【SQL 必知必会】性能篇 04.深入浅出索引（一）

索引在SQL优化中占很大的比重，好的索引能提高查询效率。索引好比书本的目录，通过目录我们可以在海量的数据中很快的定位到要查找的内容，如果不加索引，则是通过表一个个扫描的，查询效率极低，但是加了索引一定好么？什么情况下我们不使用索引呢？我们常见的索引类型都有哪些？索引的知识点较多，篇幅可能不止这一篇哦！

1. 思考

• 索引为什么快，索引常见的模型有哪些？
• 索引是万能的么，加索引一定快么？
• 什么情况下不使用索引 常见的索引种类有哪些？

2.索引为什么这么快（mysql为什么选择的B+Tree）

实现索引的方式有很多，是常见的有哈希、有序数组、搜索树三种。

哈希

哈希：是一种键值对（key-value）的存储结构，通过一定的哈希算法，存储数据，当查找数据的时候通过key，可直接找到对应的值Value，此时会存在哈希冲突，所谓的哈希冲突就是多个key经过哈希算法那得到同一个值，此时需要在存放value值的位置后面拉出一个链表，通过哈希函数算得出N以后，然后顺序遍历该链表，但是存在一个问题，链表不是有序的，如果哈查找某区间的数据 ，则会将所有的链表都遍历一遍，查询效率是很低的，我们可以得出，hash这种数据结构模型适合于No SQL 数据库，例如Redis等 在关系型数据库中，也只适合等值查询，SQL语句如下所示：

select * from user where id =001;

有序数组

有序数组：如果进行范围查询的话，我们可以将上述链表改为有序数组，数组是一块连续的内存空间，这样可以查询一个区间的数据就会变得很快，也可以通过二分法查找具体的某一个数据，时间复杂度为O(logn)。问题来了，如果在数组总进行数据的插入和删除操作，可能会对数据进行移动，插入和删除数据会成本就会很高，时间复杂度为O(n)。所以有序数组适合于静态的存储引擎，例如经常存放不变的历史数据的数据仓库。

二叉树

二叉树：每个节点最多有两个后继节点，且右子树的值大于左子树的值，这样我们可以通过二分法查找我们需要的数据，此时时间复杂度为O(logn)。可见查询速率是树的高度成反比，后来引入的B-Tree，以及B+Tree等，稍后我们会具体详解B+Tree。

3. 索引是万能的么？什么情况下不使用它！

1. 数据量少的时候不使用索引

当数据量很少的时候全表扫描的速度，大于有索引的速度。我们知道计算机存储的基本单位是页，一个页中可能是多行数据记录，当进行 I/O 操作的时候，是以页为单位对数据进行的加载。我们极致的想一下，如果数据量只有一条，此时如果加索引，先查找索引，然后在根据索引找数据，不加索引则直接通过全表扫描查找数据。那么数据量多少是少呢?一般少于1000行数据时不用加索引的。

2. 数据重复度高于10% 的时候不适用索引。

例如数据表中性别字段，除了男性就是女性，数据重复度为50%。那么这个性别字段是不用加索引的。

如果你想要在 100 万行数据中查找其中的 50 万行（比如性别为男的数据），一旦创建了索引，你需要先访问 50 万次索引，然后再访问 50 万次数据表，这样加起来的开销比不使用索引可能还要大。

但是我们不能以偏概全，如果一个乒乓球队，女性只有1人，男性人数将近占到99%。这样建立索引还是有效的。不仅要看字段中的值得重复度，（0代表女，1代表男 ）还要根据数值的分布情况（女性只占很小的一部分，男性占很大一部分）是需要建立索引的。

2. 索引的种类

2.1 按照字段个数划分

单一索引 ：索引列为一列。
联合索引 ：多个列组合在一起创建的索引。

联合索引存在最左匹配原则，创建联合索引时，列的先后顺序对查询效率也要一定的影响，例如（x,y,z）和（y,z,x）索引顺序的不同对查询效率也有一定的影响。所谓的最左匹配原则，顾名思义最先满足前面列，例如联合索引的顺序为x，y，z。如果查询条件为x=1 AND y=2 AND z=3 或者 x=1 AND y=2 或者x=1，该联合索引就可以使用，如果一开始就匹配y或者z，则联合索引失效。

2.2 按照逻辑划分

普通索引：最基础的索引，无任何约束，一张表中可以有多个。
唯一索引：在普通索引基础上增加了唯一性约束（UNIQUE），一张表中可以有多个。
主键索引：在唯一索引（UNIQUE）基础上增加不为空的约束（NOT NULL），一张表中只有一个。
全文索引：通常用作搜索引擎用，基本不用，作搜索引擎通常使用ES。

2.3 按照物理划分划分

聚集索引：数据表中的每行数据，按照索引排序方式进行数据的顺序存储，数据在物理上的存储顺序是一致的。如果找某一汉字，可以通过汉字的拼音直接找到。聚集索引数据直接存放在B+Tree的叶子节点中。索引和数据一一对应，一个表中只可以有一个聚集索引。因为数据时按顺序存放的，可见对数据进行插入删除更新效率比非聚集索引低。

非聚集索引：数据在物理上的存储是随机的，例如以下两个汉字，“江河” 在字典中的存储顺序是不一致的，也就是物理上的不一致，是随机存放的。所谓的非聚集索引就好比通过汉字的偏旁部首来找汉字，大致分为两步，首先第一步先找到索引，也就是找到汉字的偏旁部首 “ 氵”，其次在根据这个索引找到汉字。非聚集索引只是维护自己的索引表即可，所以非聚集索引叶子节点中只存放该汉字的具体位置。
”什“这个汉字，我们既可以通过偏旁部首 " 亻" 找到它 ，也可以通过偏旁部首 “十”，找到该汉字，可见一张表中可以有多个非聚集索引。
由于数据随机存放，所以对表进行插入删除更新等操作效率高于聚集索引，查询速率低于聚集索引。

3.总结

索引可以提高对表数据的查询效率，然而数据表数据量小于1000 行，字段的数值重复度高于10%，也不适合用索引。当然索引也存在一些不足，比如占用存储空间、降低数据库写操作的性能等，如果有多个索引还会增加索引选择的时间。当我们使用索引时，需要平衡索引的利（提升查询效率）和弊（维护索引所需的代价）。其次我们学习了索引的常用模型，讲到了，哈希链表，有序数组，以及搜索树等存储模型，不同的模型有各自的优缺点。平衡利弊，还是那句话，没有最好的，只要最适合的。