索引的本质
索引是帮助Mysql高效获取数据的排好序的数据结构。
数据结构
二叉树 红黑树 Hash表 B-Tree B+Tree
二叉树
数据库如果不建立索引，查询数据的时候会采取逐行比对的方式，去获取查询的数据，这样查询如果数据量越来越大的情况下，消耗的时间也会越来越长。
下图Col2做为索引列，获取Col2=89只需要两次就可以获取到89的索引，定位到数据，获取到。如果不采用索引，需要逐行去比对6次才能获取到。
Mysql底层其实不是采用的二叉树数据结构作为索引的。如果把Col1做为索引列，二叉树数据结构如下图所示，想要获取数据即使走索引也需要6次查找，对效率优化不是很大，说白了，二叉树对这种单边增长的数据列作为索引对效率的提升，没有太大的帮助。
红黑树
下图红黑树的数据结构，貌似解决了二叉树单边增长的问题，获取索引6只需要查询3次就可以获取到。但是这还不是最佳方案，现在的数据量不大，如果数据量达到几百万，上千万级别，红黑树的高度会越来越高，比如树的高度=18，那查询一条数据需要18次磁盘IO，效率也不是很高。
B-Tree
- 叶节点具有相同的深度。
- 所有的索引不重复。
- 节点中的索引从左到右依次排序
B+Tree（B-Tree变种）
Mysql采用的数据结构
- 非叶子节点不储存data数据，只储存索引，这样可以释放空间来存放更多的索引。
- 叶子节点包含所有的索引字段。
- 叶子节点用指针连接，提升区间访问性能。
查询语句：show variables like ‘innodb_page_size’
一个非叶子节点默认可以存储16384个字节，也就是16KB。打个比方一个索引占8个字节，下一个索引文件地址占6个字节。16384除以8加6等于1170，也就是一个非叶子节点大约可以存1170个索引元素。但是叶子节点需要存储data元素，分配1KB就足够用了，也就是一个叶子节点可以存16个元素。这样算的话，如果树高为3，可以储存的数据等于1170乘1170乘16等于2千多万。也就是说两千多万的数据磁盘io三次就可以获取到你想要的数据啦。
Hash
- 对索引key进行一次Hash计算就能定位到数据位置。
- Hash很多时候性能比B+Tree索引更高效。
- 但是不支持范围查找
Mysql为什么选择B+Tree而不是B-Tree呢？
- B+Tree把B-Tree非叶子节点上data元素全部挪到叶子节点上，释放了更多的空间去存储索引元素，所以2千万的数据存进来树的高度只有3，如果用B-Tree存储2千万数据，树的高度决定远远大于3
- B+Tree叶子节点还有指针关联，范围查找比如 id>15,就会定位到15后根据指针依次获取后面数据，来提升区间访问性能。
MyISAM储存引擎索引实现(非聚集)
InnoDB储存引擎索引实现(聚集)
二级索引
二级索引data元素储存的是主键值，根据主键id再回表操作
联合索引储存结构
数据结构可视化网址：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html