初步认知数据库索引

索引：一种排好序的帮助快速查找的数据结构。索引的实现通常使用 B 树及其变种 B + 树。

优势：

• 提高数据检索速度，降低数据库的IO成本
• 降低数据排序的成本，降低CPU消耗

缺点：额外的存储空间，降低了表更新的时间

​

索引的分类

单值索引、唯一索引、复合索引

索引的原理

索引的底层结构通常为：B树、B+树和hash结构

B树

• 根节点至少有 2个孩子，至多有m个孩子。
• 除了根节点以外，所有内部节点至少有m/ 2（向上取整）个孩子，至多有m个孩子。
• 节点内部关键字=孩子数-1，并且内部关键字是有序的。
• 所有外部节点位于同一层上。

B+树

• 非叶子节点不存储data，只存储索引，
• 叶子节点包含所有索引字段
• 依次递增
• 很好的支持范围查找，因为叶子节点用指针连接，且按序。

为什么B+树，非叶子节点不存储data？

答：不存储数据时，这样分配给存储索引字段空间增大，横向索引增大，这样子节点也增大，最后能存储的data也增大。

B+树的优势

B + 树比 B 树更适合实际应用中操作系统的文件索引和数据库索引

• B + 的磁盘读写代价更低

B + 的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对 B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。数据存放的更加紧密，具有更好的空间局部性。一次性读入内存中的需要查找的关键字也就越多。因此访问叶子节点上关联的数据也具有更好的缓存命中率。相对来说 IO 读写次数也就降低了。

• B+tree 的查询效率更加稳定

由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。

• 便于区间查找

B + 树的叶子结点都是相链的，因此对整棵树的便利只需要一次线性遍历叶子结点即可。而且由于数据顺序排列并且相连，所以便于区间查找和搜索。而 B 树则需要进行每一层的递归遍历。相邻的元素可能在内存中不相邻，所以缓存命中性没有 B + 树好。

MyISAM存储引擎实现（非聚集）

• 底层数据文件有三个：.frm（表结构文件） .MYD（数据文件） .MYI(索引文件)
• MylSAM索引文件和数据文件是分离的，索引文件只是存储数据的磁盘地址，通过地址读取数据文件获得数据

InnoDB存储引擎实现（聚集）

• 表数据文件本身就是按照B+Tree组织的一个索引结构
• 底层文件有两个：.frm(表结构文件) .ibd(索引和数据文件)
• 叶子节点就包含了所有的数据

Hash实现索引结构

将某一元素作为索引，计算该元素的hash值。同时将该元素对于的数据行在磁盘的地址作为value存入。

但是

Hash 索引和 B + 树索引的特点：

• Hash 索引结构的特殊性，其检索效率非常高，索引的检索可以一次定位；

• B + 树索引需要从根节点到枝节点，最后才能访问到页节点这样多次的 IO 访问；

  因为 Hash碰撞（不同值具有相同hash值）的原因，比起B+树，Hash索引有如下局限性：

• 如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据；

• 如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索；

• 同理，哈希索引没办法利用索引完成排序，以及 like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；

• 哈希索引也不支持多列联合索引的最左匹配规则；Hash 索引在计算 Hash 值的时候是组合索引键合并后再一起计算 Hash 值，而不是单独计算 Hash 值，所以通过组合索引的前面一个或几个索引键进行查询的时候，Hash 索引也无法被利用；

• Hash 索引在任何时候都不能避免表扫描，由于不同索引键存在相同 Hash 值，所以即使取满足某个 Hash 键值的数据的记录条数，也无法从 Hash 索引中直接完成查询，还是要回表查询数据；

总结：Hash索引无法范围查询，无法模糊查询，无法排序操作，不支持联合索引最左匹配，无法避免表扫描。