MySQL数据库索引

索引是数据库为提高数据库查询效率的数据结构

MySQL有哪些情况不走索引？

• 索引列参与计算；

• 索引列使用了函数；

• 匹配值使用了前百分号；

• 字符串和数字比较；

• 没有遵循联合索引的最左前缀原则；

• 引擎认为全表扫描比使用索引的代价更低

索引的三种数据模型

• 哈希表：哈希表这种结构适用于只有等值查询的场景 MemCached 等NoSQL引擎

• 有序数组：有序数组在等值查询和范围查询场景中的性能就都非常优秀。使用二叉树的原理。时间复杂度是O  logN；但是对于更新来说，效率比较底，所以有序数组索引只适用于静态存储引擎。

• 搜索树：二叉树->平衡二叉树->平衡N叉树

关于B+Tree

每一个索引在InnoDB里面对应一棵B+树。

根据叶子节点的内容，索引的类型又分为主键索引和非主键索引

• 主键索引   叶子节点存储的是整行数据，InnoDB中，主键索引也称聚簇索引（Clustered Index）

• 非主键索引  叶子节点存储的是主键的值。InnoDB中，非主键索引也称二级索引（Seconday Index）

主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小（ID做主键）

B Tree（B-Tree）和 B+Tree的区别：

B+Tree:

• 所有的叶子结点使用链表相连，
  便于区间查找和遍历
  。B树则需要进行每一层的递归遍历。相邻的元素可能在内存中不相邻，所以缓存命中性没有B+树好。

• b+树的中间节点不保存数据，能容纳更多节点元素。

B-Tree

B树的每一个节点都包含key和value，因此经常访问的元素可能离根节点更近，因此访问也更迅速

索引示例

create table T(
id int primary key,
k int not null,
name varchar(16),
index (k))engine=InnoDB;

R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)

select * from T where ID=500   和  select * from T where k=5 区别

总结

 在实际工作中，索引用处很大。所以，在工作中，我一般都是建好表先不建索引，而是在测试中查看下具体的执行SQL。根据具体业务来建立对应的索引，因为MySQL在执行的时候会选择一个自认为最合适的索引，所以能建立联合索引就建立联合索引，这是用空间换时间的一种方式。