索引

不同类型的索引 -》 不同的数据结构 -》 Hash散列 ，二叉树，红黑树，B+Tree。

索引的 作用 ： 快速检索数据

索引的 本质 ： 数据结构

数据结构 包括 ： 数组，链表，队列，树

数据结构的本质 ： 就是为了更好的存储数据

Hash散列法 ： 缺点：不能排序，会出现插入重复的冲突的问题，

优点：是时间复杂度O（1），精确查找非常快 。但是不能范围查询。

Hash散列法 的 查找过程：其实就是 查找的值 % 数组长度 ，得到的值就是在数组中的下标，可以直接找到对应的位置。

二叉树：缺点，会出现无法平衡的情况

红黑树： 相对平衡。 相对于 二叉树，相对平衡。但是还是会出现偏一侧的情况。

B+Tree :  不像二叉树，只能两个子节点，就要乡下增加层数。B+Tree优先横向存储，存不下了，再向下存储。

原理： 链表

Mysql 的 索引：

【引擎 ： MYISAM，使用的是 非聚集索引】 [索引  和  表数据  分别存在不同的文件上]

底层：B+Tree

B+Tree的 高度是 恒定的 在3-5之间。不会像 红黑树一样高度随着数据量不断变大，不可控。

B+Tree 只有叶子节点可以存储数据。而 B Tree所有节点都可以存储数据。

索引 其实 就是以一个 字段 或几个字段 （比如ID,name） 为 key, 顺序排列，这样每一个 key （比如ID,name）都对应一个 寻址，这个寻址 指向对应的数据行，以便我们select的时候通过 key， 快速定位。

【引擎 ： Innodb，使用的是 聚集索引 - > 以主键为索引 来组织数据的】

[索引 和 表数据 都 存在同一个文件里]

底层：也是 B+Tree

不再是通过 寻址去找对应的数据 ，是通过主键去寻找对应的数据。

概念：

索引实际上也是一张表，记录了主键和索引字段 ,一般以索引文件的形式存在磁盘上。

优势：

①.提高数据检索的速度，降低IO成本。通过缩小表中需要查询的记录的数目从而加快搜索的速度。

②。降低数据排序的成本，降低CPU消耗：索引之所以查的快，是因为先将数据排好序，若该字段需要排序，则正好降低了排序的成本。

缺点：

①.占用存储空间。索引实质也是一张表，所以在磁盘中多了一张表的数据。

②.降低更新数据的速度，更新数据的时候，不仅要更新原表，还要更新索引。

常见使用索引的情况 ：

1）主键 做为 唯一索引

2）. 经常用作查询条件的字段需要创建索引

3） 经常需要排序、分组和统计的字段需要建立索引

4） 查询中与其他表关联的字段，外键关系建立索引

5). 建立联合索引的情况下，根据最左前缀原则，把排序分组频率最高的列放在最左边，以此类推

不适合使用索引的情况：

1).表的记录太少了

2).经常增删改的表不要创建索引

3).区分度不高的不要使用索引，没多大效率。比如字段是boolean，只存true,false。

索引失效 ：

1）。使用or会使得索引失效。除非几个字段都加了索引

2）。like 以 % 开头，都会失效 ，除非 这样写 ： like 'sss%'，不要以 %开头。

3）。如果字段的类型是 varchar ，条件是类型不一样比如 word > 1,用int类型，索引也失效。

4）。对 字段 用函数也会使得索引失效。

索引的优化 ：

1）. 在where 从句中，group by从句中，order by 从句中出现的列。

可以使用：force index(idx_order_levelDate)

比如要order by 两个索引字段，又想查所有的信息 ，使用force index() ，在查询 * ，也会使用索引，不会进行全表扫描

create index idx_order_levelDate  on itdragon_order_list (order_level,input_date);

select * from itdragon_order_list force index(idx_order_levelDate) order by order_level,input_date;

2). 尽量少使用计算函数 如：【YEAR(),CURDATE()】

比如YEAR（create_time）>'2016' ， 函数的计算会让索引失效，进行全表扫描。我们可以直接在业务上把值算好，传进来，而不是直接在数据库层面计算。

3).建立索引的列，不允许为 null ,用 Not null 约束该字段

4).需要用 join 的字段，保证字段加了索引

5).如果明确返回只有一条数据，用Limit 1