MySQL索引（Index）

Index

数据库中的索引（Index）是一种数据结构，用于提高数据库查询性能和加速数据检索过程。索引可以看作是数据库表中某个或多个列的数据结构，类似于书中的目录，可以帮助数据库管理系统更快地定位和访问数据。它们是数据库优化的重要工具，特别是在处理大量数据时。

传统的Select搜索策略为：线性搜索，从数据集的开头开始，按顺序逐个比较每个元素，直到找到目标元素或者遍历完整个数据集。
而Index搜索策略为：B-Tree（平衡树）或者B+Tree。

B-Tree（平衡树）索引： B-Tree 是一种常见的索引数据结构，适用于范围查询和等值查询。B-Tree 索引在数据库中广泛使用，它保持树的平衡，使得在平均情况下，每次搜索都能在 O(log n) 时间内找到目标。
B+Tree（平衡加强树）索引： B+Tree 是 B-Tree 的变种，更适合数据库系统，特别是范围查询。B+Tree 的叶子节点形成一个有序链表，可以支持高效的范围查询操作。

执行 CREATE INDEX 语句可以为数据中某个字段构建索引：

 CREATE INDEX index_name ON table_name (column_name);
 -- 在这里，index_name 是索引的名称（唯一），table_name 是表的名称，column_name 是要创建索引的列名。
 
 show index from table_name ; 
 -- 查看索引
 drop index index_name on table_name;
 --删除索引

另外需要注意，MySQL为了支持高速搜索，有一些字段或变量默认情况下会自动使用索引。

主键（Primary Key）： 在创建表时指定的主键列会自动创建主键索引，确保该列的值唯一且非空。主键索引是一种特殊的唯一性索引，通常用于唯一标识表中的每一行数据。
唯一性约束（Unique Constraint）： 在创建表时指定的唯一性约束会自动创建唯一性索引。唯一性索引确保该列的值在表中是唯一的，但允许包含空值。
外键（Foreign Key）： 在创建外键时，被引用的列会自动创建索引，以加速连接操作。这个索引通常是 B-Tree 索引。
自动递增列（Auto-Increment Column）： 在 MySQL 中，使用自动递增的整数值作为主键，例如 AUTO_INCREMENT 列，会自动创建 B-Tree 索引。

Index的优势与劣势

优势：
提高数据查询效率，降低数据的IO成本。
通过索引对数据进行排序，降低数据排序的成本，降低CPU消耗。

劣势：
索引会占用存储空间。
索引在大大提高查询效率的同时，也降低了insert,update,delete的效率。

B-Tree

B-Tree的结构：

每个节点可以存储多个Key(有n个key就有n个指针)
所有数据都存储在叶子节点，非叶子节点仅用于索引数据
叶子节点形成一个双向链表，便于数据的排序以及区间范围的查询。

如下是B-Tree查询的伪代码

function search_btree(node, key):
    // 在当前节点中查找 key
    i = 1
    while i <= node.num_keys and key > node.keys[i]:
        i = i + 1
    
    // 如果 key 等于节点中的某个 key，返回找到的节点
    if i <= node.num_keys and key == node.keys[i]:
        return node
    
    // 如果是叶子节点，表示 key 不存在
    if node.is_leaf:
        return NULL
    
    // 否则，继续在相应子节点中查找
    else:
        read child_node from disk at node.children[i]
        return search_btree(child_node, key)

这个伪代码描述了 B-Tree 的查询操作。主要步骤包括：

在当前节点中查找给定的 key，找到一个最小的 i，使得 key 小于等于 node.keys[i]。
如果在当前节点中找到了 key，说明查询成功，返回当前节点。
如果在当前节点中未找到 key，且当前节点是叶子节点，表示 key 不存在，返回 NULL。
如果在当前节点中未找到 key，且当前节点不是叶子节点，进入相应的子节点，继续查找。

重复上述步骤，直到找到 key 或者到达叶子节点。
需要注意的是，B-Tree 的查询操作是一个递归过程，通过逐层查找直到叶子节点。这种策略可以在平均情况下保持 O(log n) 的时间复杂度，从而实现高效的数据检索。