索引的缺点
额外存储开销
索引需要占用额外的磁盘空间。对于大型表，索引可能比数据本身占用更多空间，尤其是组合索引或全文索引。维护成本高
写入性能下降：每次插入、更新、删除数据时，数据库需要同步更新相关索引，导致写操作变慢。
重建成本：频繁修改数据可能导致索引碎片化，需要定期重建索引以优化性能。
可能误导查询优化器
过多的索引可能导致优化器选择低效的执行计划（如错误选择索引扫描而非全表扫描）。
统计信息不准确时，优化器可能无法有效利用索引。
不适用于所有查询
对低选择性字段（如性别、状态）建立索引效果差。
索引无法覆盖所有查询场景（如某些复杂条件或函数操作）。
设计复杂度高
需要根据具体查询模式合理设计索引，否则可能导致资源浪费或性能瓶颈。
常见的索引类型
1. B-Tree 索引
结构：平衡多路搜索树（如B+树，数据库常用变种）。
特点：
支持范围查询（
>、<、BETWEEN）和排序（ORDER BY）。适合高基数（唯一值多）的字段。
限制：
对前缀模糊查询（
LIKE '%abc'）无效。函数或表达式可能导致索引失效。
常见子类：
唯一索引：强制字段值唯一（如主键）。
组合索引：多列联合索引，遵循最左匹配原则。
2. 哈希索引
结构：基于哈希表，存储键值的哈希码和行指针。
特点：
仅支持等值查询（
=、IN），查询速度极快（O(1)）。
限制：
不支持范围查询或排序。
哈希冲突可能影响性能。
适用场景：内存表（如MySQL的Memory引擎）。
3. 全文索引
结构：倒排索引（存储关键词到文档的映射）。
特点：
支持文本关键词搜索（如
MATCH ... AGAINST）。支持自然语言处理和分词（依赖语言规则）。
限制：
对短文本效果有限。
需要定期优化以合并分词碎片。
示例：Elasticsearch的核心索引类型。
4. 位图索引
结构：用位图（bitmap）表示每个键值对应的行是否存在。
特点：
适合低基数字段（如性别、布尔值）。
多条件组合查询效率高（通过位运算）。
限制：
高并发写入时锁竞争激烈。
不适合频繁更新的OLTP场景。
适用场景：数据仓库（OLAP）。
5. 空间索引（R-Tree）
结构：R树或其变种，用于多维数据（如地理坐标）。
特点：
支持空间查询（如
ST_Contains、ST_Distance）。
示例：PostGIS中的地理数据索引。
6. 其他类型
覆盖索引：索引包含查询所需的所有字段，避免回表。
聚簇索引（如InnoDB主键索引）：数据行按索引顺序物理存储。
列存储索引（如ClickHouse）：按列压缩存储，适合OLAP聚合查询。
总结
| 索引类型 | 适用场景 | 核心缺点 |
|---|---|---|
| B-Tree | 范围查询、高基数字段 | 前缀模糊查询无效，维护成本高 |
| 哈希 | 等值查询、内存表 | 不支持范围查询，哈希冲突风险 |
| 全文 | 文本搜索 | 分词复杂度高，存储占用大 |
| 位图 | 低基数字段、OLAP | 高并发写入性能差 |
| 空间索引 | 地理数据 | 仅支持特定空间操作 |
建议：
优先为高频查询条件建立索引，避免过度索引。
定期监控索引使用率，删除冗余索引。
组合索引需遵循最左匹配原则，合理安排字段顺序。