索引
索引
索引是用于快速查找记录的一种数据结构，类似与书的目录。
索引类型
索引常用两种数据结构来实现：B树，B+树（hash索引，类似于HashMap结构）（根节点，子节点，叶子节点）
使用索引后，搜索引擎不需要进行全表扫描来获取数据。
B树
m阶B树具有以下特点
- 根节点至少2个节点
- 除根节点外，每个节点的key的数据量必须满足：m/2 <= x <= m-1（m阶树，x为节点key数量）
每个节点存储了多个key（记录的主键）及对应的信息，还存储了指针，指向子磁盘页
假设这是我们user表中的数据，键值即为我们的 id ，现在我们要查找id为28的记录。
建立索引的情况下：
- 读取磁盘块1中的数据（已经在内存中），判断出应该读取p2指向的磁盘块3.
- 读取磁盘块3中的数据，判断出应该读取p2指向的磁盘块8.
- 读取磁盘快8的数据，查找到id为28的记录。
没有索引情况下：
扫描全表，直到查找到id为28 的记录
对比有无索引的情况，我们就可以很明显的发现，如果我们的表记录数很大，建立索引后只要保持树的深度H，我们就可以在<=H-1次下，查找到我们的记录（根节点常驻内存）。没有建立索引时，则需要进行扫描全表，很耗费系统资源，且效率非常低下
B+树
- B+树是B树的升级版；
- B+Tree与BTree的区别在于，B+Tree的非叶子节点只存储导航信息，数据全部存储在叶子节点处，并且用链表链接；
- B+Tree的非叶子节点只起导航作用，这样的好处是内页可以存储更多的key，数据更紧密，降低了树的深度，降低了I/O的读取次数，提高了效率；
- B树的节点中没有重复元素，B+树有；
Hash索引
存储引擎对所有的索引列进行hash计算，将hahs码存储在索引中，并记录每个数据行的指针。只能用于等值过滤，不能用于范围过滤，仅支持=，in等精确查询，不支持排序，不支持匹配查找。
聚集索引
它不是索引类型，是一种数据存储方式。数据行的物理顺序与列值（主键）顺序一致，一个表中只能拥有一个聚集索引（主键索引就是聚集索引，叶子节点保存了数据）。是一颗B+树，叶子节点包含了所有数据，且有序。
非聚集索引（二级索引）
在非主键的其他列上建立所以，就是二级索引。索引的逻辑顺序与磁盘上的物理存储顺序不同，一个表中可以拥有多个非聚集索引。非聚集索引在索引没有覆盖到对应的列时需要进行二次查询。叶子页包含了对应的主键值。
索引
- 主键索引，约束比唯一索引更加严格，不允许空值，仅允许一列为主键索引，使用PRIMARY关键字
- 唯一索引，允许空值，可允许多个列设置为唯一索引（身份证，手机号），使用UNIQUE关键字，会在新数据插入时，自动检测是否已有相同树值的记录（避免数据出现重复）
- 普通索引，唯一任务是加快对数据的访问速度，使用在经常出现在查询条件或排序条件中的数据列，表关联查询的列上
- 组合索引，遵循最左匹配原则
- 全文索引，仅用于MyISAM搜索引擎
缺点
- 创建和维护索引，耗时，并随着数据量的增加而增加
- 索引会占用物理空间
- 当对数据进行CUD时，索引也需要动态维护
使用场景
经常搜索的列，表关联查询的列，排序的列，区分度高的列，使用索引的列不要参与计算，使用相同类型比较，防止隐式转换，定义为text，miage，二进制的列，不应该建立索引，当表修改操作远远大于查询操作时不应该建立索引
为什么性别和其他选择性低的列不适合建立索引
因为建立索引需要耗时，访问索引都需要付出额外的擦I/O操作。假设你从100w条数据中取几条数据，利用索引快速定位，虽然查询索引进行了I/O开销，但非常有用；但是你从100w条数据中取50w条数据，所有的磁盘页基本上都访问到了，和通过全表扫描无差别。（数据存储在磁盘页，顺序存储）