MySQL基础：索引

 💎所属专栏：MySQL   

1. 索引概述

MySQL中的索引是帮助MySQL高效获取数据的数据结构，可以极大地提高数据库的查询效率，减少数据库的I/O成本，就像书的目录一样，它可以帮助我们快速定位到书中的内容。

优势：

1. 提高数据检索的效率，降低数据的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. 索引列需要占用一定的空间

2. 索引大大提高了查询效率，同时也降低了更新表的效率，例如对表进行INSERT,UPDATE,DELETE时，效率会降低

在实际开发中，查询操作要远远多于更新操作，还是更推荐使用索引。

2. 索引的分类

3. 索引的使用

3.1. 查看索引

show index from student;

索引是按照列的方式创建的，可以给某个列创建索引

primary key，unique，foreigh key都会自带索引，不需要手动创建，只需要建表的时候指定约束，就会自动生成索引

生成索引之后，假如只有student_id有索引，那么只有select * from student where student_id = 1;这样这对有索引的那一列的查询才会提高效率，其他的话还是遍历整个表

3.2. 创建索引

-- 创建索引
create index name_index on student (name);
-- 查看索引
show index from student;

创建索引其实是一个危险操作：

如果是针对空表或表中的数据量小，创建索引问题不大，但是在日常开发中，正常来说数据规模都是比较大的，一旦创建索引之后，就可能触发大量的硬盘IO，机器就会卡死

所以说，在最初创建表的时候就要提前规划出需要给那些列加上索引，如果说某个表中确实需要加索引，那么就需要重新换一个数据库，把原来的数据导入到新库中

3.3. 删除索引

-- 删除索引
drop index name_index on student;
-- 查看索引
show index from student;

unique自动生成的索引可以被删除，但是primary key 还有 foreigh key自动生成的索引是不可以删除的

既然创建索引就已经是危险操作了，那么删除索引肯定也是一个危险操作，具体原因是一样的，在实际开发中，一般也不会去删除一个索引

4. 索引结构

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，主要包括以下几种：

后面两种索引都使用的很少，主要介绍前面两种

在我们学过的数据结构之中，适合作为查询的有哈希表，二叉搜索树，哈希表就不多说了，二叉搜索树可能会变成一个单分支树，或是一条链表，最坏情况下查询的时间复杂度是O(n)的，所以就有了红黑树，边插入边调整，使其保证二叉树的结构，但是当数据量特别大时，尤其是对于数据库这样级别的数据量，红黑树的树高也会非常大，查询的效率还是不够高，所以就又出现了一种为数据库量身打造的数据结构——B+树，B+树是对B树做出了进一步的改进

4.1. B-tree（多路平衡查找树）

B树就是在二叉搜索树的基础上，允许多于两个子节点的多路平衡查找树，有N个key，划分成N+1个区间，通过这样的结构，进行查询的时候，针对每一个节点，都要比较多次，才能确定下一步要走哪个区间，虽然说相比于二叉树，树的高度变低了，但是比较次数变多了，相比于二叉树效率真的提高了吗？

其实，对于每一个节点，访问的时候是一次硬盘IO就可以了，和某个节点比较的的时候，是先一次硬盘IO，把这个节点上的内容都读取出来，接下来的比较都是在内存中进行的了，所以说减少了硬盘IO的次数，因此这种结构效率更高

4.2. B+树

B+树是B树的一种变形形式，

B+树的优势：

1. N叉搜索树，高度比较低，硬盘IO比较次数就少
2. 叶子节点是全集，并且用链表结构连接，方便进行范围查询
3. 在B+树中，所有查询都是要落在叶子节点上完成的，每次查询经历的IO次数和比次数都是差不多的，查询的开销比较稳定
4. 还是由于叶子节点是全集的性质，非叶子节点不必存储数据行，只需要存储索引列的key即可，这使得非叶子节点占用的空间也比较小