MySQL进阶篇之索引1
02、索引
2.1、索引概述
1、介绍
索引（index）是帮助MySQL高效获取数据的数据结构（有序）。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。
2、演示
备注：上述二叉树索引结构只是一个示意图，并不是真实的索引结构。
3、优缺点
| 优势 | 劣势 |
|---|---|
| 提高数据检索的速率，降低数据库的IO成本 | 索引列也是要占用空间的。 |
| 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。 | 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时，效率降低。 |
2.2、索引结构
2.2.1、介绍
MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种：
| 索引结构 | 描述 |
|---|---|
| B+Tree索引 | 最常见的索引类型，大部分引擎都支持B+树索引 |
| Hash索引 | 底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询 |
| R-tree（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） | 是一种通过建立倒排索引，快速匹配文档的方式。类似于Lucene，Solr，ES |
| 索引 | InnoDB | MyISAM | Memory |
|---|---|---|---|
| B+Tree索引 | 支持 | 支持 | 支持 |
| Hash索引 | 不支持 | 不支持 | 支持 |
| R-tree索引 | 不支持 | 支持 | 不支持 |
| Full-text | 5.6版本之后支持 | 支持 | 不支持 |
我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。
2.2.2、BTree
1、二叉树
二叉树缺点：
① 顺序插入时，会形成一个链表，查询性能大大降低。
② 大数据量情况下，层级越深，检索速度慢。
2、红黑树
解决了二叉树的缺点①
红黑树缺点：
① 大数据量情况下，层级越深，检索速度慢。
3、BTree(多路平衡查找树)
① 例如：一棵最大度数（max-degree）为5（5阶）的BTree（每个节点最多存储4个key，5个指针）：
知识小贴士：树的度数指的是一个节点的子节点个数。
② 插入100、65、169、368、900、556、780、35、215、1200、234、888、158、90、1000、88、120、268、250数据为例
具体动态变化的过程可以参考网站：https://www.cs.usfca.edu/~galles/visualization/BTree.html
2.2.3、B+Tree
1、以一颗最大度数（max-degree）为4（4阶）的B+Tree（每个节点最多存储3个key，4个指针）为例：
2、 插入100、65、169、368、900、556、780、35、215、1200、234、888、158、90、1000、88、120、268、250数据为例
B+Tree与BTree区别（B+Tree的特点）：
- 所有的数据都会出现在叶子节点
- 叶子结点构成一个单向有序链表
3、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结点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。
2.2.4、Hash
1、哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。
如果两个（或多个）键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。
2、Hash索引特点：
- Hash索引只能用于对等比较（=，in），不支持范围查询（between，>，<，…）
- 无法利用索引完成排序操作
- 查询效率高，通常只需要一次检索就可以了，效率通常要高于B+Tree索引
3、存储引擎支持
在MySQL中，支持Hash索引的是Memory引擎，而InnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。
2.2.5、思考题
为什么InnoDB存储引擎选择使用B+Tree索引结构？
- 相对于二叉树，层级更少，搜索效率高；
- 相对于BTree，无论是叶子结点还是非叶子结点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能的降低；
- 相对于Hash索引，B+Tree支持范围匹配及排序操作。
2.3、索引分类
1、索引分类
| 分类 | 含义 | 特点 | 关键字 |
|---|---|---|---|
| 关键索引 | 针对于表中主键创建的索引 | 默认自动创建，只能有一个 | PRIMARY |
| 唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
| 常规索引 | 快速定位特定数据 | 可以有多个 | |
| 全文索引 | 全文索引查找的是文本中的关键词，而不是比较索引中的值 | 可以有多个 | FULLTEXT |
2、在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：
| 分类 | 含义 | 特点 |
|---|---|---|
| 聚集索引（Clustered Index） | 将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据 | 必须有，而且只有一个 |
| 二级索引（Secondary Index） | 将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
聚集索引的选取规则：
- 如果存在主键，主键索引就是聚集索引。
- 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
- 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。
具体使用：
回表查询：先根据条件在二级索引找到对应的主键值，再将主键值在聚集索引中查找，找到对应的行数据。
即：先根据name='Arm’在二级索引中找到对应的id值为10，再将id=10在聚集索引中查找，找到对应的row。
3、思考题
① 以下SQL语句，哪个执行效率高？为什么？
select * from user where id = 10;
select * from user where name = 'Arm';
# 备注：id为主键，name字段创建的有索引;
答：第一个SQL语句执行效率高。
第一个SQL语句，直接在聚集索引进行查询，只需要扫描一次索引。
第二个SQL语句，先根据name='Arm’在二级索引中找到对应的id值为10，再将id=10在聚集索引中查找，找到对应的行数据。需要扫描两次索引。
② InnoDB主键索引的B+Tree高度为多高呢？
假设：一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
2.4、索引语法
1、索引语法
-
创建索引
CREATE [UNIQUE | FULLTEXT] INDEX index_name ON table_name (index_col_name,...);一个索引只关联一个字段，这个索引称之为单列索引；
一个索引关联多个字段，这个索引称之为联合索引或组合索引。
-
查看索引
SHOW INDEX FROM table_name; -
删除索引
DROP INDEX index_name ON table_name;
2、按照下列的需求，完成索引的创建
① name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
create index idx_user_name on tb_user(name);
② phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
create unique index idx_user_phone on tb_user(phone);
③ 为profession、age、status创建联合索引。
create index idx_user_profession_age_status on tb_user(profession,age,status);
④ 为email建立合适的索引来提升查询效率。
create index idx_user_email on tb_user(email);
注意：
后三节内容：https://blog.csdn.net/kuaixiao0217/article/details/128754022