索引的数据结构、密集索引与稀疏索引、最左匹配原则

1 索引的数据结构

1.1 索引

聚集索引
索引的键值的逻辑顺序决定表中数据（行）的物理顺序，可以理解为如果索引是连续的，那么表中数据在存储介质上的顺序也是一致的。
就如同在字典中通过拼音查找一个汉字，字典中拼音也是按照顺序连续排列的（a、b、c、d），对应的汉字就按照这个顺序连续排列。在使用聚集索引查找一个范围的值时，可以通过索引找到第一条数据，然后根据数据的物理地址连续的特点查找这条数据相邻的数据，这样能够快速的找到对应的想要查找的数据。
非聚集索引
索引的键值逻辑顺序与数据的物理存储顺序无关，虽然索引的键值是连续的，但是他们对应的数据在介质中的物理顺序却不是连续的。索引的记录节点有一个记录指针，指向子树的根节点，存储子节点所在磁盘块的地址。

1.2 树

二叉查找树

平衡二叉树
在二叉查找树的基础上满足任意节点的两个子树高度差为1

平衡二叉树，在插入或删除节点时会导致失衡，这时候可以根据旋转来解决。

b树
b树 中的b指的是balance 平衡的意思，b树是指平衡多路查找树。

特征：

1. 每个节点最多有m个孩子。
2. 除了根节点和叶子节点外，其它每个节点至少有Ceil(m/2)个孩子。
3. 若根节点不是叶子节点，则至少有2个孩子
4. 所有叶子节点都在同一层，且不包含其它关键字信息
5. 每个非终端节点包含n个关键字信息（P0,P1,…Pn, k1,…kn）
6. 关键字的个数n满足：ceil(m/2)-1 <= n <= m-1
7. ki(i=1,…n)为关键字，且关键字升序排序。
8. Pi(i=1,…n)为指向子树根节点的指针。P(i-1)指向的子树的所有节点关键字均小于ki，但都大于k(i-1)
   
   
   b+ -tree
   

1.3 为什么b+ -tree更适合用于建立索引

• 磁盘读写代价更低（非叶子节点不存储关键字信息，只存放指针，这样每个节点能够存储跟多的指针，极大的减少了树的层数）
• 查询效率更加稳定（每次查找的路径都需要一直到叶子节点，所需时间更加稳定）
• 更有利于数据库的扫描（可通过叶子节点之间连接的指针进行范围查找或者遍历整棵树）

2 还有哪些索引

2.1 hash索引

为什么hash所以不能成为主流

2.2 BitMap位图索引

3 密集索引和稀疏索引

3.1 区别

• 密集索引文件中每个文件的搜索码都对应一个索引值
• 稀疏索引文件只为索引码的某些值建立索引项
  
  密集索引简单的说就是：叶子节点不但存放键值，还保存了表中该行其他列的信息。密集索引决定了表的物理排列数据，而一张表只有一个排列顺序，既一张表只有一个密集索引。
  稀疏索引：叶子节点只保存键值信息和该行的地址，有的甚至只保存键位信息机器主键。

3.2 Mysql中的密集和稀疏索引

为什么一定要一个密集索引
在InnoDB中使用辅助索引查找将会查找两次

最左匹配原则

成因：
mysql对第一个字段进行排序，在此基础上再对第二个排序，然后对第三个，以此类推。类似order by字段1，字段2

索引越多越好吗