Mysql——高级——索引（一）
1、索引概述
索引（index）是帮助MySQL高效获取数据的数据结构（有序的数据结构）。
在数据之外，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。
如下面的所示 :
左边是数据表，最左边的是数据记录的物理地址。为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找快速获取到相应数据。
一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储在磁盘上。索引是数据库中用来提高性能的最常用的工具。
2、索引优势劣势
优势
1） 类似于书籍的目录索引，提高数据检索的效率，降低数据库的IO成本。
2） 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。
劣势
1） 实际上索引也是一张表，该表中保存了主键与索引字段，并指向实体类的记录，所以索引列也是要占用空间的。
2） 虽然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。因为更新表时，MySQL 不仅要保存数据，还要保存索引文件。每次更新添加了索引列的字段，都会调整因为更新所带来的键值变化后的索引信息。
3、索引结构
索引是在MySQL的存储引擎层中实现的，而不是在服务器层实现的。所以每种存储引擎的索引都不一定完全相同，也不是所有的存储引擎都支持所有的索引类型的。MySQL目前提供了以下4种索引：
- BTREE 索引： 最常见的索引类型，大部分索引都支持 B 树索引。
- HASH 索引：只有Memory引擎支持 ， 使用场景简单 。
- R-tree 索引（空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少。
- Full-text （全文索引）：全文索引也是MyISAM的一个特殊索引类型，主要用于全文索引，InnoDB从Mysql5.6版本开始支持全文索引。
MyISAM、InnoDB、Memory 对各种索引类型的支持
平常所说的索引，如果没有特别指明，都是指B+树（多路搜索树，并不一定是二叉的）结构组织的索引。其中聚集索引、复合索引、前缀索引、唯一索引默认都是使用 B+tree 索引，统称为索引。
（1）BTREE 结构
BTree又叫多路平衡搜索树，特性：
- 树中每个节点最多包含m个孩子。
- 除根节点与叶子节点外，每个节点至少有[ceil(m/2)]个孩子。
- 若根节点不是叶子节点，则至少有两个孩子。
- 所有的叶子节点都在同一层。
- 每个非叶子节点由n个key与n+1个指针组成，其中[ceil(m/2)-1] <= n <= m-1
以5叉BTree为例，key的数量：公式推导[ceil(m/2)-1] <= n <= m-1。所以 2 <= n <=4 。当n>4时，中间节点分裂到父节点，两边节点分裂。
插入 C N G A H E K Q M F W L T Z D P R X Y S 数据为例。
演变过程如下：
1) 插入前4个字母 C N G A
2) 插入H，n>4，中间元素G字母向上分裂到新的节点
3) 插入E，K，Q不需要分裂
4) 插入M，中间元素M字母向上分裂到父节点G
5) 插入F，W，L，T不需要分裂
6) 插入Z，中间元素T向上分裂到父节点中
7) 插入D，中间元素D向上分裂到父节点中。然后插入P，R，X，Y不需要分裂
8) 最后插入S，NPQR节点n>5，中间节点Q向上分裂，但分裂后父节点DGMT的n>5，中间节点M向上分裂
该BTREE树就已经构建完成了， BTREE树和二叉树 相比， 查询数据的效率更高， 因为对于相同的数据量来说，BTREE的层级结构比二叉树小，因此搜索速度快。
（2）B+TREE 结构
B+Tree为BTree的变种，B+Tree与BTree的区别：
1) n叉B+Tree最多含有n个key，而BTree最多含有n-1个key。
2) B+Tree的叶子节点保存所有的key信息，依key大小顺序排列。
3) 所有的非叶子节点都可以看作是key的索引部分。
由于B+Tree只有叶子节点保存key信息，查询任何key都要从root走到叶子。所以B+Tree的查询效率更加稳定。
（3）MySQL中的B+Tree
MySql索引数据结构对经典的B+Tree进行了优化。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。
4、索引分类
1） 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
2） 唯一索引 ：索引列的值必须唯一，但允许有空值
3） 主键索引：设定为主键后数据库会自动建立索引
4） 复合索引 ：即一个索引包含多个列
5）全文索引（fulltext）：主要用来查找文本中的关键字，而不是直接与索引中的值相比较
5、聚簇索引和非聚簇索引（不是一种单独的索引，而是一种数据存储方式）
MyISAM的是非聚簇索引：B+Tree的叶子节点上的data存放的是具体数据存放的地址。主索引和辅助索引没啥区别，只是主索引中的key一定得是唯一的。非聚簇索引的两棵B+树看上去没什么不同，节点的结构完全一致只是存储的内容不同而已，主键索引B+树的节点存储了主键，辅助键索引B+树存储了辅助键，他们的叶子节点存放的是数据具体的地址，表数据存储在独立的地方。由于索引树是独立的，通过辅助键检索无需访问主键的索引树。索引文件和数据文件是独立分开的，则称之为非聚簇索引
InnoDB使用的是聚簇索引：索引文件和数据文件是同一个文件，在innodb中，即存储主键索引值，又存储行数据，称之为聚簇索引。将主键组织到一棵B+树中，而行数据就储存在叶子节点上，若使用"where id = 14"这样的条件查找主键，则按照B+树的检索算法即可查找到对应的叶节点，之后获得行数据。若对Name列进行条件搜索，则需要两个步骤：第一步在辅助索引B+树中检索Name，到达其叶子节点获取对应的主键。第二步使用主键在主索引B+树种再执行一次B+树检索操作，最终到达叶子节点即可获取整行数据。innodb中，没有主键索引，则会使用unique索引，没有unique索引，则会使用数据库内部的一个行的id来当作主键索引。
回表：通过辅助索引查询到对应的主键id，再通过主键索引查询到对应的数据。
覆盖索引：通过索引值可以直接找到要查询字段的值，而不需要通过主键值回表查询。覆盖索引一般针对的是辅助索引，整个査询结果只通过辅助索引就能拿到结果，不需要通过辅助索引树找到主键，再通过主键去主键索引树里获取其它字段值。相当于select取的值都可以从索引中获取到。
聚簇索引的数据的物理存放顺序与索引顺序是一致的，即：只要主键索引是相邻的，那么对应的数据一定也是相邻地存放在磁盘上的。聚簇索引要比非聚簇索引查询效率高很多。当使用where进行顺序、范围、大小检索时，会大大加速检索效率。非聚簇索引在存储时不会对数据进行排序，相对产生的数据文件体积也比较大。
聚簇索引这种主+辅索引的好处是，当发生数据行移动或者页分裂时，辅助索引树不需要更新，因为辅助索引树存储的是主索引的主键关键字，而不是数据具体的物理地址。
为了充分利用聚簇索引的特性，所以InnoDB表的主键列尽量选用有序的顺序id，而不建议用无序的id，比如uuid这种。
6、索引语法
索引在创建表的时候，可以同时创建， 也可以随时增加新的索引。
（1）创建索引
语法 ：
CREATE [UNIQUE|FULLTEXT|SPATIAL] INDEX index_name
[USING index_type]
ON tbl_name(index_col_name,...)
index_col_name : column_name[(length)][ASC | DESC]示例：
create index idx_city_name on city(city_name)（2）查看索引
show index from table_name;（3）删除索引
DROP INDEX index_name ON tbl_name（4）ALTER命令
1). alter table tb_name add primary key(column_list);
该语句添加一个主键，这意味着索引值必须是唯一的，且不能为NULL
2). alter table tb_name add unique index_name(column_list);
这条语句创建索引的值必须是唯一的（除了NULL外，NULL可能会出现多次）
3). alter table tb_name add index index_name(column_list);
添加普通索引， 索引值可以出现多次。
4). alter table tb_name add fulltext index_name(column_list);
该语句指定了索引为FULLTEXT， 用于全文索引7、索引设计原则
索引的设计可以遵循一些已有的原则，创建索引的时候请尽量考虑符合这些原则，便于提升索引的使用效率，更高效的使用索引。
1）对查询频次较高，且数据量比较大的表建立索引。
2）索引字段的选择，最佳候选列应当从where子句的条件中提取，如果where子句中的组合比较多，那么应当挑选最常用、过滤效果最好的列的组合。
3）在频繁进行排列分组（即进行 group by 或 order by操作）的列上建立索引，如果待排序有多个，可以在这些列上建立组合索引。
4）使用唯一索引，区分度越高，使用索引的效率越高。
5）查询中与其它表关联的字段，外键关系建立索引。
6）索引可以有效的提升查询数据的效率，但索引数量越多，维护索引的代价就越高。对于插入、更新、删除等DML操作比较频繁的表来说，索引过多，维护的代价会相当高。另外索引过多，MySQL也会犯选择困难病，虽然最终仍然会找到一个可用的索引，但会提高选择的代价。
7）不要在区分度低的字段建立索引。比如性别字段，只有 “男” 和 “女” ，建索引完全起不到优化效果
8）利用最左前缀，N个列组合而成的组合索引，那么相当于是创建了N个索引，如果查询时where子句中使用了组成该索引的前几个字段，那么这条查询SQL可以利用组合索引来提升查询效率。