目錄

1. 數據庫索引

1.1 索引的概念

1.2 索引的特點

1.3 索引查詢對比普通的查詢

1.4 索引的操作

?1.5 索引的原理

?1.6 B樹

1.7 B+樹?

1.8 B+樹的優點

---

1. 數據庫索引

1.1 索引的概念

數據庫的索引是一種特殊的數據結構，里面包含著數據表中所有記錄的引用，可以對表中一列或者多列創建索引并指定類型

可以將數據庫的索引想象為書的目錄，可以幫助數據庫系統快速定位和訪問表中的特定數據，而不必掃描整個表。

---

1.2 索引的特點

• 通過索引可以直接定位數據，不需要逐個掃描數據表中的記錄，可以提高數據庫的查詢性能
• 數據表在進行插入/更新/刪除操作時，因為要更新索引，導致效率降低
• 由于索引需要單獨存儲，需要引入額外的存儲開銷

• 一般建議高頻的查詢建立索引（如：根據用戶名—密碼）
• 在實際的工作中，查詢使用的頻率遠遠高于數據的增加/刪除/修改

---

1.3 索引查詢對比普通的查詢

普通select查詢

1. 需要遍歷整個表
2. 將遍歷的當前行帶入條件中，看條件是否成立
3. 如果條件成立，則將這一行保留，不成立則會跳過

索引查詢

1. 不需要遍歷整個表
2. 只需要讀取索引頁和少量的數據頁
3. 并通過索引數據結構（B+樹）快速定位數據

---

?索引屬于針對查詢操作進行的優化手段，可以通過索引來加快查詢的速度，由于數據存儲在硬盤中，如果每次插敘都訪問硬盤，數據從硬盤中加載進入內存，進行對比，這一系列操作開銷雖然不大，但是數據量如果非常多的話，則會導致開銷很大，所以引入索引是很有必要的

---

1.4 索引的操作

（1）查看索引

show index from 表名;

（2）創建索引

create index 索引名 on 表名(字段名);

（3）刪除索引

drop index 索引名 on 表名;

注意：

• 一個索引是針對一個列來指定的，只有這一列進行查詢的時候，查詢速度才會被優化
• 一個表中可以存在多個索引
• 創建索引一般在創建表的時候就需要規定好索引
• 如果現有的數據很多，整個時候如果增加一個索引，很有可能會造成數據庫的崩潰

---

?1.5 索引的原理

• 索引的實現肯定是依靠數據結構，但是我們平常使用的數據結構，并不適合
• 順序表：適合通過下表訪問和尾插
• 鏈表：適合中間插入和刪除，不適合查詢
• 棧/隊列/堆：這些更不適合
• 二叉搜索樹: 由于平衡性問題，查詢效率會降低（不穩定），硬盤數據的存儲效率低，查詢效率低
• 哈希表：只適合點到點的精準查詢，不能進行范圍查詢和模糊查詢
• 紅黑樹：雖然可以精準查詢和模糊查詢，但是由于樹的高度較高，查詢訪問的IO訪問次數會變多

由于常見的這些數據結構，都不適合數據庫操作，故引入了新的數據結構—B+樹（N叉搜索樹）

?1.6 B樹

---

在了解B+樹之前，先了解B樹

類似于這樣的結構，就是B樹

• 節點內部Key按順序排列，自動保持樹的高度平衡，所有葉子節點位于同一層，每個節點可以有多個子節點
• 每一個節點可以存在多個Key?，但是也不是無限存儲，到達一定的規模會觸發節點的分裂，刪除元素到達一定的數據也會觸發合并
• 一個節點上保存N個key值就可以劃分出N+1個區間，每個區間都可以衍生出一系列的子樹
• 像這些節點，都存儲在硬盤的一塊區域中，一次讀取節點，意味著讀取出多個Key，再進行幾次比較，就可以快速找到自己想要的數值

---

1.7 B+樹?

• 所有的數據都保存在葉子節點中，除葉子結點外的節點，不保存數據，只是用來索引
• 節點中，最右邊為最大值（根節點中，最右邊為整個元素中的最大值）
• 無論增加或刪除什么元素，都需要保證根節點的最右邊是最大元素
• 每一個父節點元素都出現在子節點中，是子節點最大（或最小）元素。

?在進行查詢的時候，從根節點觸發，判定要查詢的數據，在節點的那個區間，決定往哪里走，葉子節點之間，通過雙鏈表進行連接，方便數據集合之間按照范圍進行查詢，也可以快速進行刪除和增加等操作

---

1.8 B+樹的優點

相比于B樹，紅黑樹來說

• N叉搜索樹，樹的高度有限，降低了IO訪問次數
• 由于葉子節點之間的鏈表結構，方便增加和刪除操作
• 所有葉子節點之間屬于有序鏈表，方便范圍查詢。
• 由于葉子節點存放數據，查詢開銷非常的穩定（穩定性好）