MySQL 索引算法详解
在 MySQL 中，索引是一种提高查询速度的数据结构。不同的索引算法适用于不同的查询场景，本文将详细介绍 MySQL 的几种主要索引算法。
1. B+Tree 索引（默认索引）
1.1 存储结构
B+Tree（B+ 树）是一种平衡多路搜索树，其特点是：
- 所有数据存储在叶子节点，内部节点仅存储索引值。
- 叶子节点之间通过双向链表相连，便于范围查询。
- 所有叶子节点在同一层，保持查询效率稳定。
1.2 适用存储引擎
- InnoDB（默认）
- MyISAM
1.3 优势
✅ 适用于 范围查询（BETWEEN、>、< 等）
✅ 适用于 ORDER BY 排序查询
✅ 叶子节点形成链表，支持 高效的顺序遍历
1.4 局限性
❌ 不适用于全文搜索（需要使用 Full-Text 索引）
❌ 插入/删除频繁时可能导致索引分裂
2. Hash 索引（适用于等值查询）
2.1 存储结构
- 通过 哈希函数 计算键值映射到哈希桶，快速定位数据。
- 适用于 键值对查询（key-value）。
2.2 适用存储引擎
- Memory（Heap）引擎
- InnoDB（Adaptive Hash Index，自动优化的哈希索引）
2.3 优势
✅ 适用于 等值查询（=），查询速度快（O(1) 时间复杂度）
✅ 哈希表查询不会随数据量增加而变慢
2.4 局限性
❌ 不支持范围查询（>、<、BETWEEN）
❌ 不支持 ORDER BY 排序
❌ 容易哈希冲突，影响查询效率
3. Full-Text（全文索引）
3.1 存储结构
- 倒排索引（Inverted Index），存储单词 -> 文档 ID 的映射。
- 适用于 全文搜索（如文章、评论、日志）。
3.2 适用存储引擎
- InnoDB
- MyISAM
3.3 优势
✅ 适用于 全文搜索（MATCH() AGAINST()）
✅ 比 LIKE '%xx%' 查询快得多
3.4 局限性
❌ 不适用于小数据量（索引维护开销大）
❌ 不能完全替代搜索引擎（如 Elasticsearch）
4. R-Tree（空间索引）
4.1 存储结构
- R-Tree（多维索引结构），适用于存储和查询 地理坐标（点、矩形、多边形）。
4.2 适用存储引擎
- MyISAM
- InnoDB（MySQL 8.0 之后支持
SPATIAL索引）
4.3 优势
✅ 适用于 地理信息查询（如“某点附近的餐馆”）
✅ 适用于 空间范围查询（如“某个区域内的所有数据”）
4.4 局限性
❌ 仅 MyISAM 支持，InnoDB 仅在 MySQL 8.0+ 支持
❌ 适用场景较窄，一般用于 GIS 应用
5. Bitmap 索引（适用于低基数列）
5.1 存储结构
- 位图（Bitmap），用 0/1 位 记录某个值在不同数据行中的出现情况。
5.2 适用存储引擎
- MySQL 不直接支持（Oracle、PostgreSQL 支持）
5.3 优势
✅ 适用于 低基数列（如性别、状态、布尔值）
✅ 节省存储空间，查询时可用位运算加速
5.4 局限性
❌ 不适用于高基数列（如手机号、用户名）
❌ 不支持动态更新（更新代价大）
6. 索引算法对比总结
| 索引类型 | 适用存储引擎 | 适用查询场景 | 优势 | 局限性 |
|---|---|---|---|---|
| B+Tree（默认） | InnoDB、MyISAM | 范围查询、排序查询、主键/外键 | 适用于大多数场景 | 插入/删除频繁时可能导致索引分裂 |
| Hash 索引 | Memory、InnoDB（自适应） | 精确匹配（=） | 查询速度快（O(1)） | 不支持范围查询、排序、模糊查询 |
| Full-Text 索引 | InnoDB、MyISAM | 全文搜索 | 适用于大文本字段（如文章搜索） | 不能完全替代搜索引擎 |
| R-Tree（空间索引） | MyISAM、InnoDB（8.0+） | GIS 地理查询 | 适用于空间数据 | 仅适用于 MyISAM（8.0+ InnoDB 支持） |
| Bitmap 索引 | MySQL 不支持 | 低基数列（如性别） | 高效存储和查询 | 更新代价高，不适用于高基数列 |
7. 结论
- 默认使用 B+Tree 索引（适用大部分情况）。
- 等值查询用 Hash 索引，但 InnoDB 默认不支持（Adaptive Hash Index 除外）。
- 全文搜索用 Full-Text 索引，比
LIKE '%xx%'查询更快。 - GIS 查询用 R-Tree 索引（
SPATIAL索引）。 - 低基数字段（如性别）可以考虑 Bitmap 索引，但 MySQL 不支持。
选择合适的索引结构，可以极大提升 MySQL 查询性能！