Mysql 的索引

索引：为了提高查询数据的效率，就像书的目录一样。

常见的索引模型

哈希表： 用键值对存储数据的结构，将值放在数组里，使用一个哈希函数将 key 换算成数组的下标，然后将 value 放在改数组的下标中。

哈希表这种结构适用于等值查询的场景，也不适合做区间查询。

有序数组： 在等值查询和区间查询性能很好，但是在更新数据时成本太高，只适用于静态存储引擎。

二叉树： 节点的左儿子小于父节点，父节点又小于右儿子，查询的时间复杂度 O(logn)，更新的时间复杂度O(logn)。

如果使用二叉树来存储数据(在磁盘中)的话，当树高度为100，查询一次最差的情况是访问100次磁盘。

N 叉树

innoDB 的整数字段为索引，这个 N 大约为1200，当树高度为4时，可以存17亿的数值。

N 叉树 在读写上的性能优点，以及适配磁盘的访问模式，广泛应用在数据库引擎中，N 是由页的大小和索引大小决定的。

B+树： 很好的配合磁盘的读写特性，减少单次查询磁盘的访问次数。

MySQL 索引

MySQL 索引是在存储引擎层实现的，并没有统一的索引标准，在不同的存储引擎的索引工作方式并不同。

InnoDB 的索引模型

表根据主键顺序以索引的形式存放的，改存储方式的表称为索引组织表，数据都是存在 B+ 树中的。

注意： 每一个索引在 InnoDB 对应一颗 B+树

主键索引： 叶子节点存储的是整行数据，也称为聚族索引。

非主键索引： 叶子节点存储的是主键的值，也成为二级索引。

非主键索引的查询需要多扫描一颗索引树，应用中多使用主键查询。

索引维护

B+ 树维护索引的有序性，插入新值时做必要的维护。当插入数据后所在的数据页(如果在下一页插入，不涉及移动其他记录，就不会产生页分裂)已经满了，这时需要申请一个新的数据页，然后移动部分数据，该过程称为 页分裂 ，该情况下性能受到影响，还影响空间利用率降低50%。

当相邻两个页删除了数据，利用率很低之后，会将数据页做合并。

自增主键

NOT NULL PRIMARY KEY AUTO_INCREMENT

自增主键的插入数据模式，符合递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及挪动其他的记录，就不会触发叶子节点的分裂。

不适用： 有业务逻辑的字段做主键，不容易保证有序插入，这样写数据成本高。

空间需求： 当表需要唯一字段，每个非主键索引的叶子节点上都是主键的值，所以一般用整型做主键比较节省内存。

优点： 主键长度越小，普通索引的叶子节点就越小，普通索引的空间也就越小。

从性能和存储方面考虑，自增主键往往更好。

业务字段做主键: 要求1.只有一个索引；2.改索引必须是唯一索引。这就是 KV 场景，我们就将改索引设置为主键，避免每次查询需要搜索两颗树。

联合索引

回表： 从非主键索引回到主键索引树搜索的过程，称为回表。

覆盖索引

select * from T where k = 3 和 select id from where k = 3 的区别是，id 的值已经在 k 索引树上面了，可以直接提供查询结果，不需要回表。

覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的优化手段。

联合索引

根据创建联合索引的顺序，以最左原则进行where检索，比如（age，name）以age=1 或 age= 1 and name=‘张三’可以使用索引，单以name=‘张三’ 不会使用索引，考虑到存储空间的问题，还请根据业务需求，将查找频繁的数据进行靠左创建索引。

如果查询条件使用的 普通索引 (或联合索引的最左原则字段)，查询结果是联合索引的字段或是主键，不用回表操作，直接返回结果，减少 IO 磁盘的读取数据。

当使用联合索引时，索引项是按照索引定义里面出现的字段顺序排序的。

联合索引字段顺序： 如果通过调整可以少维护一个索引，那么就采用该顺序。

最左前缀原则

如何为单独为一个不频繁请求创建一个索引

联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。

索引下推

like 'hello%’and age >10 检索，MySQL5.6版本之前，会对匹配的数据进行回表查询。5.6版本后，会先过滤掉age<10的数据，再进行回表查询，减少回表率，提升检索速度