MySQL索引初步

参考书籍：《高性能MySQL（第三版）》

索引对于数据库就像目录对于书籍。索引对良好的性能非常关键，尤其是当表中的数据越来越多的时候，索引对性能的影响愈发重要。索引优化对于优化查询来说是最重要的一个手段了， best索引比一个good索引能优化两个数量级的性能，由此可见一斑。

一、索引的类型

MySQL中的索引是在存储引擎层面实现的，因而没有统一的标准，这里忽略掉这些，只关心MySQL索引用到的数据类型。

1、B-Tree

在学习数据结构的时候，我们知道树这种数据结构经常会用来进行查询的操作，比如二叉树，平衡树，红黑树，还有b树，它可以把查询的时间复杂度优化到对数级别。

一般来说，索引本身也很大，不可能完全存放在内存中，所以一般是以索引文件的方式存储在磁盘中，因而，在进行索引查询的时候就会牵扯到磁盘的I/O，而对磁盘的I/O操作的时间远比内存操作要高几个数量级，所以要找一中能够有效减少磁盘I/O的数据结构，这就是多路查找树。

B-Tree的可以按照如下的定义：

1）树中每个节点至多有m个子节点

2）除根节点和叶节点之外，每个节点至少有m/2个子节点

3）所有叶节点都在同一层

4）每个非叶节点中包含n个关键字：

a）关键字是有序的

b）Pi是指向子树的指针，这个子树的所有关键字都小于Ki，但都大于Ki-1

c）关键字的个数在区间[m/2,m-1]

上图是一个B-tree的例子。

2、B+Tree

B+Tree是B-Tree的一个变种，也是MySQL中实际用到的一种数据结构，他们的区别在于：

1）有n棵子树的结点中含有n个关键字； (B-tree是n棵子树有n-1个关键字)

2）所有的叶子结点中包含了全部关键字的信息，及指向含有这些关键字记录的指针，且叶子结点本身依关键字的大小自小而大的顺序链接。 (B-tree的叶子节点并没有包括全部需要查找的信息)

3）所有的非终端结点可以看成是索引部分，结点中仅含有其子树根结点中最大（或最小）关键字。 (B-tree的非终节点也包含需要查找的有效信息)

上图是一个B+Tree的例子。

3、哈希索引

哈希索引是基于哈希算法的一种精确的索引。在MySql中只有Memory引擎显示支持哈希索引，这也是Memory引擎的默认索引方式，它同时也支持B-Tree。值得一提的是它支持非唯一哈希索引，如果多个列的哈希值相同，则用一个链表存储。

因为哈希索引只存储哈希值，所以索引的结构十分的紧凑，者也是其查找速度非常的快，但同时也有了如下的问题：

1）哈希索引中只包含哈希值和数据指针，不包含数据分身。因而还需要查找一次数据。不过在内存中的插叙速度很快，这点可以忽略。

2）哈希索引并不是顺序存储的，所以无法进行排序。

3）哈希索引也不支持部分索引列的查找，因而哈希值是根据所有索引列计算的。

4）由于哈希值是个准确的值，所以只能进行等值查找，无法进行模糊查询

5）在有冲突的时候，效率会明显下降。

因而，虽然哈希索引能够带来很大的效率的提升，但是它只能在一些特定的场合进行使用。