索引(Index)相关及索引原理(B树，B+树）

MySQL和Oracle语法

SQL语句优化

MySQL大表优化

一、什么是索引？

索引（Index）是帮助MySQL高效获取数据的数据结构。
在关系数据库中，索引是一种单独的、物理的对数据库表中一列或多列的值进行排序的一种存储结构，它是某个表中一列或若干列值的集合和相应的指向表中物理标识这些值的数据页的逻辑指针清单。索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容。

索引

索引提供指向存储在表的指定列中的数据值的指针，然后根据指定的排序顺序对这些指针排序。数据库使用索引以找到特定值，然后顺指针找到包含该值的行。这样可以使对应于表的SQL语句执行得更快，可快速访问数据库表中的特定信息。

当表中有大量记录时，若要对表进行查询，第一种搜索信息方式是全表搜索，是将所有记录一一取出，和查询条件进行一一对比，然后返回满足条件的记录，这样做会消耗大量数据库系统时间，并造成大量磁盘I/O操作；第二种就是在表中建立索引，然后在索引中找到符合查询条件的索引值，最后通过保存在索引中的ROWID（相当于页码）快速找到表中对应的记录。索引是一种数据结构（平衡树非二叉），即B树，B+树，通过不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件。

二、为什么要建立索引？

一个没有索引的数据库表就相当于一本没有索引的新华字典，当想找出其中一个汉字的时候，无异于寻找MH370碎片。为指定的字段创建索引之后，当我们根据条件查找数据的时候，数据库引擎就可以利用查找算法（二分查找法）很高效的查出来。

三、选择什么字段建立索引

索引也是要占用存储空间的，建立索引的时候也是有一定的规则可寻的。

1️⃣选择一些经常要作为查询条件的字段。
2️⃣选择区分度高的字段。count(distinct 字段)/count(*)，当然最小就是1了，也就是唯一索引了。这个值越小，查询的效率越高。当这个值大到一定的程度的时候，数据库就会放弃索引进行全表扫描。假设一个表有一百万的数据，其中有一个性别的字段。然后为该字段建了一个索引，自以为查询性能提升了N倍。其实，你就相当于把一百万条数据按照性别分别放到两个箱子里面，因为每箱子里面的性别都是一样的，索引起不了任何作用，二分查找也用不上，只能用暴力算法解决，全表扫描。相反，可以为身份证号码建立唯一索引，这样可以从头到尾用二分查找法查找，非常高效。

四、索引类型

1️⃣普通索引【normal】：使用字段关键字建立的索引，主要是提高查询速度。
2️⃣唯一索引【unique】：加速查询 + 列值唯一（可以有null）+ 表中可以有多个
3️⃣主键索引【primary】：加速查询 + 列值唯一（不可以有null）+ 表中只有一个
4️⃣组合索引：多列值组成一个索引，专门用于组合搜索，其效率大于索引合并
5️⃣全文索引【full text】：对文本的内容进行分词，进行搜索。在比较老的版本中，只有 myisam 引擎支持全文索引，在 innodb5.6后引擎也支持全文索引，在 mysql 中全文索引不支持中文。一般使用 sphinx 集合coreseek 来实现中文的全文索引。
6️⃣spatial：空间索引。

ps.索引合并，使用多个单列索引组合搜索

覆盖索引，select的数据列只用从索引中就能够取得，不必读取数据行，换句话说查询列要被所建的索引覆盖

五、索引方法

MySQL目前主要有以下几种索引类型：FULLTEXT，HASH，BTREE，RTREE。

1. 全文索引~FULLTEXT
   目前只有MyISAM引擎支持。其可以在CREATE TABLE ，ALTER TABLE ，CREATE INDEX 使用，不过目前只有 CHAR、VARCHAR ，TEXT 列上可以创建全文索引。全文索引并不是和MyISAM一起诞生的，它的出现是为了解决where name like “%word%"这类针对文本的模糊查询效率较低的问题。

2. HASH
   由于HASH的唯一（几乎100%的唯一）及类似键值对的形式，很适合作为索引。HASH索引可以一次定位，不需要像树形索引那样逐层查找,因此具有极高的效率。但是，这种高效是有条件的，即只在“=”和“in”条件下高效，对于范围查询、排序及组合索引仍然效率不高。

3. BTREE
   BTREE索引就是一种将索引值按一定的算法，存入一个树形的数据结构中（二叉树），每次查询都是从树的入口root开始，依次遍历node，获取leaf。这是MySQL里默认和最常用的索引类型。

4. RTREE
   RTREE在MySQL很少使用，仅支持geometry数据类型，支持该类型的存储引擎只有MyISAM、BDb、InnoDb、NDb、Archive几种。相对于BTREE，RTREE的优势在于范围查找。

六、B树

1. 定义任意非叶子结点最多只有M个儿子；且M>2；
2. 根结点的儿子数为[2, M]；
3. 除根结点以外的非叶子结点的儿子数为[M/2, M]；
4. 每个结点存放至少M/2-1（取上整）和至多M-1个关键字；（至少2个关键字）
5. 非叶子结点的关键字个数=指向儿子的指针个数-1；
6. 非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]；
7. 非叶子结点的指针：P[1], P[2], …, P[M]；其中P[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树；
8. 所有叶子结点位于同一层；

七、B-树

B-树的搜索，从根结点开始，对结点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点；重复，直到所对应的儿子指针为空，或已经是叶子结点；

B-树的特性：

1. 关键字集合分布在整颗树中；
2. 任何一个关键字出现且只出现在一个结点中；
3. 搜索有可能在非叶子结点结束；
4. 其搜索性能等价于在关键字全集内做一次二分查找；
5. 自动层次控制；

由于限制了除根结点以外的非叶子结点，至少含有M/2个儿子，确保了结点的至少利用率，其最底搜索性能为：

其中，M为设定的非叶子结点最多子树个数，N为关键字总数；
所以B-树的性能总是等价于二分查找（与M值无关），也就没有B树平衡的问题；
由于M/2的限制，在插入结点时，如果结点已满，需要将结点分裂为两个各占M/2的结点；删除结点时，需将两个不足M/2的兄弟结点合并；

八、B+树是B-树的变体，也是一种多路搜索树

1. 其定义基本与B-树同，除了：
2. 非叶子结点的子树指针与关键字个数相同；
3. 非叶子结点的子树指针P[i]，指向关键字值属于[K[i], K[i+1])的子树（B-树是开区间）；
4. 为所有叶子结点增加一个链指针；
5. 所有关键字都在叶子结点出现；

B+的特性：

1. 所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的；
2. 不可能在非叶子结点命中；
3. 非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层；
4. 更适合文件索引系统。