对于Mysql索引的理解

前言：

    对于数据库中的索引，一个非常好的类比是把数据库索引看作是书的索引。如果你有一本关于狗的书，你想要找关于‘黄金猎犬’的那部分。当你可以通过在书背的索引找到哪几页有关于‘黄金猎犬’信息的时候，你为什么要翻完正本书 - 这相当于数据库中的全表扫描。同样的，就像一本书的索引包含页码一样，数据库的索引包含了指针，指向你在SQL中想要查询的值所在的行。

    对于数据库也是一样，但是数据库更加复杂，因为其查询不仅会有等值查询（=），还有范围查询（>, < , between, in），like模糊查询，以及交集查询（AND），并集查询（OR）等等。

数据库索引：

    基于以上的分析，那么数据库应该采用何种方式来应对所有的问题呢？

    分段处理，可否将数据分段呢？假如有1000条数据，1-100分成第一段，101-200分成第二段...这样，如果我需要查询108条数据，则只需要去找第二段数据就好了，是不是节省了大量的查询时间呢?

    我们知道，在数据结构中，有二叉数的结构，查询的时间复杂度为O(logN)，具有不错的查询性能，可我们知道如果采用这种数据接口作为索引的数据结构，那么索引数据就必须按照这种结构存储，而数据库的数据是保存在磁盘上的，我们不可能一次性将数据全部加载到内存中，只能是采用预读的方式，每次加载一部分数据到内存中。

I/O 和预读：

    Mysql数据库数据访问是基于磁盘的访问形式，而磁盘访问，每一次的磁盘IO的时间约为9ms，看似时间很短，但是我们要知道的是计算机执行指令的速度是远远快于磁盘IO的。

局部预读性原理：

    由于磁盘IO的高耗时操作，计算机系统做了很多优化，当一次磁盘IO时，不仅会读取当前磁盘地址的数据，还会把相邻的数据也一起读到内存中，因为一般情况下，其相邻的数据很快也会被访问到，这就是局部预读性原理。因此

    每一次磁盘IO读取的数据我们称为一页数据，不同的操作系统下，一页数据的大小不一定，一般为4K或者8K，即一页数据读取就是发生了一次IO操作。

索引数据接口：

1

B+树分析：

    所有真实数据存在与叶子节点

    淡蓝色方框表示一个磁盘块，每个磁盘块中包含几个数据项（深蓝色），和指针（黄色）

    非叶子节点不存储真实数据，只存储指引搜索方向的数据项，如17，35等数据并不是真实存在与数据表中的数据。

B+树的查找过程：

    如果我需要查询数据项29，那么首先会发生一次磁盘IO将磁盘块1加载到内存中， 此时发生了一次磁盘IO，然后在内存中再利用二分查找去确定出29在17和35之间，即定位到磁盘块1中的黄色的P2指针（实际上索引根节点会常驻内存中，故这一次的IO是不需要的）

    再利用P2指针指向的磁盘块3，将磁盘块3加载到内存中， 此时发生了第二次磁盘IO，再利用二分查找法确定29位于26和30之间，从而定位到磁盘块3中的P2指针

    再利用P2指针去加载磁盘块8到内存中，此时发生了第三次磁盘IO，同时，经过内存中的二分查找法定位到了真正需要寻找的数据项29，整个查找过程结束。

    整个过程中，一共经历了三次磁盘IO，而在真实的使用场景中，三层的B+树可以表示百万行的数据，试想一下，对于一个包含百万行数据的表数据查询，只需要三次磁盘IO，那么性能提升将是巨大的。

B+树的性质：

    通过上面的例子，分析一下B+树的基本性质。

    磁盘IO的次数取决于B+树的高度H，假设当前数据表的数据为N个，每个磁盘块的数据项的数量是M个，则树高 H = log(M + 1)N， 当数据量N一定的情况下，M越大，H越小，这样查询数据所需要磁盘IO次数就越小，查询性能就会越好，所以如何增加磁盘块中的数据项是关键。

    M = 磁盘块的大小/数据项的大小， 而磁盘块的大小我们知道是固定的，那如果每个数据项占的空间越小，是不是数据项的数量就越多呢？这也是为什么要求索引字段尽量小的原因，还有就是为什么Mysql中B+树要求把真实数据放在叶子节点而不是内存节点，就是为了增加每个磁盘块中的数据项的数量，为了降低整个B+树的高度，为了减少磁盘IO的次数。

Mysql索引分类：

    普通索引：最基本的索引即NORMAL

    唯一索引：与普通索引类型不同的是唯一索引的列值必须唯一，允许空值。

    全文索引：FullText ，仅适用于MyISAM引擎的数据表，只能作用于CHAR，VARCHAR，TEXT数据类型的列

    组合索引：将几个列作为一条索引进行检索，需要满足最左前缀匹配原则，直到遇到范围查询则停止匹配。对于等于，IN可以乱序，Mysql的查询优化器会帮你优化成满足索引被识别的形式。

Hash索引和B+树索引的区别：

    我们直到Hash索引的等值查询效率极高，可以理解为Map，但是存在的缺点是不够灵活，不能支持范围查询，比如查询10-100之间，因为HashMap作为索引结构的话，是无序的。另外当数据量大的时候，势必会存在Hash冲突。

    而B+树虽然在查询效率上没有Hash的效率高，但是B+树上的数据是有序的，其对于查找、删除、插入操作都可以可以在对数时间内完成

    故B+树作为常用的索引数据结构。