MySql索引(index)

一、使用场景

数据进行select查询时

1、先遍历表

2、再把行给带入条件中,看条件足否成立

3、条件成立就保留，不成就跳过

若表比较大，则遍历的成本比较高，至少为o(N)

数据库把数据存储在硬盘里，每读取一个数据，都需要读取硬盘，这个开销本身就是很大的

索引是针对查询操作而引发的的优化手段，通过索引来加快查询的速度，避免针对表进行遍历

索引能提高查洵速度，但也有代价：

1、占用更多的空间,生成索引是需要一系列的数据结构，以及一系列的额外的数据，来储存在硬盘空间的

2、可能会降低修改插入删除的速度

二、使用

查看索引：show index from 表名

创建索引：create index 索引名字 on 表名

删除索引：drop index 索引名字 on 表名

主键，nuique，外键都是会自动生索引的

三、特点

一个索引是针对一个列来指定，只有针对这列进行查询时，查询速度才能被优化

一个表可以有多个索引

创建索引也一个危险操作

创建索引的时候需要对现有的数据，进行个大规模的重新整理

若当前表是空表或者数据不多，创建索引都没有问题，但如果这个表很大，创建索引也很容易将服务器卡住

一般创建索引都是在创建表的时候规划好的，一旦表使用很久了有很多数据了再去想修改索引就要慎重

重新创建索引：搞个新机器，创建空表，创建索引再把旧机器数据导入新机器中，用新机器代管旧机器

删除索引中，手动创建的索引可手动删除，如果是自动创建的索引(主键，外键，unique)，不可删除

该操作也是危险操作(数据很重要)，索引也是通过一定的数据结构来实现的

四、B树

红黑树：精准匹配，也可范围查询，也能模糊匹配

B树：每个节点的度都是不确定的，一个节点上保存N个key就划分出N+1个区间，每个区间都衍生出一系列的子树

由于每个节点都是在个硬盘的区域内，一次读硬盘就读出了整个节点，多个key，再进行几次比较，树的高度大幅降低

一个节点中，虽可以保存N个key，但不是无限制的，达到一定规模就会触发节点的分裂

但如果删除的节点过多，也会触发节点的合并

五、B+树

数据库引入的索引是一个改进的数据结构：B+树(N叉搜索树)

1、B+树也是一个N又搜索树，一个节点存在N个key，被划分N个区间

2、每一个节点上N个key中，最后一个，就相当于当前子树的最大值

3、父结点上的每个key都会以最大值的身份在子节点对应区间内存在(key可能重复出现)，最后叶子节点这层就会包含整个树的数据全集

4、B+树会使用链表这样的结构把叶子节点串起来，可以非常方便完成对数据集合的遍历，也很方便从数据集合中按照范围取出一个子集

六、B+树的优点(比之B树、哈希表、红黑树)

1、N叉搜索树，树的高度是有限的，降低IO的次数

2、非常擅长范围查询

3、所有查询最终还是要落到叶子节点上，查询与查询间的开销是稳定的

4、由于叶子节点是全集，会把行数据只存诸在叶子节点上，非叶子节点只是诸存一个用来排序的key，所以叶子节点非常占用空间，但非叶子节点则占不了多少空间

数据库是按行组织数据，创建索引的时候，是针对列创建

硬盘上还是要储存这些非叶子节点的，但当我们查询时，就可以把非叶子节点加载到内存，整体查询的比较过程就可以在内存中进行了，进一步减少了IO的访问次数

mysql索列实现，也是有一些变数，不仅只有B+树这一种情况

内部有个模块：储存引擎，提供了很多版本的实现

Innodb当前最常用的mysql储存引擎