索引概述

介绍：

索引（Index）是MySQL中用于高效检索数据的有序数据结构。除了存储原始数据外，数据库系统还会维护一些特定的数据结构，这些结构通过特定的引用方式指向实际数据记录。借助这些精心设计的数据结构，数据库能够实现高效的查找算法，从而显著提升查询性能。这类专门用于优化查询性能的数据结构就被称为索引。

通俗来讲，可以把MySQL比作是一个字典，里面存储了海量的数据，那么当你想要查询到字典里的某一个字的具体内容应该怎么办呢？是一页一页地翻阅字典内容，还是说查看字典最开头的“目录”？答案显而易见，“目录”是能快速的帮助我们查找到想要的内容的，而在MySQL中，索引就是整个表的“目录”。

举个例子：

这里有一个数据表，假如我们要来执行一个SQL语句：

select * from user where age = 20;

在没有索引的情况下，MySQL会对数据表的每一行数据进行比对查找，直到整个表都被查找一次，这种行为称作“全表扫描”，是一个非常低性能的操作。

而如果有索引的情况下，及对age字段添加一个索引，我们先假设索引的数据结构是一个二叉树（注意是假设，实际的索引数据结构并不是二叉树，这里只是为了方便理解），那么就会对age字段建立一个二叉树的索引结构：

此时我们再使用该查询语句进行查询，就只需要扫描三次就可以找到数据了，因此，查询效率也得到了极大的提升。

特点

当然，索引虽然好用，但也不全是有点，它也有一定的缺点或者劣势

索引结构

概述

对于MySQL的索引，它是在存储引擎层实现的，可以参考MySQL体系结构图：

不同的存储引擎有不同的索引结构，主要包含如下几种：

二叉树

加入说，索引的数据结构是一个二叉树，那么比较理想的情况就是如下图所示：

比根节点小的在左侧节点，大的在右侧，这样也能提升查找性能，比如找到17，则只需要四次扫描就可以，但是有一种情况，当所有的数据是有序插入的情况下，那么二叉树就会退化成为链表，性能就会下降:

那就再升级一下，红黑树，

红黑树是一颗自平衡二叉树，那这样即使是顺序插入数

据，也会通过变色、旋转，来保持树的平衡，最终形成的数据结构也是一颗平衡的二叉树 ,并且红黑树并不追求绝对的平衡，就大大降低了插入删除时候的旋转操作。 结构如下 :

但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：

大数据量情况下，层级较深，检索速度慢。

所以，在 MySQL 的索引结构中，并没有选择二叉树或者红黑树，而选择的是 B+Tree ，那么什么是

B+Tree 呢？在详解 B+Tree 之前，先来介绍一个 B-Tree 。

B-Tree

B-Tree ， B 树是一种多叉路衡查找树，相对于二叉树， B 树每个节点可以有多个分支，即多叉。

以一颗最大度数（ max-degree ）为 5(5 阶 ) 的 b-tree 为例，那这个 B 树每个节点最多存储 4 个 key ， 5

个指针：

ps： 树的度数指的是一个节点的子节点个数。

想要直观地了解b树，可以进入此网站进行实地操作：

https://www.cs.usfca.edu/~gall es/visualization/BTree.html

插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88

120 268 250 。然后观察一些数据插入过程中，节点的变化情况。

特点：

5 阶的 B 树，每一个节点最多存储 4 个 key ，对应 5 个指针。

一旦节点存储的 key 数量到达 5 ，就会裂变，中间元素向上分裂。

在 B 树中，非叶子节点和叶子节点都会存放数据。

B+Tree

B+Tree 是 B-Tree 的变种，我们以一颗最大度数（ max-degree ）为 4 （ 4 阶）的 b+tree 为例，来看一

下其结构示意图：

我们可以看到，两部分：

绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。

红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88

120 268 250 。然后观察一些数据插入过程中，节点的变化情况。

最终我们看到， B+Tree 与 B-Tree 相比，主要有以下三点区别：

所有的数据都会出现在叶子节点。

叶子节点形成一个单向链表。

非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

上述我们所看到的结构是标准的 B+Tree 的数据结构，接下来，我们再来看看 MySQL 中优化之后的

B+Tree 。

MySQL 索引数据结构对经典的 B+Tree 进行了优化。在原 B+Tree 的基础上，增加一个指向相邻叶子节点

的链表指针，就形成了带有顺序指针的 B+Tree ，提高区间访问的性能，利于排序。

Hash

MySQL 中除了支持 B+Tree 索引，还支持一种索引类型 ---Hash 索引。

1). 结构

哈希索引就是采用一定的 hash 算法，将键值换算成新的 hash 值，映射到对应的槽位上，然后存储在 hash表中。

如果两个 ( 或多个 ) 键值，映射到一个相同的槽位上，他们就产生了 hash 冲突（也称为 hash 碰撞），可 以通过链表来解决。

2). 特点

A. Hash 索引只能用于对等比较 (= ， in) ，不支持范围查询（ between ， > ， < ， ... ）

B. 无法利用索引完成排序操作

C. 查询效率高，通常 ( 不存在 hash 冲突的情况 ) 只需要一次检索就可以了，效率通常要高于 B+tree 索

引

3). 存储引擎支持

在 MySQL 中，支持 hash 索引的是 Memory 存储引擎。 而 InnoDB 中具有自适应 hash 功能， hash 索引是

InnoDB 存储引擎根据 B+Tree 索引在指定条件下自动构建的。

免责声明

此文章内容均来自”黑马程序员“的免费公开教程，用于巩固自己所学的知识以及分享给感兴趣的人，如果想要系统且详细的学习，推荐如下链接：黑马程序员 MySQL数据库入门到精通，从mysql安装到mysql高级、mysql优化全囊括_哔哩哔哩_bilibili