4&5深入浅出索引 - MySQL实战45讲学习笔记

说到索引，大家肯定都不陌生。比如使用sql查询的时候比较慢，这时我们会考虑给某个字段加上一个索引，存储引擎通过使用索引可以加快搜索的速度。那么，到底什么是索引？索引是如何工作的呢？本章就来讲一讲这些东西。

我觉得实战45讲4，5两章的内容比较好理解，内容也不是很多，所以就把这两章合整理出来了。。

用最通俗的话形容索引，就是：索引就像是一个目录，能让我们快速找到数据项。
比如，大家都很熟悉的InnoDB的索引是B+树，熟悉B+树 的童鞋很容易理解索引的作用，就是为了查询。
那么，还有一些其他的索引模型，下面来看看：

索引的常见模型

这里介绍三种常见的、简单的数据结构：哈希表、有序数组、搜索树。下面从使用的角度来讲：

1. 哈希表

一种以键-值（key-value）存储数据的结构，我们只要输入待查找的值即key，就可以找到其对应的值即Value。

哈希表查找的思路：用一个哈希函数把key换算成一个确定的位置，然后把value放在数组的这个位置，（value其实是数据项的地址，得到value后，value指向的数据项才是我们想要的数据）。

当然，哈希表是有可能会冲突的，处理冲突的一个方法就是在冲突的位置上拉出一个链表，数据项依次加入链表的头，称为拉链法。

优点：等值查询速度快
缺点：区间查询很慢

原因：等值查询速度快很容易理解，因为通过哈希函数将key换算成数组位置，直接取该位置的数据即可。

那为什么区间查询很慢呢？
因为数组里的value不是顺序存放的，每个key通过哈希函数映射出来的数组位置是随机的。所以如果查询一个区间内的所有数据项，需要根据key一个一个去映射，这样就减慢了速度。

所以，哈希表这种结构适用于只有等值查询的场景，比如Memcached及其他一些NoSQL引擎。

2. 有序数组

优点：而有序数组在等值查询和范围查询场景中的性能就都非常优秀

等值查询：因为数据的有序存放在数组中，所以可以使用二分法来查询，复杂度O(logn)
区间查询：先等值查询区间第一个数据，然后顺序遍历数组取得后面的数据。

缺点：只查询可以说是最好的数据结构了。但是，如果要增加或删除数据可就麻烦了，要挪动后面所有的数据，更新时间太慢。

所以，有序数组索引只适用于静态存储引擎，比如你要保存的是2017年某个城市的所有人口信息，这类不会再修改的数据。

3. 搜索树

二叉搜索树是我们课本的经典数据结构。

它的特点：左儿子小于父节点，父节点小于右儿子。查询的复杂度是树的高度O(logn)。为了维持这个查询复杂度，我们也要保证这个二叉搜索树是平衡二叉树，所以，插入删除节点后要调整树，使其平衡，更新的时间复杂度也是O(logn)。

当然，树不止有二叉，还可以是m叉，代表一个节点有多个儿子，儿子之间保证从左到右递增。

二叉树的查询和更新的性能都非常好，但是实际中大多数的数据库存储结构并不是二叉树，这是为啥呢？
原因是：索引不是全部存储在内存中，有一大部分节点存储在磁盘中，只有需要了才会写入内存。

你可以想象一下一棵100万节点的平衡二叉树，树高20。一次查询可能需要访问20个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要10 ms左右的寻址时间。也就是说，对于一个100万行的表，如果使用二叉树来存储，单独访问一个行可能需要20个10 ms的时间，这个查询可真够慢的。

所以，为了让一个查询尽量少的读取磁盘，就要访问尽量少的数据块（节点），也就是让树的高度变低，所以一般使用m叉树。

以InnoDB的一个整数字段索引为例，这个N差不多是1200。这棵树高是4的时候，就可以存1200的3次方个值，这已经17亿了。考虑到树根的数据块总是在内存中的，一个10亿行的表上一个整数字段的索引，查找一个值最多只需要访问3次磁盘。其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。

N叉树由于在读写上的性能优点，以及适配磁盘的访问模式，已经被广泛应用在数据库引擎中了。

不管是哈希还是有序数组，或者N叉树，它们都是不断迭代、不断优化的产物或者解决方案。数据库技术发展到今天，跳表、LSM树等数据结构也被用于引擎设计中，这