方面.设计优秀的索引应该考虑到整个查询,而不单单是WHERE条件部分.索引确实是一种查找数据的高效方式,但是MySQL也可 ...
mysql gis index 索引原理_从原理到优化，深入浅出数据库索引
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. 数据库查询是数据库的最主要功能之一,我们都希望查询数据的速度能尽可能的快,因此数据库系统的设计者会从查询算法的 ...
Mysql数据库的索引原理
写在前面:索引对查询的速度有着至关重要的影响,理解索引也是进行数据库性能调优的起点.考虑如下情况,假设数据库中一个表有10^6条记录,DBMS的页面大小为4K,并存储100条记录.如果没有索引,查询将 ...

【MySQL 面试系列】索引原理