【MySQL数据库】----MySQL的索引

目录

1.初识MySQL索引

2.索引的劣势

3.和索引相关的一些sql

4.索引背后的数据结构

4.1HashTable

4.2.顺序表和链表

4.3.二叉搜索树

4.4.AVL树

5.B树

5.1B树的优势和劣势

6.B+树（升级版B树）

7.量身定做 B+ 树

8.总结

9.参考博文

1.​​​​​​一文搞懂MySQL索引所有知识点（建议收藏）_敖丙-CSDN博客_mysql索引知识点 

2.Mysql索引整理总结_阿飞云-CSDN博客_mysql索引csdn

3.MySQL数据库几种常用的索引类型使用介绍 - mysql数据库栏目 - 红黑联盟

---

1.初识MySQL索引

MySQL的索引的建立对MySQL的高效运行时很重要的，索引可以大大提高MySQL的检索速度

打个比方，如果合理的设计且使用索引的MySQL是一辆兰博基尼的话，那么没有设计和使用索引的MySQL就是一个人力三轮车。

拿汉语字典的目录页（索引）打比方，我们可以按拼音、笔画、偏旁部首等排序的目录（索引）快速查找到需要的字。

索引分单列索引和组合索引。单列索引，即一个索引只包含单个列，一个表可以有多个单列索引，但这不是组合索引。组合索引，即一个索引包含多个列。

2.索引的劣势

索引的主要目的就是提高查找效率，但是效率提高了，总是要付出一些代价

索引就相当于书的目录，对于一般的书目录比较少，但是如果内容巨大呢，就要耗费许多纸张来创建目录，索引也是这样，对于企业的数据库，数据量一般都特别的大，索引消耗的空间也就特别的大，而后续对数据库的内容进行修改，同样也需要对索引进行修改，拖慢了整体的增删查改

---

3.和索引相关的一些sql

--查看索引
show index from 表名;

--创建索引
creat index 索引名字 on 表名（列名）;

--删除索引
drop index 索引名字 on 表名; 

创建和删除索引是一件非常低效的事，尤其是当前表里已经有很多数据的时候，如果未来在公司操作线上数据库，如果这个表没有索引不能贸然的去创建和删除索引 

---

4.索引背后的数据结构

4.1HashTable

我们使用Hash表存储表数据Key可以存储索引列，Value可以存储行记录或者行磁盘地址。Hash表在等值查询时效率很高，时间复杂度为O(1)；但是不支持范围快速查找，范围查找时还是只能通过扫描全表方式。但是哈希表并不能作为范围查找以及“大于小于”的数据库所使用

4.2.顺序表和链表

根据顺序表和链表的结构，想要查找就必须要遍历，显然也不符合我们的要求 

4.3.二叉搜索树

 关于二叉搜索树：每个父节点最多有两个子节点，左子树的值小于右子树

但是二叉搜索树的时间复杂度是o（n），这是为什么呢？

一般我么所说的二叉搜索树的时间复杂度是考虑最坏的情况，那就是二叉搜索树变成一个单枝树 

如果是一个单枝树，当数据越多的时候，树的高度就越来越高，而高度就对应这比较次数，就大大增加了磁盘IO

磁盘IO的概念_letterwuyu的专栏-CSDN博客_磁盘io

4.4.AVL树

AVL树是一颗高度平衡的二叉树。

既然解决了搜索树变成单枝树的可能，那么用AVL树应该就可以了吧，但是结果依旧不行

理由：

1.AVL树的时间复杂度是logN。树的高度有多高，数据库就要检索多少次，每个节点的读取，都对应一次磁盘 IO 操作，树的高度就相当于磁盘IO的次数，磁盘每次寻道时间为10ms。假设有一百万个数据，logN就等于20，time = 20 * 0.1 = 2s。这只是一百万的数据，对于一般的企业来说，数据的数量远不止一百万。

2.平衡二叉树不支持范围查询快速查找，范围查询时需要从根节点多次遍历，查询效率不高。

---

MySQL的数据是存储在磁盘文件中的，查询处理数据时，需要先把磁盘中的数据加载到内存中，磁盘IO 操作非常耗时，所以我们优化的重点就是尽量减少磁盘 IO 操作。访问二叉树的每个节点就会发生一次IO，如果想要减少磁盘IO操作，就需要尽量降低树的高度。那如何降低树的高度呢？

5.B树

1.B树的每个节点上都会存储N 个 key 值

2.N 个key 值就划分出了N+1个区间

3.每个区间都对应一个子树

4.所有的叶子结点都位于同一层，叶节点具有相同的深度，叶节点之间没有指针连接

5.1B树的优势和劣势

优势：

降低了树的高度，减少了磁盘的IO

劣势：

每个节点的比较次数变多了

6.B+树（升级版B树）

 1.B+树也是一个 N 叉树

2.每个节点上都包含多个 key 值

3.如果每个节点有 N 个key ，就分成 N 个区间

4.父节点的值都会在子节点中体现出来，非叶子结点中的每一个值最终都会在叶子结点中体现出来

5.父节点中的值会作为子节点中的最大值或者最小值

6.最下面的叶子结点使用链表进行顺序连接

7.量身定做 B+ 树

B+树，作为B树的升级版，在B树基础上，MySQL在B树的基础上继续改造，使用B+树构建索引。B+树和B树最主要的区别在于非叶子节点是否存储数据的问题

• B树：非叶子节点和叶子节点都会存储数据。
• B+树：只有叶子节点才会存储数据，非叶子节点至存储键值。叶子节点之间使用双向指针连接，最底层的叶子节点形成了一个双向有序链表。

1.使用 B+树进行查找的时候，整体的IO次数也是较少

2.所有的查询最终都会落到叶子结点上，每次查询的IO次数都是差不多的，查询速度稳定

3.叶子结点用链表连接之后，非常适合进行范围查找

4.所有的数据存储（载荷）都是放到叶子结点上的，非叶子结点中值保存key值即可，因此非叶子结点整体占用的空间较小，甚至可以缓存到内存当中（一旦能够完全放到内存当中，这个时候磁盘的IO几乎就没了）

8.总结

MySQL改善查询性能改善的最好方式，就是通过数据库中合理地使用索引！

一般当数据量较大的时候，遇到sql查询性能问题，首先想到的应该是查询的sql时候使用了索引，如果使用了索引性能还是提高不大，就要检查索引是否使用正确，索引是否在sql查询中生效了！

如果索引生效了，并且索引的使用也是合理的，最后sql性能还是不高，那就考虑重新优化sql语句！

9.参考博文

1.​​​​​​一文搞懂MySQL索引所有知识点（建议收藏）_敖丙-CSDN博客_mysql索引知识点 

2.Mysql索引整理总结_阿飞云-CSDN博客_mysql索引csdn

3.MySQL数据库几种常用的索引类型使用介绍 - mysql数据库栏目 - 红黑联盟