MySQL 索引（重点）-EW帮帮网

1. 没有索引，可能会有什么问题

索引是提高数据库性能的重要工具，是物美价廉的东西了，它不需要增加内存、修改程序或调整SQL语句，只需执行正确的create index命令，查询速度就可能提高成百上千倍。然而，天下没有免费的午餐，查询速度的提升是以插入、更新、删除操作的速度为代价的，这些写操作会增加大量的IO开销。索引的价值在于提高海量数据的检索速度。

我们要记住：MySQL 的服务器，本质是在内存中的，我们所有的 MySQL 数据操作 --- 增删查改，全部都是在 MySQL 的内存中进行的（索引也是如此），MySQL 在自己启动的时候，会预先开辟出一大块空间，然后在合适的时候，将数据对应的 CURD 操作体现在内存级，然后 MySQL 会定期的将数据刷新到外设，也就是磁盘当中做持久化

提高算法效率的因素：

组织数据的方式（线性结构 --- 二叉结构 --- 哈希结构）
算法本身（线性遍历 --- 二分）

所以索引的额本质就是未来我们知道的数据结构，这种数据结构是可以用来组织我们对应的数据本身的一个结构，更改完结构之后，就可以更改搜索的算法。

索引 --- 内存当中的，以特定数据结构组织的一种结构！

常见索引类型包括：

主键索引(primary key)
唯一索引(unique)
普通索引(index)
全文索引(fulltext)-解决中子文索引问题

案例：海量数据表的查询问题 --- 我们来见一见

构建一个800万条记录的数据表，观察没有索引时的查询性能问题。

index_data.sql：

-- 1. 设置允许函数创建
SET GLOBAL log_bin_trust_function_creators = 1;

-- 2. 删除并重建数据库
DROP DATABASE IF EXISTS `bit_index`;
CREATE DATABASE IF NOT EXISTS `bit_index` DEFAULT CHARACTER SET utf8;
USE `bit_index`;

-- 3. 创建表结构
CREATE TABLE IF NOT EXISTS `EMP` (
  `empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',
  `ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',
  `job` varchar(9) DEFAULT NULL COMMENT '雇员职位',
  `mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',
  `hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',
  `sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',
  `comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',
  `deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);

-- 4. 删除已有函数和过程
DROP FUNCTION IF EXISTS rand_string;
DROP FUNCTION IF EXISTS rand_num;
DROP PROCEDURE IF EXISTS insert_emp;

-- 5. 创建随机字符串函数（添加DETERMINISTIC声明）
DELIMITER $$
CREATE FUNCTION rand_string(n INT)
RETURNS VARCHAR(255)
DETERMINISTIC
BEGIN
    DECLARE chars_str VARCHAR(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
    DECLARE return_str VARCHAR(255) DEFAULT '';
    DECLARE i INT DEFAULT 0;
    WHILE i < n DO
        SET return_str = CONCAT(return_str, SUBSTRING(chars_str, FLOOR(1 + RAND() * 52), 1));
        SET i = i + 1;
    END WHILE;
    RETURN return_str;
END$$
DELIMITER ;

-- 6. 创建随机数字函数（添加DETERMINISTIC声明）
DELIMITER $$
CREATE FUNCTION rand_num()
RETURNS INT
DETERMINISTIC
BEGIN
    DECLARE i INT DEFAULT 0;
    SET i = FLOOR(10 + RAND() * 500);
    RETURN i;
END$$
DELIMITER ;

-- 7. 创建存储过程
DELIMITER $$
CREATE PROCEDURE insert_emp(IN start INT(10), IN max_num INT(10))
BEGIN
    DECLARE i INT DEFAULT 0;
    SET autocommit = 0;
    REPEAT
        SET i = i + 1;
        INSERT INTO EMP VALUES ((start+i),
        rand_string(6), 'SALESMAN', 0001, CURDATE(), 2000, 400, rand_num());
        UNTIL i = max_num
    END REPEAT;
    COMMIT;
END$$
DELIMITER ;

-- 8. 测试执行（先少量数据）
-- CALL insert_emp(100001, 10);
-- SELECT * FROM EMP LIMIT 10;

-- 9. 确认无误后执行大规模插入
CALL insert_emp(100001, 8000000);

查询员工编号为998877的员工：

select * from EMP where empno=998877;

mysql> select * from EMP where empno=998877;
+--------+--------+----------+------+---------------------+---------+--------+--------+
| empno  | ename  | job      | mgr  | hiredate            | sal     | comm   | deptno |
+--------+--------+----------+------+---------------------+---------+--------+--------+
| 998877 | zWjfcT | SALESMAN | 0001 | 2025-08-06 00:00:00 | 2000.00 | 400.00 |    112 |
+--------+--------+----------+------+---------------------+---------+--------+--------+
1 row in set (6.38 sec)

耗时6.38秒，在实际项目中，如果有1000人并发查询，很可能导致系统崩溃。

解决方法：创建索引

alter table EMP add index(empno);

mysql> alter table EMP add index(empno);
Query OK, 0 rows affected (22.51 sec)
Records: 0  Duplicates: 0  Warnings: 0

再次查询不同员工编号：

select * from EMP where empno=998877;

mysql> select * from EMP where empno=998877;
+--------+--------+----------+------+---------------------+---------+--------+--------+
| empno  | ename  | job      | mgr  | hiredate            | sal     | comm   | deptno |
+--------+--------+----------+------+---------------------+---------+--------+--------+
| 998877 | zWjfcT | SALESMAN | 0001 | 2025-08-06 00:00:00 | 2000.00 | 400.00 |    112 |
+--------+--------+----------+------+---------------------+---------+--------+--------+
1 row in set (0.01 sec)

查询速度显著提升。--- 这就是索引的好处！！！

2. 磁盘基础

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提高效率，是 MySQL 的一个重要话题。

磁盘结构

先来研究一下磁盘

数据定位方式：

CHS(柱面-磁头-扇区)：硬件层面定位方式
LBA(逻辑块地址)：系统软件使用的线性地址，最终会转换为CHS

再看看磁盘中的一个盘片

扇区

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。题外话：

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大，那么，所有扇区都是默认512 字节吗？

目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑。

我们在使用 Linux ，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。 (当然，有一些内存文件系统，如：proc，sys之类，我们不考虑）

#数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件


root@instance-hojuqq09:~# cd /var/lib/mysql

root@instance-hojuqq09:/var/lib/mysql# ls
'#ib_16384_0.dblwr'   auto.cnf        binlog.index   client-cert.pem   ibdata1     performance_schema   server-cert.pem   undo_002
'#ib_16384_1.dblwr'   binlog.000001   bit_index      client-key.pem    ibtmp1      private_key.pem      server-key.pem
'#innodb_redo'        binlog.000002   ca-key.pem     company           mysql       public_key.pem       sys
'#innodb_temp'        binlog.000003   ca.pem         ib_buffer_pool    mysql.ibd   scott                undo_001

root@instance-hojuqq09:/var/lib/mysql# cd bit_index

root@instance-hojuqq09:/var/lib/mysql/bit_index# ll
total 716812
drwxr-x---  2 mysql mysql      4096 Aug  6 14:12 ./
drwxr-x--- 10 mysql mysql      4096 Aug  6 14:19 ../
-rw-r-----  1 mysql mysql 734003200 Aug  6 14:29 EMP.ibd

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。
而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

定位扇区

柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面。

每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的。

所以，我们只需要知道磁头（Heads）、柱面(Cylinder)（等价于磁道）、扇区(Sector)对应的编号，即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS。不过实际系统软件使用的并不是 CHS（但是硬件是），而是 LBA，一种线性地址，可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

结论

我们现在已经能够在硬件层面定位任何一个基本数据块了（扇区）。那么在系统软件上，就直接按照扇区（512字节，部分4096字节）进行IO交互吗？不是。

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码就和硬件强相关；换言之，如果硬件发生变化，系统必须跟着变化。要做到解耦！！！

从目前来看，单次IO 512字节还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。--- 磁盘的物理动作！！！

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位就不是扇区，而是数据块。故，系统读取磁盘是以块为单位的，基本单位是 4KB。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。
连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。

因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。

磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

3. MySQL与磁盘交互

而 MySQL 作为一款应用软件，在系统角度就是一个应用进程，在网络角度就是应用层的服务，我们可以想象成一种特殊的文件系统。它有着更高的 IO 场景，所以，为了提高基本的 IO 效率，MySQL 进行 IO 的基本单位是 16KB（后面统一使用 InnoDB 存储引擎讲解）。

查看InnoDB页大小：

SHOW GLOBAL STATUS LIKE 'innodb_page_size';

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 | -- 16*1024=16384
+------------------+-------+
1 row in set (0.01 sec)

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB 引擎使用 16KB 进行 IO 交互。即，MySQL 和磁盘进行数据交互的基本单位是 16KB。这个基本数据单元，在 MySQL 这里叫做 page（注意和系统的 page 区分）。

4. 共识建立

MySQL 中的数据文件，是以 page 为单位保存在磁盘当中的。
MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。
而只要涉及计算，就需要 CPU 参与，而为了便于 CPU 参与，一定要能够先将数据移动到内存当中，拿到自己的 Buffer Pool。
所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是 IO 了。而此时 IO 的基本单位就是 Page。
为了更好的进行上面的操作，MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行 IO 交互。
为何更高的效率，一定要尽可能的减少系统和磁盘 IO 的次数

5. 索引原理

测试表创建

create table if not exists user (
    id int primary key, -- 主键会自动生成主键索引
    age int not null,
    name varchar(16) not null
);

mysql> show create table user \G
*************************** 1. row ***************************
       Table: user
Create Table: CREATE TABLE `user` (
  `id` int NOT NULL,
  `age` int NOT NULL,
  `name` varchar(16) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb3
1 row in set (0.00 sec)


-- 插入数据(无序)
insert into user (id, age, name) values(3, 18, '杨过');
insert into user (id, age, name) values(4, 16, '小龙女');
insert into user (id, age, name) values(2, 26, '黄蓉');
insert into user (id, age, name) values(5, 36, '郭靖');
insert into user (id, age, name) values(1, 56, '欧阳锋');

-- 查询结果显示有序
select * from user;


mysql> select * from user;
+----+-----+-----------+
| id | age | name      |
+----+-----+-----------+
|  1 |  56 | 欧阳锋    |
|  2 |  26 | 黄蓉      |
|  3 |  18 | 杨过      |
|  4 |  16 | 小龙女    |
|  5 |  36 | 郭靖      |
+----+-----+-----------+
5 rows in set (0.00 sec)

根据用户id，我们无序插入，但是查出来确实有序的！

结论：

1. 我们向一个具有主键的表中，乱序插入数据，发现数据会自动排序！谁做的？为什么这么做？

2.重谈 page，如何理解 MySQL 中 page 的概念？

MySQL 内部，一定需要并且会存在大量的 page，这些 page 的状态都是不一样的，所以也就决定了 MySQL 必须要将多个同时存在的 page 管理起来！--- 先描述，在组织！！！

所以不要简单的将这个 page 认为是一个16KB的内存块，page 内部也必须要写入如对应的管理信息！！！

伪数据结构代码就是：

struct page
{
	struct page *next;
	struct page *prev;
	char buffer[NUM];
} // --- 16KB,new page

将所有的 page 用“链表”的形式管理起来 --- 在 buffer pool 内部，对 MySQL 中的 page 进行了一个建模！

中断一下---为何IO交互要是 Page

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢？用多少，加载多少不香吗？

如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。

但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。

你怎么保证，用户一定下次找的数据，就在这个Page里面？我们不能严格保证，但是有很大概率，因为有局部性原理。

往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

理解单个 Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要先描述，在组织，我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的：

不同的 Page，在 MySQL 中，都是 16KB，使用 prev 和 next 构成双向链表

因为有主键的问题，MySQL 会默认按照主键给我们的数据进行排序，从上面的 Page 内数据记录可以看出，数据是有序且彼此关联的。

所以对于上面的第一个问题，自动排序肯定是 MySQL 自己做的了！

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？

插入数据时排序的目的，就是优化查询的效率。

页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。

正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

理解多个 Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘 IO 次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。

如果有 1 千万条数据，一定需要多个 Page 来保存 1 千万条数据，多个 Page 彼此使用双链表链接起来，而且每个 Page 内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

所以我们就有两个考量：

对于单个 page，如何提高一个 page 内部链式遍历的效率；
对于多 page，怎么去解决多 page 间，page 的查找效率。

由此，我们需要引入页目录的概念！

页目录

举个例子 --- 我们在看《谭浩强 C 程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法：

从头逐页的向后翻，直到找到目标内容
通过书提供的目录，发现指针章节在 234 页(假设)，那么我们便直接翻到 234 页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位
本质上，书中的目录，是多花了纸张的，但是却提高了效率
所以，目录，是一种“空间换时间的做法”

所以我们在查的时候，不需要遍历书本身，而是目录！！！

所以只有将数据变成有序的，才方便引入页内目录！！！

单页情况

针对上面的单页 Page，我们能否也引入目录呢？当然可以

那么当前，在一个 Page 内部，我们引入了目录。比如，我们要查找 id=4 记录，之前必须线性遍历 4 次，才能拿到结果。现在直接通过目录 2[3]，直接进行定位新的起始位置，提高了效率。现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？可以很方便引入目录

多页情况

MySQL 中每一页的大小只有 16KB，单个 Page 大小固定，所以随着数据量不断增大，16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下，MySQL 会在容量不足的时候，自动开辟新的 Page 来保存新的数据，然后通过指针的方式，将所有的 Page 组织起来。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新 Page 上面，这里仅仅做演示。

这样，我们就可以通过多个 Page 遍历，Page 内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在 Page 之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的 IO，将下一个 Page 加载到内存，进行线性检测。这样就显得我们之前的 Page 内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给 Page 也带上目录。

使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
其中，每个目录项的构成是：键值+指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个 Page，进而通过指针，找到下一个 Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊（从宏观上讲的线性遍历）？不用担心，可以再加目录页

这货就是传说中的 B+ 树啊！没错，至此，我们已经给表 user 构建完了主键索引。随便找一个 id=？发现现在查找的 Page 数一定减少了，也就意味着 IO 次数减少了，效率也就提高了。

复盘一下

Page 分为目录页和数据页。目录页只放各个下级 Page 的最小键值。查找的时候，自顶向下找，只需要加载部分目录页到内存，即可完成整个查找过程，大大减少了 IO 次数。

为何选择 B+：（矮胖）

叶子节点保存有数据，路上节点没有，非叶子节点，不要数据，只要目录项；
叶子节点全部用链表级连起来。

节点不存储 data，这样一个节点就可以存储更多的 key/目录项，可以管理更多的叶子 page，使得树更矮，IO 操作次数更少，提高了效率；叶子节点相连，更便于进行范围查找。每一个节点都有目录项，可以大大提高搜索效率！

我们将整个构建好的结构称为MuSQL Innode db 下的索引结构，一般我们建表插入数据的时候，就是在该结构下进行CURD/增删查改！

但是如果我们的表就是没有主键怎么办？也是这样吗？

是的！后面经过事务的学习，我们会知道其实 MySQL 会有默认主键的。

对于上面的800万数据的员工id查找，本来是很慢的，这是因为搜索的是员工ID，但是系统构建的B+树中，并不是主键，不是索引，只能在叶子上线性遍历查找，一旦以员工id构建索引，就是另一个B+树了，搜索就会快了！

叶子节点全部用链表级连起来 --- 这是B+树的特点，我们需要进行范围查找

上面说了B+ 树为什么行，可是我们还是想知道其他的数据结构为什么不行？为什么不能用来做索引应用？

InnoDB 在建立索引结构来管理数据时，其他数据结构为何不行/合适？

链表？线性遍历
二叉搜索树？退化问题，可能退化为线性结构
AVL && 红黑树？虽然是平衡或近似平衡，但毕竟是二叉结构，相较多阶 B+，树整体过高；是高瘦的，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的 IO Page 交互。虽然你很秀，但是有更秀的。
Hash？官方索引实现中，MySQL 支持 HASH，但 InnoDB 和 MyISAM 并不支持。Hash 根据其算法特征，虽然有时很快 (O(1))，但面对范围/区间查找明显不行，另外还有其它差别，有兴趣可以查一下。

那不是还有B树吗？最值得比较的是 InnoDB 为何不用 B树作为底层索引？

数据结构演示链接：Data Structure Visualization

B+ VS B

B树

B+数

根据上图我们来看下 B+ 树和 B 树有什么不同：

① B+ 树非叶子节点上是不存储数据的，仅存储键值，而 B 树节点中不仅存储键值，也会存储数据，会导致 B 树更高瘦，IO 效率不会很高。

之所以这么做是因为在数据库中页的大小是固定的，InnoDB 中页的默认大小是 16KB。

如果不存储数据，那么就会存储更多的键值，相应的树的阶数（节点的子节点树）就会更大，树就会更矮更胖，如此一来我们查找数据进行磁盘的 IO 次数又会再次减少，数据查询的效率也会更快。

另外，B+ 树的阶数是等于键值的数量的，如果我们的 B+ 树一个节点可以存储 1000 个键值，那么 3 层 B+ 树可以存储 1000×1000×1000=10 亿个数据。

一般根节点是常驻内存的，所以一般我们查找 10 亿数据，只需要 2 次磁盘 IO。

② 因为 B+ 树索引的所有数据均存储在叶子节点，而且数据是按照顺序排列的。

那么 B+ 树使得范围查找，排序查找，分组查找以及去重查找变得异常简单。而 B 树因为数据分散在各个节点，要实现这一点是很不容易的。

有心的读者可能还发现上图 B+ 树中各个页之间是通过双向链表连接的，叶子节点中的数据是通过单向链表连接的。

其实上面的 B 树我们也可以对各个节点加上链表。这些不是它们之前的区别，是因为在 MySQL 的 InnoDB 存储引擎中，索引就是这样存储的。

也就是说上图中的 B+ 树索引就是 InnoDB 中 B+ 树索引真正的实现方式，准确的说应该是聚集索引（聚集索引和非聚集索引下面会讲到）。

通过上图可以看到，在 InnoDB 中，我们通过数据页之间通过双向链表连接以及叶子节点中数据之间通过单向链表连接的方式可以找到表中所有的数据。

MyISAM 中的 B+ 树索引实现与 InnoDB 中的略有不同。在 MyISAM 中，B+ 树索引的叶子节点并不存储数据，而是存储数据的文件地址。

目前这两棵树，对我们最有意义的区别是：

B 树节点，既有数据，又有 Page 指针，而 B+ 只有叶子节点有数据，其他目录页只有键值和 Page 指针；B+ 叶子节点全部相连，而 B 没有。

聚簇索引 VS 非聚簇索引

MyISAM 存储引擎-主键索引

MyISAM 引擎同样使用 B+ 树作为索引结构，叶节点的 data 域存放的是数据记录的地址。下图为 MyISAM 表的主索引，Col1 为主键。

MyISAM 最大的特点是，将索引 Page 和数据 Page 分离，也就是叶子节点没有数据，只有对应数据的地址。

我们将 B+ 树和数据本身分离的方案称为非聚簇索引！

相较于 InnoDB 索引，InnoDB 是将索引和数据放在一起的，这就使聚簇索引。

1. 终端A：创建 MyISAM 表

-- 创建数据库
mysql> CREATE DATABASE myisam_test;
Query OK, 1 row affected (0.00 sec)

-- 使用该数据库
mysql> USE myisam_test;
Database changed

-- 创建 MyISAM 表（指定 ENGINE=MyISAM）
mysql> CREATE TABLE mtest(
    -> id INT PRIMARY KEY,
    -> name VARCHAR(11) NOT NULL
    -> ) ENGINE=MyISAM;
Query OK, 0 rows affected (0.01 sec)

2. 终端B：查看 MySQL 数据目录

[root@VM-0-3-centos mysql]# ls myisam_test/ -al
total 28
drwxr-x--- 2 mysql mysql 4096 Jun 13 13:33 .
drwxr-x--x 13 mysql mysql 4096 Jun 13 13:32 ..
-rw-r----- 1 mysql mysql   61 Jun 13 13:32 db.opt       # 数据库配置文件
-rw-r----- 1 mysql mysql 8586 Jun 13 13:33 mtest.frm    # 表结构定义文件
-rw-r----- 1 mysql mysql    0 Jun 13 13:33 mtest.MYD    # 表数据文件（当前无数据，大小为0）
-rw-r----- 1 mysql mysql 1024 Jun 13 13:33 mtest.MYI    # 表索引文件（主键索引）

MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引。

1. 终端A：创建 InnoDB 表

-- 创建数据库
mysql> CREATE DATABASE innodb_test;
Query OK, 1 row affected (0.00 sec)

-- 使用该数据库
mysql> USE innodb_test;
Database changed

-- 创建 InnoDB 表（指定 ENGINE=InnoDB）
mysql> CREATE TABLE itest(
    -> id INT PRIMARY KEY,
    -> name VARCHAR(11) NOT NULL
    -> ) ENGINE=InnoDB;
Query OK, 0 rows affected (0.02 sec)

2. 终端B：查看 MySQL 数据目录

[root@VM-0-3-centos mysql]# ls innodb_test/ -al
total 120
drwxr-x--- 2 mysql mysql  4096 Jun 13 13:39 .
drwxr-x--x 14 mysql mysql 4096 Jun 13 13:38 ..
-rw-r----- 1 mysql mysql    61 Jun 13 13:38 db.opt       # 数据库配置文件
-rw-r----- 1 mysql mysql  8586 Jun 13 13:39 itest.frm    # 表结构定义文件
-rw-r----- 1 mysql mysql 98304 Jun 13 13:39 itest.ibd    # 表空间文件（存储索引+数据）

InnoDB 这种用户数据与索引数据在一起的索引方案，叫做聚簇索引。

MySQL 除了默认会建立主键索引外，我们用户也可能按照其他列信息建立索引，一般这种索引可以叫做辅助索引（或普通索引）。

对于 MyISAM，建立辅助索引（普通索引）和主键索引没有本质差别，无非就是主键不能重复，而非主键可以重复。
下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别。

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：

可以看到，InnoDB的非主键索引中叶子节点并没有数据，而只有对应记录的key值。所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询。

为何InnoDB针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了，数据没有必要存放两份！！！

6. 索引操作

主键索引创建

-- 方式1 --- 在创建表的时候，直接在字段后指定 primary key
create table user1(id int primary key, name varchar(30));

-- 方式2 --- 在创建表的最后，指定某列或几列为主键索引
create table user2(id int, name varchar(30), primary key(id));

-- 方式3 --- 创建表之后再添加
create table user3(id int, name varchar(30));
alter table user3 add primary key(id);

主键索引的特点：

一个表中，最多有一个主键索引，当然可以是复合主键
主键索引的效率高（因为主键不可重复）
创建主键索引的列，它的值不能为null，且不能重复
主键索引的列基本上是int

唯一索引创建 --- 添加唯一键约束就会为我们构建B+树

-- 方式1 --- 在表定义的时候，在某列后直接指定 unique 唯一属性
create table user4(id int primary key, name varchar(30) unique);

-- 方式2 --- 创建表时，在表的后面指定某列或某几列为 unique
create table user5(id int primary key, name varchar(30), unique(name));

-- 方式3
create table user6(id int primary key, name varchar(30));
alter table user6 add unique(name);

mysql> desc user6;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int         | NO   | PRI | NULL    |       |
| name  | varchar(30) | YES  | UNI | NULL    |       |
+-------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)

mysql> show index from user6\G;
*************************** 1. row ***************************
        Table: user6
   Non_unique: 0
     Key_name: PRIMARY
 Seq_in_index: 1
  Column_name: id
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: 
   Index_type: BTREE
      Comment: 
Index_comment: 
      Visible: YES
   Expression: NULL
*************************** 2. row ***************************
        Table: user6
   Non_unique: 0
     Key_name: name
 Seq_in_index: 1
  Column_name: name
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: YES
   Index_type: BTREE
      Comment: 
Index_comment: 
      Visible: YES
   Expression: NULL
2 rows in set (0.00 sec)

ERROR: 
No query specified

--- 会有两颗B+树！！！
--- 会有两颗B+树！！！
--- 会有两颗B+树！！！
--- 会有两颗B+树！！！
--- 会有两颗B+树！！！
--- 会有两颗B+树！！！

唯一索引的特点：

一个表中，可以有多个唯一索引
查询效率高
如果在某一列建立唯一索引，必须保证这列不能有重复数据
如果一个唯一索引上指定 `NOT NULL`，等价于主键索引

普通索引创建

-- 方式1
create table user8(id int primary key,
    name varchar(20),
    email varchar(30),
    index(name)); -- 在表的定义最后，指定某列为索引

-- 方式2
create table user9(id int primary key, name varchar(20), email varchar(30));
alter table user9 add index(name); -- 创建完表以后指定某列为普通索引

-- 方式3
create table user10(id int primary key, name varchar(20), email varchar(30));
-- 创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);

普通索引的特点：

一个表中可以有多个普通索引，普通索引在实际开发中用的比较多
如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

注意：

mysql> alter table user1 add index(name, email);

并不是构建了两棵 B+ 树：查询的时候，必须name 和 email 同时满足才可以！！！

这里带出来一个索引覆盖的概念，就是假设对应的是（张三，1234@qq.com），当查询的 where 条件是张三，字符串匹配是从左向右的，一旦张三匹配成功，直接返回其对应的 email ，不需要回表！！！这就是索引覆盖，覆盖的是主键索引，还回什么表呢！！！

当然还有最左匹配的原则，可以拿着张三找email，或者两个一起，但是就是不能通过email去找张三！！！

全文索引创建

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL提供全文索引机制，但是有要求：

要求表的存储引擎必须是 MyISAM
默认的全文索引支持英文，不支持中文
如果对中文进行全文检索，可以使用 sphinx 的中文版（coreseek）

CREATE TABLE articles (
    id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
    title VARCHAR(200),
    body TEXT,
    FULLTEXT (title,body) --- 具有全文索引！！！
)engine=MyISAM;

INSERT INTO articles (title,body) VALUES
('MySQL Tutorial','DBMS stands for DataBase ...'),
('How To Use MySQL Well','After you went through a ...'),
('Optimizing MySQL','In this tutorial we will show ...'),
('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
('MySQL vs. YourSQL','In the following database comparison ...'),
('MySQL Security','When configured properly, MySQL ...');

普通LIKE查询（未使用全文索引）

SELECT * FROM articles WHERE body LIKE '%database%';
/*
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
+----+-------------------+------------------------------------------+
*/

-- 使用EXPLAIN分析查询
EXPLAIN SELECT * FROM articles WHERE body LIKE '%database%'\G
/*
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: articles
         type: ALL  <== 全文遍历
possible_keys: NULL
          key: NULL  <== key为null表示没有用到索引
      key_len: NULL
          ref: NULL
         rows: 6
        Extra: Using where
*/

使用全文索引查询

SELECT * FROM articles 
WHERE MATCH (title,body) AGAINST ('database');
/*
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
+----+-------------------+------------------------------------------+
*/

-- 使用EXPLAIN分析查询
EXPLAIN SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database')\G
/*
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: articles
         type: fulltext
possible_keys: title
          key: title  <= key用到了title
      key_len: 0
          ref: 
         rows: 1
        Extra: Using where
*/

注意事项

全文索引要求表的存储引擎必须是MyISAM
默认全文索引只支持英文，不支持中文
中文全文检索可以考虑使用sphinx的中文版(coreseek)

查询索引

-- 方式1
show keys from 表名;

-- 方式2
show index from 表名;

mysql> show index from user1\G;
*************************** 1. row ***************************
        Table: user1
   Non_unique: 0
     Key_name: PRIMARY
 Seq_in_index: 1
  Column_name: id
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: 
   Index_type: BTREE
      Comment: 
Index_comment: 
      Visible: YES
   Expression: NULL
1 row in set (0.00 sec)

ERROR: 
No query specified


-- 方式3
desc 表名;

mysql> desc user1;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int         | NO   | PRI | NULL    |       |
| name  | varchar(30) | YES  |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)

删除索引

-- 删除主键索引 --- 主键 --- 主键 --- 主键 --- 主键
alter table 表名 drop primary key;

mysql> alter table user1 drop primary key;
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> show index from user1\G;
Empty set (0.00 sec)

ERROR: 
No query specified

-- 删除其他索引 --- 其他索引 --- 其他索引 --- 其他索引 --- 其他索引
alter table 表名 drop index 索引名(Key_name);

mysql> show index from user6\G;
*************************** 1. row ***************************
        Table: user6
   Non_unique: 0
     Key_name: PRIMARY
 Seq_in_index: 1
  Column_name: id
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: 
   Index_type: BTREE
      Comment: 
Index_comment: 
      Visible: YES
   Expression: NULL
*************************** 2. row ***************************
        Table: user6
   Non_unique: 0
     Key_name: name
 Seq_in_index: 1
  Column_name: name
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: YES
   Index_type: BTREE
      Comment: 
Index_comment: 
      Visible: YES
   Expression: NULL
2 rows in set (0.00 sec)

ERROR: 
No query specified

mysql> alter table user6 drop index name;
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> show index from user6\G;
*************************** 1. row ***************************
        Table: user6
   Non_unique: 0
     Key_name: PRIMARY
 Seq_in_index: 1
  Column_name: id
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: 
   Index_type: BTREE
      Comment: 
Index_comment: 
      Visible: YES
   Expression: NULL
1 row in set (0.00 sec)

ERROR: 
No query specified


-- 方式3
drop index 索引名 on 表名;

我们建立的所有普通索引，都是使用 drop index，说明 unique index 本质也是普通索引，建立的时候，指明是 unique 是为了照顾这个表的约束关系；

其实在索引层面上，普通索引和唯一键索引，都是一般索引，唯一键是最特殊的！

索引创建原则

频繁作为查询条件的字段应创建索引
唯一性太差的字段不适合单独创建索引
更新非常频繁的字段不适合创建索引 --- 这样不仅仅是该数据了，还需要调整 B+ 树的结构！
不会出现在where子句中的字段不应创建索引

其他概念

复合索引
索引最左匹配原则
索引覆盖

MySQL 索引（重点）