目录

1. 数据库索引

1.1 索引的概念

1.2 索引的特点

1.3 索引查询对比普通的查询

1.4 索引的操作

 1.5 索引的原理

 1.6 B树

1.7 B+树 

1.8 B+树的优点

---

1. 数据库索引

1.1 索引的概念

数据库的索引是一种特殊的数据结构，里面包含着数据表中所有记录的引用，可以对表中一列或者多列创建索引并指定类型

可以将数据库的索引想象为书的目录，可以帮助数据库系统快速定位和访问表中的特定数据，而不必扫描整个表。

---

1.2 索引的特点

• 通过索引可以直接定位数据，不需要逐个扫描数据表中的记录，可以提高数据库的查询性能
• 数据表在进行插入/更新/删除操作时，因为要更新索引，导致效率降低
• 由于索引需要单独存储，需要引入额外的存储开销

• 一般建议高频的查询建立索引（如：根据用户名—密码）
• 在实际的工作中，查询使用的频率远远高于数据的增加/删除/修改

---

1.3 索引查询对比普通的查询

普通select查询

1. 需要遍历整个表
2. 将遍历的当前行带入条件中，看条件是否成立
3. 如果条件成立，则将这一行保留，不成立则会跳过

索引查询

1. 不需要遍历整个表
2. 只需要读取索引页和少量的数据页
3. 并通过索引数据结构（B+树）快速定位数据

---

 索引属于针对查询操作进行的优化手段，可以通过索引来加快查询的速度，由于数据存储在硬盘中，如果每次插叙都访问硬盘，数据从硬盘中加载进入内存，进行对比，这一系列操作开销虽然不大，但是数据量如果非常多的话，则会导致开销很大，所以引入索引是很有必要的

---

1.4 索引的操作

（1）查看索引

show index from 表名;

（2）创建索引

create index 索引名 on 表名(字段名);

（3）删除索引

drop index 索引名 on 表名;

注意：

• 一个索引是针对一个列来指定的，只有这一列进行查询的时候，查询速度才会被优化
• 一个表中可以存在多个索引
• 创建索引一般在创建表的时候就需要规定好索引
• 如果现有的数据很多，整个时候如果增加一个索引，很有可能会造成数据库的崩溃

---

 1.5 索引的原理

• 索引的实现肯定是依靠数据结构，但是我们平常使用的数据结构，并不适合
• 顺序表：适合通过下表访问和尾插
• 链表：适合中间插入和删除，不适合查询
• 栈/队列/堆：这些更不适合
• 二叉搜索树: 由于平衡性问题，查询效率会降低（不稳定），硬盘数据的存储效率低，查询效率低
• 哈希表：只适合点到点的精准查询，不能进行范围查询和模糊查询
• 红黑树：虽然可以精准查询和模糊查询，但是由于树的高度较高，查询访问的IO访问次数会变多

由于常见的这些数据结构，都不适合数据库操作，故引入了新的数据结构—B+树（N叉搜索树）

 1.6 B树

---

在了解B+树之前，先了解B树

类似于这样的结构，就是B树

• 节点内部Key按顺序排列，自动保持树的高度平衡，所有叶子节点位于同一层，每个节点可以有多个子节点
• 每一个节点可以存在多个Key ，但是也不是无限存储，到达一定的规模会触发节点的分裂，删除元素到达一定的数据也会触发合并
• 一个节点上保存N个key值就可以划分出N+1个区间，每个区间都可以衍生出一系列的子树
• 像这些节点，都存储在硬盘的一块区域中，一次读取节点，意味着读取出多个Key，再进行几次比较，就可以快速找到自己想要的数值

---

1.7 B+树 

• 所有的数据都保存在叶子节点中，除叶子结点外的节点，不保存数据，只是用来索引
• 节点中，最右边为最大值（根节点中，最右边为整个元素中的最大值）
• 无论增加或删除什么元素，都需要保证根节点的最右边是最大元素
• 每一个父节点元素都出现在子节点中，是子节点最大（或最小）元素。

 在进行查询的时候，从根节点触发，判定要查询的数据，在节点的那个区间，决定往哪里走，叶子节点之间，通过双链表进行连接，方便数据集合之间按照范围进行查询，也可以快速进行删除和增加等操作

---

1.8 B+树的优点

相比于B树，红黑树来说

• N叉搜索树，树的高度有限，降低了IO访问次数
• 由于叶子节点之间的链表结构，方便增加和删除操作
• 所有叶子节点之间属于有序链表，方便范围查询。
• 由于叶子节点存放数据，查询开销非常的稳定（稳定性好）