MySQL 性能调优专题一（索引数据结构详解）-优快云博客

本文围绕MySQL索引展开，介绍了索引本质是排好序的数据结构，默认用B+Tree。阐述磁盘读取原理，对比二叉树、红黑树、HASH索引和B+Tree的特点。还分析了MyISAM和InnoDB存储引擎的区别，讲解索引分类、优缺点及适用场景。

索引是帮助MySQL 高效获取数据的排好序的数据结构。

MySQL 默认使用的是B+Tree数据结构。

在介绍结构之前，先简单说下磁盘的读取原理：

操作系统读写磁盘的基本单位是扇区，而文件系统的基本单位是簇(Cluster)。

MySQL在存储数据时数据都存储在磁盘的一道道扇区中，磁盘是旋转的，每次存储的数据可能会存储在不同的扇区中。

在读取时，磁道每次需要先进行寻道操作（速度慢），磁头只能进行左右移动，每一次寻道都是一次I/O操作。

如果数据都存在同一磁道中，那么旋转磁盘（速度快）就可以取到数据，不需要进行寻道操作，会大大减少开销。

（这里是我自己的理解，如果有不对的地方，欢迎大家指出来）

如果普通的一颗二叉树，在极端情况下会退化成链表结构。如图：

和二叉树一样，在数据量大的情况下，树的深度太大，查询次数过高。

比如，有500W的数据，假如树的高度有20层，你要查询的数据刚好在叶子节点，那么需要进行20次寻道操作，和磁盘进行20次I/O交互操作，大大加大了开销。

HASH索引，相比较于B-Tree 而言，不需要从根节点到叶子节点的遍历，可以一次定位到位置，查询效率更高，但缺点也很明显：

B+Tree 是平衡树的一种，并且所有叶子节点位于同一层，是不会退化成链表结构的。
B+Tree 有一个度的概念，指节点的数据存储个数。度越大，节点保存的数据个数就越多。那么相应的树的高度降低，在进行查询时，需要进行的I/O操作更少，读取数据的速度更快。
非叶子节点不存储data，只存储key，可以增大度。叶子节点只存储data, 不存储指针，顺序访问指针，可以提高区间访问的性能。
进行查找操作时，首先在根节点进行二分查找，找到一个key所在的指针，然后递归的在指针所指向的节点进行查找。直到查找到叶子节点，然后在叶子节点上进行二分查找，找出 key 所对应的 data。

知道了InnoDB的索引实现后，就明白了为什么不建议使用过长的字段作为主键了，因为所有辅助索引都用主索引，过长的主索引会令辅助索引变得过大。

主键索引：是一种特殊的唯一索引，不允许有空值。设定为主键后数据库会自动建立索引innodb为聚集索引。
唯一索引：索引列中的值必须是唯一的，但是允许为空值。
单值索引：索引只包含单个列，但一个表中可以有多个单值索引。
复合索引：在表中的多个字段组合上创建的索引，只有在查询条件中使用了这些字段的左边字段时，索引才会被使用，使用组合索引时遵循最左前缀原则。
全文索引：只有在MyISAM引擎上才能使用，只能在CHAR、VARCHAR、TEXT类型字段上使用全文索引，在一堆文字中，通过其中的某个关键字等，就能找到该字段所属的记录行。比如有"怡红院、金凤楼"等等，可以通过金凤楼，可能就可以找到该条记录。
空间索引：只有在MyISAM引擎上才能使用，创建空间索引的列，必须将其声明为NOT NULL。空间索引是对空间数据类型的字段建立的索引，MySQL中的空间数据类型有四种，GEOMETRY、POINT、LINESTRING、POLYGON。在创建空间索引时，使用SPATIAL关键字。

B+Tree 是按照第一个关键字进行索引，然后在叶子节点上按照第一个关键字、第二个关键字、第三个关键字…进行排序。使用复合索引的时候，会根据你的索引顺序，从左开始匹配。
索引只能用于查找key是否存在（相等），遇到范围查询(>、<、between、like左匹配)等就不能进一步匹配了，后续退化为线性查找。