索引概述
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。
|
优势
|
劣势
|
|
提高数据检索的效率，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。
|
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索引结构，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
|
不同的存储引擎对于索引结构的支持情况。
|
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。
B+Tree
B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一
下其结构示意图：
- 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
- 红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。
B+Tree
与
B-Tree
相比，主要有以下三点区别：
- 所有的数据都会出现在叶子节点。
- 叶子节点形成一个单向链表。
- 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。
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节点的链表指针，就形成了带有顺序指针的B+Tree
，提高区间访问的性能，利于排序。
B-Tree
B-Tree
，
B
树是一种多叉路衡查找树，相对于二叉树，
B
树每个节点可以有多个分支，即多叉。以一颗最大度数（max-degree
）为
5(5
阶
)
的
b-tree
为例，那这个
B
树每个节点最多存储
4
个
key
，
5
个指针
- 5阶的B树，每一个节点最多存储4个key，对应5个指针。
- 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
- 在B树中，非叶子节点和叶子节点都会存放数据。
Hash
MySQL
中除了支持
B+Tree
索引，还支持一种索引类型
---Hash
索引。
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。
- 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(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引
在
MySQL
中，支持
hash
索引的是
Memory
存储引擎。 而
InnoDB
中具有自适应
hash
功能，
hash
索引是InnoDB存储引擎根据
B+Tree
索引在指定条件下自动构建的。
问题
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；
- 对于B-tree，无论是叶子节点还是非叶子节点，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，导致性能降低；
- 相对Hash索引，B+tree支持范围匹配及排序操作；
