概述：

对于非常小的表，大部分情况下简单的全表扫描比建立索引更高效。对于中到大型的表，索引就非常有效。但是对于特大型的表，建立和维护索引的代价将会随之增长。这种情况下，需要用到一种技术可以直接区分出需要查询的一组数据，而不是一条一条的记录去匹配。例如可以使用分区技术。
索引是由存储引擎实现的，而不是在服务器层实现的，所以不同的存储引擎具有不同的索引类型和实现。
mysql支持两种索引，一种是B树索引，一种是hash表索引，这两种索引的查询效率都是较高的。

什么是索引：

索引是一种提高查询效率的数据结构（b树或者hash结构）
索引是创建在数据库表中，是对数据库表中的一列或者多列的值进行排序的一个结果，好处就是提高查询效率

索引的分类：

• 普通索引：没有任何限制，可以给任意字段创建普通索引
• 唯一性索引：使用unique修饰的字段，值不能重复，主键索引就是唯一性索引。
• 主键索引: 使用primary key修饰的字段自动创建主键索引
• 单列索引：在一个字段上创建索引
• 多列索引：在多个字段上创建索引
• 全文索引:使用fulltext参数可以设置全文索引，只支持char/varchar/text类型的字段上，常用于数据量较大的字符串类型上。

B-tree

B树：

B-tree树即B树，B即Balanced，平衡的意思。因为B树的原英文名称为B-tree，而国内很多人喜欢把B-tree译作B-树，其实，这是个非常不好的直译，很容易让人产生误解。如人们可能会以为B-树是一种树，而B树又是另一种树。而事实上是，B-tree就是指的B树。

B树(b-树)是一种多路搜索树(不是二叉树)：

• 定义任意非叶子节点最多有M个儿子；且M>2。
• 根节点的儿子树为[2,M];
• 除根节点外的非叶子节点的儿子树[M/2,M];
• 每个结点存放至少M/2-1(取上整) 和至多M-1个关键字； （至少两个关键字）
• 非叶子结点结点的关键字个数=指向儿子指针个数-1;
• 非叶子结点的关键字：k[1],k[2]…k[M-1];且k[i]<k[i+1];
• 非叶子结点的指针：p[1] ,p[2]…p[M];其中p[1] 指向关键字小于K[1]的子树，p[M]指向关键字大于k[M-1]的的子树，其它p[i]指向关键属于(k[i-1],k[i])的子树。
• 所有叶子结点位于同一层。

M=3:

b-树的搜索，从根节点开始，对结点内的关键字(有序)序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点；重复以上操作，直到所对应的儿子指针为空，或者已经是叶子结点。

B-树的特性:

• 关键字集合分布在整颗树中
• 任何一个关键字出现且只出现在一个结点中
• 搜索有可能在非叶子结点结束
• 其搜索性能等价于在关键字全集做一次二分查找
• 自动层次控制

B+树:

B+树是b-数的变体，也是一种多路搜索树：

其定义基本与B-树相同，一下除外：

• 非叶子结点的子树指针和关键字个数相同
• 非叶子结点的子树指针p[i]，指向关键字值属于[k[i],k[i+1]]的子树(b-树是开区间的)
• 为所有叶子结点增加一个链指针
• 所有关键字都在叶子结点出现。
  M=3:
  
  B+树的搜索与B-树也基本相同，区别是B+树只有达到叶子结点时才命中，其性能也等价于做一次二分查找。

B+树的特性：

• 所有关键字都出现在叶子结点的链表中(稠密索引),且链表中的关键字恰好是有序的。
• 只能在叶子结点命中
• 非叶子结点相当于叶子结点的索引(稀疏索引)，叶子结点相当于是存储（关键字）数据的数据层。
• 更适合文件索引系统
• 所有的查找时间都是一样的。

B树参考博客：

B树/B-树/B+树/B*树

B-树和B+树的区别：

1. b-树的每一个节点，存了关键字和对应的数据地址，而b+树的非叶子节点只存放关键字，不存放数据地址。
   因此，b+树的每个非叶子节点存储的关键字是远远多于B-树的，b+树的叶子节点存放关键字和数据，因此从数的高度来说，B+树的高度远小于B-树，使用的磁盘IO次数少，因此查询会更快一点。

2. b-树由于每个节点都存储关键字和数据，因此离根节点近的数据，查询就快，离根节点远的数据，查询就慢。
   B+树所有的数据都存在叶子节点上，因此在B+树上搜索关键字，找到对应数据的时间是比较平均的，没有快慢之说。

3. 在b-树上做区间查找，遍历的节点是非常多的；b+树所有叶子节点被连接成了有序链表结构，因此做整表遍历和区间查找是非常容易的。

哈希索引 ：

在MYSQL中只有memory存储引擎显式支持索引，这也是memory引擎表的默认索引类型，memory引擎同时也支持B-Tree索引，并且，memory支持非唯一hash索引，如果多个列的hash值相同，索引就会以链表形式存放多个记录指针到同一个hash条目中
哈希索引基于hash表实现，hash表对数据并不排序，因此不适合做区间查找，效率非常低，需要搜索整个hash表结构。

MYSQL存储引擎

MYISAM索引结构：B+树实现

MYISAM引擎使用B+树作为索引结构，叶节点的data域存放的是数据记录地址。

扫描二维码关注公众号，回复： 6781525 查看本文章

主键索引：

MYISAM中，主索引和辅助索引在结构上没有任何区别，只是主索引要求key是唯一的，而辅助索引的key是可以重复的，如果给其它字段创建辅助索引，如下：

辅助索引：

上面两张图都是按照B+Tree搜索算法搜索索引，如果指定的key存在，则取出其data域的值，然后以data域的值为地址，读取相应数据技记录。

INNODB存储引擎：

mysql INNODB存储引擎，基于b-树(实际上mysql采用的是b+树)的索引结构。
b-树是一种m阶平衡树，叶子结点都在同一层，由于每一个结点存储的数据量比较大，索引整个b-树的层数是非常低的，基本上不超过三层。
由于磁盘上的读取也是按照block块操作的(内存是按page页面操作的)，因此b-树的结点大小一般设置为和磁盘块大小一致，这样一个b-树结点就可以通过一次磁盘IO把一个磁盘块的数据全部存储下来，所以当使用b-树存储索引的时候，磁盘IO的操作次数是最少的(MYSQL的读写效率主要将集中在磁盘IO上)

注意：

• InnoDB支持的hash索引是自适应的，innodb存储引擎会根据表的使用情况自动为表生成hash索引，不能人为干预是否在一张表中生成hash索引。
• B+树索引并不能找到一个给定键值的具体行。B+树索引能找到的只是被查找数据所在的页。然后数据库通过把页读入内存，再在内存中进行查找，最后得到所要的数据。

主键索引：聚集索引

innodb存储引擎的主键索引，叶子节点中，索引关键字和数据是一起存放的。

辅助索引：非聚集索引

INNODB的辅助索引，叶子节点存放的是索引关键字和对应的主键关键字。

辅助索引的B+树，先根据关键字找到对应的主键，再去主键索引树上找到对应的行记录。
从主索引树上可以看到，INNODB的索引关键字和数据都是在一起存放的，体现在磁盘存储上。
如创建一个INNODB存储引擎的user表，在磁盘上值存储两种结构， user.frm(表结构) ，user.idb(索引和数据)