4 索引 1

索引的出现是为了提高数据查询的效率，就像书的目录一样

以键值对存储数据的结构。用一个hash函数把key换算成一个确切的位置，然后把value放在数组的这个位置。
出现多个key值经过hash后出现同一个值，产生冲突，通过链表解决
你现在维护着一个身份证信息和姓名的表，需要根据身份证号查找对应的名字

这时若查询ID_card_n2对应的名字：将 ID_card_n2 通过哈希函数算出 N；然后，按顺序遍历，找到 User2
增加新的数据时，追加就可以；但是因为不是有序的，查询的速度很慢
哈希的这种结构适用于等值查询的场景

在这里插入图片描述
如图：二叉搜素树示意图

二叉搜索树的特点是：每个节点的左儿子小于父节点，父节点又小于右儿子
时间复杂度是 O(log(N))
树可以有二叉，也可以有多叉。多叉树就是每个节点有多个儿子，儿子之间的大小保证从左到右递增。二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。其原因是，索引不止存在内存中，还要写到磁盘上
为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N 叉”树。这里，“N 叉”树中的“N”取决于数据块的大小。

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

表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表
InnoDB 使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的。每一个索引在 InnoDB 里面对应一棵 B+ 树。
假设，我们有一个主键列为 ID 的表，表中有字段 k，并且在 k 上有索引。这个表的建表语句是：

mysql> create table T(
id int primary key, 
k int not null, 
name varchar(16),
index (k))engine=InnoDB;

表中 R1~R5 的 (ID,k) 值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，两棵树的示例示意图如下。
在这里插入图片描述

叶子节点的内容，索引类型分为主键索引和非主键索引
主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引（clustered index）。
非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）。
基于主键索引和普通索引的查询有什么区别？
普通索引查询方式需要先根据普通索引树，找到后再到主键索引表找一次，这个过程称为回表
基于非主键索引的查询需要多扫描一棵索引树。因此，应用中应该尽量使用主键查询。

B+ 树为了维护索引有序性，在插入新值的时候需要做必要的维护
页分裂
如果需要插入所在的数据页已经满了，根据 B+树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去，产生页分裂。影响性能和数据页的利用率（可能原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约 50%）
合并
当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。合并的过程，可以认为是分裂过程的逆过程。
自增主键
自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。
主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小
什么场景适合用业务字段直接做主键的呢
只有一个索引；该索引必须是唯一索引。

对于上面例子中的 InnoDB 表 T

//重建索引 k
alter table T drop index k;
alter table T add index(k);

//重建主键索引
alter table T drop primary key;
alter table T add primary key(id);

重建索引 k 的做法是合理的，可以达到省空间的目的。
但是，重建主键的过程不合理。不论是删除主键还是创建主键，都会将整个表重建。所以连着执行这两个语句的话，第一个语句就白做了。这两个语句，你可以用这个语句代替： alter table T engine=InnoDB。

本文是通过学习极客时间“MySQL实战45讲”，做的学习笔记，有错误的地方，请网友提出，大家共同学习，后续陆续更新！扫描下方二维码，可以共同学习。

在这里插入图片描述

发布了5 篇原创文章 · 获赞 0 · 访问量 55

私信关注