数据库 | 索引
目录
概念
作用
适用范围
使用
1.查看索引
2.创建索引
3.删除索引
⭐索引背后的数据结构【经典面试题】
概念
索引是一种特殊的文件，包含着对数据表里所有记录的引用指针。可以对表中的一列或多列创建索引，并指定索引的类型，各类索引有各自的数据结构实现。
类似于目录。打个比方，数据库表就像是图书架上的书，数据就是书籍里面的内容，而索引就是书籍的目录。
作用
特点：
适用于查询频繁，增删较少的场景。
可以快速定位，检索数据；提高数据库性能。
缺点：
引入索引，能够提高查询速度，但目录本身占据存储空间；能提高查询速度，但可能会拖慢增删改的速度（不仅要修改数据，还要调整索引）。
适用范围
对数据库表的某列或某几列创建索引，需要考虑几点：
a数据量较大，且经常对这些列进行条件查询；
b该数据库表的插入操作，及对这些列的修改操作频率较低；
c索引会占用额外的磁盘空间。
（满足以上条件时可以考虑对表中的这些字段创建索引，以提高查询效率。
使用
创建主键约束（PRIMARY KEY），唯一约束(UNIQUE)，外键约束(FOREIGN KEY)时，会自动创建对应列的索引。
主要有以下三种使用方式：
1）查看索引：show index from 表名；
2）创建索引：create index 索引名 on 表名（列名）；
3）删除索引：drop index 索引名 on 表名；
1.查看索引
show index from 表名;2.创建索引
create index 索引名 on 表名(列名);需要注意的是：
创建索引的过程中，表数据少影响不大；但如果表很大，此时创建索引就会引起大量的cpu/硬盘IO的消耗，也是可能会把数据库搞挂了的。
创建索引会创建出一些相关的数据结构。（索引的实现通常使用B树及其变种B+树）
对于非（主键，唯一约束，外键）的字段，可以创建普通索引。
3.删除索引
drop index 索引名 on 表名;删除索引和创建索引类似，都是比较低效的操作（对于生产环境上比较大的表，一般都是建表初始就把索引规划好的）。删除索引也是比较危险的操作，大量的IO操作也会使得数据库服务器挂掉。
⭐索引背后的数据结构【经典面试题】
索引的内部结构是怎样的？涉及到底层的数据结构（构建B+树）。
索引，引入了额外的一些数据结构（B树及其变种B+树），来增加查询的速度。默认情况下，进行条件查询操作就是在遍历表，一条一条数据都代入条件。引入索引，就是要通过其他的数据结构加快查询的速度，减少遍历表的可能性。
为什么选择B+树？
（一）首先，谈谈ArrayList和LinkedList的区别：
- ArrayList底层是顺序表，LinkedList底层是链表；
- ArrayList查找较快，LinkedList增删较快（这是错误的❌）
ArrayList查找并不快，只是具备随机访问能力。（随机访问 是通过下标获取元素；查找 是根据值来获取元素位置indexOf。而ArrayList查找的时候是要遍历的，时间复杂度为O（N）并没有优势）
LinkedList增删也不快，首位增删是复杂度是O（1），但是中间位置进行增删还是O（N），增加add（index，value）要遍历找index位置，所以还是O（N）。
这里的中间位置插入删除之所以是O（N），不是链表不行而是LinkedList不行。
（二）哈希表和二叉搜索树都不太适合左数据库的索引：
- 哈希表增删查改都快，但是只能查询值相等的情况。对于“>,<,between...and..”这类比较大小的范围查询是不太适合的。
- 二叉搜索树最坏查询速度是O（N），像AVL树/红黑树这些比较平衡的二叉搜索树是O（LogN）。如果数据库数据特别多，则二叉搜索树高度O（LogN）就会比较高，这又和查询次数相关。
如果比较实在内存中进行的，那么多比较几次少比较都影响不大；但如果是每次都要从硬盘上读取，这个就可能会产生影响：IO次数越少越好。
因此，结合上述B+树更适合用来做索引。
先认识B树：
（1）B树是一个N叉搜索树，每个节点上可能会包含N-1个值，当然也可能更少；N-1个值就把区间划分成N份；这样，在同样的数据集合下，N叉树就会比二叉树高度小很多，IO次数也降低了。
（2）B树代码的实现是非常复杂的，复杂主要是在 分裂和合并 上。
B树和B+树的区别：
- B树每个节点N-1个值，就区分了N个区间；B+树N个值就分出N个区间。
- B树中的值不会重复出现，B+树是可能重复出现的（况且在B+树中，父元素的值会在子元素中以最大值/最小值的姿态出现）。
- 在叶子节点这里，B+树会把所有的叶子节点以链表的形式首位相连，此时会非常便于范围查找。（叶子节点这里已经是完整的数据集合了，前面的非叶子节点都会在这里体现出来，这也就是元素重复的意义）
- 正因为叶子节点是全集数据，只需要把每一行（每一条记录的完整的所有列 关联到叶子节点上即可），非叶子节点只需要保存索引列（其实就是一个id）。
所以非叶子节点占用的空间相比于完整的数据集合非常小，就可以在内存中缓存；因此此时的查询又进一步减少了硬盘IO。