title: 索引
created: 2022-12-27T11:18:43Z
updated: 2022-12-28T16:24:38Z
索引
1. 索引的介绍
索引是通过某种算法，构建出一个数据模型，用于快速找出某个列中有一特定值的行。
如果没有索引，MySQL必须使用全表扫描方式，从第一条记录开始读完整个表直到找到对应结果，表越大，查询所花的时间越多，效率特别特别低。
如果有索引，MySQL能够快速到达一个大概的位置，再从一这个位置继续检索，而不必查看所有数据。
索引是加在字段上的，对于一个student表 执行如下SQL语句 ：
select id, name from student where id = 10;如果没有索引，需要遍历全部学生直到找到学号为10的，遍历次数为8.
如果给id字段加了索引，假如加的是二叉搜索树，那么这句SQL只需要遍历8、10，遍历次数为2。
只有10条记录就能优化这么明显，100条呢？10000条呢？10000000条呢？
当然，索引并不是二叉搜索树这么简单，常见的索引结构如哈希、B+树，这些结构都很复杂。
2. 索引的本质
**索引是数据的一种，**MySQL数据库的数据是存储在磁盘中的，所以索引也是以文件的形式存储在磁盘中的。
不过索引文件在磁盘中究竟以何种方式存储，这是由索引的数据结构来决定的。同时，由于索引机制最终是由存储引擎实现，因此不同存储引擎下的索引文件，其保存在本地的格式也并不相同。
因为索引是以文件形式保存在磁盘的，对于一张很大的表创建索引时，并不会像约束一样直接在原表操作，而是重新在磁盘中创建新的文件来存储。假设表中有1000W条数据，那创建索引时，就需要将索引字段上的1000W个值全部拷贝到本地索引文件中，同时做好排序并与表数据产生映射关系。
3. 索引的结构
索引建立后也会在磁盘生成索引文件，那每个具体的索引节点该如何在本地文件中存放呢？这点是由索引的数据结构来决定的。比如索引的底层结构是数组，那所有的索引节点都会以Node1→Node2→Node3→Node4....这样的形式，存储在磁盘同一块物理空间中，不过MySQL的索引不支持数组结构，或者说数组结构不适合作为索引结构，MySQL索引支持的数据结构如下：
Hash类型：大部分存储引擎都支持，字段值不重复的情况下查询最快，无序。B+Tree类型：MySQL中最常用的索引结构，大部分引擎支持，有序。R-Tree类型：MyISAM引擎支持，也就是空间索引的默认结构类型。T-Tree类型：NDB-Cluster引擎支持，主要用于MySQL-Cluster服务中。
在上述的几种索引结构中，B+树和哈希索引是最常见的索引结构，几乎大部分存储引擎都实现了，对于后续两种索引结构在某些情况下也较为常见，但除开列出的几种索引结构外，MySQL索引支持的数据结构还有R+、R*、QR、SS、X树等结构。
3.1 Hash
Hash是一种算法，也叫散列算法，如何使用Hash来实现索引呢 ？
- 使用 算法 给加了索引的字段生成一个hashcode，这个hashcode映射到具体数据的地址
假如有如下指令要执行 ：
insert into student(id, name, age) value (1, '小王', 18);
insert into student(id, name, age) value (2, '小刚', 17);
insert into student(id, name, age) value (3, '小蓝', 21);给字段id添加索引，假如构建索引时hash使用的算法为哈希函数f()，它返回下面的值：
f('1') = 2414
f('2') = 4634
f('3') = 8381
则哈希索引的结构如下 ：
| 键值 | 槽(hashcode) | 值 |
|---|---|---|
| 1 | 2414 | 指向第一行的指针 |
| 2 | 4634 | 指向第二行的指针 |
| 3 | 8381 | 指向第三行的指针 |
当查询时
select * from student where id = 2依旧会根据2计算出hashcode，得到指向第二行的指针，直接得到数据。而不是傻傻的遍历。
Hash的优点：
哈希算法时间复杂度为O(1)，它是最快的，磁盘IO花费少
Hash的缺点：
Hash只能用到等值查询，不能范围和模糊查询。
hash索引不能用于外排序，hash索引存储的是hash码而不是键值，所以无法用于外排序。
hash索引中的hash码的计算可能存在hash冲突
3.2 B+树
B+树是使用最多的索引，在MySQL中创建索引时，其默认的数据结构就为B+Tree。
谈到B+树，必须要先说一下B树（多路平衡查找树）。
将999-1020插入到B树中如下 ：
B树与二叉树的差别：
| 结构 | 节点key数量 | 孩子数量 |
|---|---|---|
| 二叉树 | 每一个节点可以有多个key | 每个节点可以有多个孩子 |
| B树 | 每一个节点最多有一个key | 每个节点最多有两个孩子 |
正是由于这些区别，在二叉树中插入100个数据可能有10层，在B树中插入可能只有3层。
接下来看看插入 999 - 1020到B+树会发生什么 ：
会发现B+树中所有的数据都在叶子节点中出现，并且所有叶子节点构成一个链表。
B树与B+树的区别 ：
- B+树所有的数据都在叶子节点中出现。
- B+树的非叶子节点只有key，叶子节点有key也有value
- B+树所有叶子节点构成一个链表。
在进行如下SQL时 ：
select * from student where id between 1006 and 1011;使用B+树可以直接查找到1006和1011，1006和1011之间是链表结构，直接返回。
MySQL又对B+树进行了优化，在原有B+树的基础上，增加了一个指向相邻叶子节点的链表指针，形成了双向循环链表，提高区间访问的性能。
3.3 常见面试题之为什么用B+树
Q ：为什么用B+树而不用二叉树？
- 极端情况下二叉树可能形成链表，再查询还是要遍历。
- 相同数据量下，二叉树的层级太高，读取磁盘的次数太多，浪费磁盘IO。
Q ：为什么用B+树而不用Hash？
- Hash只支持等值查询，不能范围和模糊查询。而B+树支持。
- Hash可能出现Hash冲突，极端情况下还是个链表。
Q ：为什么用B+树而不用B树？
- B+树是B树的变种，B树可以实现的B+树都可以实现。
- B+树扫库、扫表能力更强，因为B+树所有节点都形成了叶子节点，并且所有叶子节点组成了双向链表。
- B+树非叶子节点不存储数据，每一页中存储的键值更多，树的层级更少，IO次数变少。
- B+树永远是在叶子节点拿到数据，更加稳定。
4. 索引的分类
Q ：请回答一下你知道的
MySQL索引类型。A ：聚簇索引、非聚簇索引、唯一索引、主键索引、联合索引、全文索引、单列索引、多列索引、复合索引、普通索引、二级索引、辅助索引、次级索引、有序索引、
B+Tree索引、R-Tree索引、T-Tree索引、Hash索引、空间索引、前缀索引......
如果你这样回答，面试官可能笑笑不说话....
实际上MySQL中真的有这么多索引类型吗？其实并没有，MySQL索引主要按照数据结构、字段数量、功能逻辑来分类。
当被问到 ：请回答一下你知道的MySQL索引类型。
按照功能逻辑分类下的索引叙述即可 。
按照数据结构分类已经说过，下面说一下按照功能与存储形式分类。
为什么不说按照字段数量的分类呢？在一个字段上加索引称为单列索引，在多个字段上加同一个索引叫做多列索引。功能逻辑分类中的唯一索引、主键索引...都是单列索引。
4.1 功能逻辑层次
可分为这几种 ：
| 分类 | 含义 | 特点 | 关键字 |
|---|---|---|---|
| 普通索引 | 快速定位数据 | 可以有多个 | |
| 主键索引 | 针对主键创建的索引 | 唯一，主键默认加主键索引 | PRIMARY |
| 唯一索引 | 避免同一个表中的某一列出现重复值 | 可以有多个 | UNIQUE |
| 全文索引 | 全文索引查找的是文本中的关键词 类似ES的分词器 |
可以有多个 | |
| 空间索引 | 快速检索空间数据类型 | 可以有多个 |
- 普通索引 ：给指定字段加索引，单纯的提高这个字段的查询效率。
- 主键索引 ：一个表的主键默认加主键索引。
- 唯一索引 ：加了非空约束的字段默认加唯一索引。
- 全文索引 ：只能创建在
CHAR、VARCHAR、TEXT等这些文本类型字段上，而且使用全文索引查询时，条件字符数量必须大于3才生效，功能上类似ES的分词器。 - 空间索引 ：MySQL提供了几种空间类型
GEOMETRY、POINT、LINESTRING、POLYGON，空间索引则是基于这些类型的字段建立的，也就是可以帮助我们快捷检索空间数据。
4.2 存储形式层次
| 分类 | 含义 | 特点 |
|---|---|---|
| 聚集索引 | 将数据存储与索引放到了一块，索引结构的==叶子节点保存了行数据== | 必须有，只能由一个 |
| 二级索引 | 将数据与索引分开存储，索引结构的==叶子节点关联的是对应的主键== | 可以有多个 |
在刚才我们说过，索引的本质是数据。如果构建索引，要给索引创建单独的文件存储。
聚集索引就是将数据与索引放到一起存储。
二级索引就是将数据与索引单独存储，那么如何通过索引找到数据呢？这就要说到回表查询。
使用上面的student表，给id构建聚集索引，name构建二级索引。
若执行如下SQL：
select * from student where id = 3;由于是聚集索引，只要根据索引查找到数据，就可以直接返回该数据。
若执行如下SQL：
select * from student where name = '何';由于是二级索引，会触发回表查询
简单描述就是 ：
二级索引的叶子节点关联主键，需要先查出主键再拿着主键去聚集索引查行数据。
由于回表查询的存在，根据主键查询数据比根据其他字段查询数据快。
5. 索引的失效
在了解索引失效前，先来看看一个原理 ：最左前缀原则。
5.1 最左前缀原则
对于多列索引 ：
- 查询从索引的最左列开始，并且不跳过索引中的列。如果跳过某一列，索引将**
部分失效。** - 若查询语句中出现范围查询，范围查询后的所有字段都不走索引。
存在一个表 ：student，对于 id、age、name 加多列索引 ：idx_id_age_name，可知顺序是id -> age -> name
以下SQL语句的索引使用情况如下 ：
-- 全部索引都将生效
-- 可见: 最左前缀原则的失效情况是未出现，对于顺序无要求.
select * from student where id = 1 and age = 14 and name = '小李';
select * from student where age = 14 and id = 1 and name = '小李';
select * from student where age = 14 and name = '小李' and id = 1;-- id是第一个，未出现，则idx_id_age_name索引全部失效
select * from student where age = 14 and name = '小李';-- age 未出现，从age开始失效。只用到了id的索引
select * from student where id = 1 and name = '小李';-- name未出现，从name开始失效。只用到了id和age的索引
select * from student where id = 1 and age = 14;对于范围查询导致索引失效的场景 ：
-- id出现范围查询，id后的所有字段索引失效。
select * from student where id > 10 and age = 10 and name = '小李';
select * from student where age = 10 and id > 10 and name = '小李';
select * from student where age = 10 and name = '小李' and id > 10;注意 ：这两种索引失效称为最左前缀原则，只有多列索引会这样。
5.2 索引失效的场景
前两种多列索引失效的场景已经谈及，接下来列举一下其他的索引失效场景 ：
（假设举例中的所有字段都加了索引）
最左前缀原则导致索引失效。
字符串类型使用时不加引号，索引失效。
sql复制代码-- 索引不失效: select * from user where phone = '0111'; -- 索引失效: select * from user where phone = 0111;模糊查询时
%在最前面，索引失效。sql复制代码-- 索引不失效: select * from user where phone like '187%'; select * from user where phone like '187%2321'; -- 索引失效: select * from user where phone like '%2321';加索引的字段不能计算。
sql复制代码-- 索引不失效: select * from user where salary > 10000; -- 索引失效: select * from user where salary * 1.2 > 10000;使用or连接条件时，只有两侧条件都加了索引才都生效，有一方没加都会全部失效。
6. 索引常见面试题
本标题的内容引自 ：https://juejin.cn/post/7003527396427038733
面试官：我看你简历上写了MySQL，对MySQL InnoDB引擎的索引了解吗？
嗯嗯，使用索引可以加快查询速度，其实上就是将无序的数据变成有序（有序就能加快检索速度）
在InnoDB引擎中，索引的底层数据结构是B+树
面试官：那为什么不使用红黑树或者B树呢？
MySQL的数据是存储在硬盘的，在查询时一般是不能「一次性」把全部数据加载到内存中
红黑树是「二叉查找树」的变种，一个Node节点只能存储一个Key和一个Value
B和B+树跟红黑树不一样，它们算是「多路搜索树」，相较于「二叉搜索树」而言，一个Node节点可以存储的信息会更多，「多路搜索树」的高度会比「二叉搜索树」更低。
了解了区别之后，其实就很容易发现，在数据不能一次加载至内存的场景下，数据需要被检索出来，选择B或B+树的理由就很充分了（一个Node节点存储信息更多（相较于二叉搜索树），树的高度更低，树的高度影响检索的速度）
B+树相对于B树而言，它又有两种特性。
一、B+树非叶子节点不存储数据，在相同的数据量下，B+树更加矮壮。（这个应该不用多解释了，数据都存储在叶子节点上，非叶子节点的存储能存储更多的索引，所以整棵树就更加矮壮）
二、B+树叶子节点之间组成一个链表，方便于遍历查询（遍历操作在MySQL中比较常见）
我稍微解释一下吧，你可以脑补下画面
我们在MySQL InnoDB引擎下，每创建一个索引，相当于生成了一颗B+树。
如果该索引是「聚集(聚簇)索引」，那当前B+树的叶子节点存储着「主键和当前行的数据」
如果该索引是「非聚簇索引」，那当前B+树的叶子节点存储着「主键和当前索引列值」
比如写了一句sql：select * from user where id >=10，那只要定位到id为10的记录，然后在叶子节点之间通过遍历链表(叶子节点组成的链表)，即可找到往后的记录了。
由于B树是会在非叶子节点也存储数据，要遍历的时候可能就得跨层检索，相对麻烦些。
基于树的层级以及业务使用场景的特性，所以MySQL选择了B+树作为索引的底层数据结构。
对于哈希结构，其实InnoDB引擎是「自适应」哈希索引的（hash索引的创建由InnoDB存储引擎引擎自动优化创建，我们是干预不了）
面试官：嗯...那我了解了，顺便想问下，你知道什么叫做回表吗？
所谓的回表其实就是，当我们使用索引查询数据时，检索出来的数据可能包含其他列，但走的索引树叶子节点只能查到当前列值以及主键ID，所以需要根据主键ID再去查一遍数据，得到SQL 所需的列
举个例子，我这边建了给订单号ID建了个索引，但我的SQL 是：select orderId,orderName from orderdetail where orderId = 123
SQL都订单ID索引，但在订单ID的索引树的叶子节点只有orderId和Id，而我们还想检索出orderName，所以MySQL 会拿到ID再去查出orderName给我们返回，这种操作就叫回表
想要避免回表，也可以使用覆盖索引（能使用就使用，因为避免了回表操作）。
所谓的覆盖索引，实际上就是你想要查出的列刚好在叶子节点上都存在，比如我建了orderId和orderName联合索引，刚好我需要查询也是orderId和orderName，这些数据都存在索引树的叶子节点上，就不需要回表操作了。
面试官：既然你也提到了联合索引，我想问下你了解最左匹配原则吗？
嗯，说明这个概念，还是举例子比较容易说明
如有索引 (a,b,c,d)，查询条件 a=1 and b=2 and c>3 and d=4，则会在每个节点依次命中a、b、c，无法命中d
先匹配最左边的，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
这就是最左匹配原则
面试官：嗯嗯，我还想问下你们主键是怎么生成的？
主键就自增的
面试官：那假设我不用MySQL自增的主键，你觉得会有什么问题呢？
首先主键得保证它的唯一性和空间尽可能短吧，这两块是需要考虑的。
另外，由于索引的特性（有序），如果生成像uuid类似的主键，那插入的的性能是比自增的要差的
因为生成的uuid，在插入时有可能需要移动磁盘块（比如，块内的空间在当前时刻已经存储满了，但新生成的uuid需要插入已满的块内，就需要移动块的数据）
不使用主键自增，因为索引用的是B+树，插入数据时可能会移动数据。使用主键自增，插入数据时按照顺序往右边插入，不会移动数据
面试官：OK...
7. 总结及参考文献
OK~，本篇文章从索引的介绍、索引本质、索引结构、索引分类、索引失效、索引面试题等内容进行了全面概述，相信本章看下来，足够让你对MySQL索引机制有一个系统化的体系，那么我们下篇再见。
https://juejin.cn/post/7147609139974242317
https://juejin.cn/post/7003527396427038733
