一.B（B-）树与B+树的简介

• 在了解Mysql数据库索引的实现之前，就必须知道B树与B+树的相关知识，否则根本无法进行学习

1.1 B（B-）树

• 首先明确一个概念：B树就是B-树
• 如果想要详细学习B树或者B-树，那么就看这篇博客：B树详解
• 这里仅仅对B树做一个简单的介绍
  1）B树是平衡树，类似于二叉排序树，所以左子节点的数据一定小于父节点，右子节点的数据一定大于父节点
  2）但是B树每一个节点的结构是一个线性表，分别存储关键字（key：也就是数据）和指向子节点的指针。
  3）举个例子：例如如图的【3,7】节点，实际上里面存储的是
  【point1, 3，point2, 7，point3】
  4）所以每次查询的时候从根节点开始比较关键字，如果找不到就去子节点找
  5）至于B树的插入删除这里就不介绍了，自己看上面的博客连接

1.2 B+树简介

• B+树是B树的变式，两个各有千秋
• 如果想要学习B+树的详细知识可以看这篇博客：B+树详解
• B+树最大的区别就是所有的数据都是存储在叶子节点上的，而非叶子节点中存储的都是数据索引。并且所以的叶子结点再连城一个链表！
• B+ 树的三个优点：
  1）层级更低，IO 次数更少，因为非叶子节点中不存储数据，只存储索引，这就导致里面可以存储更多的索引！所以IO的次数更少，整个树变变的矮胖起来
  2）每次都需要查询到叶子节点，查询性能稳定，而B树的查询性能是不稳定的，有时候可能在根节点查到，有时候可能在叶子结点查到
  3）叶子节点形成有序链表，当我们进行即品范围查询的时候，直接在这个链表中寻找范围即可，范围查找更加方便

二. 聚集索引

2.1 聚集索引的概念

• 我们在进行数据库建表的时候，经常会给表加上主键，没有主键的表其实在磁盘上是无序的整齐存放的，和我们所认知的‘表’的结构很相似
• 当给表加上主键的时候，这个表就会转化成我们刚刚所说的B+树的形状，相当于整个表就变成了一个索引，所以这就成为聚集索引
• 也就是为什么一个表只能由一个聚集索引
  

2.2 聚集索引的查找

• 每次查找的时候，都是根据主键进行查找的，也就是非叶子结点中存储的就是主键中的数据，每次查找都要找到相应的叶子结点，然后取到相应的数据
  

2.3 比较聚集索引查询效率

• 当我们不使用聚集索引的时候，查询的时候是一行行的查找，每次都需要进行磁盘IO，时间复杂度是O（n）
• 当我们使用聚集索引的时候，时间直接变成了O（logn）

2.4 聚集索引带来的问题

• 有了聚集索引，那么查询自然是快了许多，但是实际上为增，删等写入数据的操作变慢
• 原因是因为每次写入操作都需要进行平衡二叉树的判断，修改树的结构，这样肯定是浪费了时间的！

三. 非聚集索引

3.1 非聚集索引的概念

• 非聚集索引就是讲主键以外的字段作为索引，其实就是我们平常所使用的索引
• 每次当我们定义一个字段为非聚集索引，那么数据库就会将这个表中的该字段复制一份构成一颗B+树，这棵B+树中的叶子结点存储的是相应的主键，非叶子结点存储当然是索引指针了
• 如果我们定义多个字段分别为非聚集索引，那么就会生成多颗B+树，并且是不互相干扰的！

3.2 非聚集索引的查找

• 非聚集索引的查找其实就是最终查找到相应的主键，然后再通过聚集索引树去查找数据——所以可以看做是二次查找
• 也就是说无论以任何方式查找表，最终都要用主键通过聚集索引来定位数据——除了覆盖索引（下面会讲到）
  

三.覆盖索引

3.1 覆盖索引的概念

• 覆盖索引指的是将多个字段一起设置为索引，也就是组合索引
• 和非聚集索引一样，同样会生成一科非聚集索引树，

3.1 覆盖索引的查找过程

• 例如将username和userbirthday作为组合索引
• 我们的查找目标是：userbirthday。
• 查找的时候首先在非聚集索引树中查找该索引，找到相应的数据主键
• 但是这时候我们就要注意了，一般情况下我们又要回到聚集索引树中去根据主键查找该用户的userbirthday，但是实际上我们的非聚集索引树中已经存储了该数据，所以可以不用做这一步了！直接取到数据
  

四.总结

• 这就是聚集索引，非聚集索引，覆盖索引的概念和实现了，我觉得讲的还是比较清楚的
• 该篇博客的编写参照了这篇博主的文章：https://blog.****.net/itguangit/article/details/82145322
• 希望能对大家有帮助，有帮助的话可以点个赞喔！谢谢！