目录

一.索引的概念  

1.1索引的简介 

1.2.索引的优缺点

二.MySQL索引语法

2.1查看索引

2.2创建索引

2.2.1 创建表时创建索引

 2.2.2存在的表上创建索引

2.3删除索引

三.索引的数据结构      

3.1B+tree索引

 3.2Hash索引

3.4Hash索引和B+tree索引的对比

🎁个人主页：tq02的博客_CSDN博客-C语言,Java,Java数据结构领域博主
🎥 本文由 tq02 原创，首发于 CSDN🙉
🎄 本章讲解内容：MySQL索引

🎁欢迎各位→点赞👍 + 收藏⭐ + 评论📝+关注✨

🎥学习专栏：  C语言         JavaSE       MySQL基础 

一.索引的概念  

1.1索引的简介 

        索引是什么？本质而言是一种数据结构， 实现通常使用B树及其变种B+树 。

        抽象点：我们把索引比作一本书的目录，而目录的作用就是使我们迅速地找到我们需要的内容，而为什么需要索引？当数据表中含有上亿条数据时，我们进行查询是通过遍历表，一条一条筛选时，是不现实的，但是我们可以使用索引，就可知我们需要的数据大概的位置。

        常见的索引方式：字典，可以有两种方式进行查询，第一种是拼音，第二种是部首，而这就是两种不同的索引方式。

1.2.索引的优缺点

优点：

1. 可以大大加快数据的检索速度，这也是创建索引的最主要的原因。
2. 通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。

缺点：

1. 创建索引需要消耗额外的空间
2. 有可能会拖慢 增删改 的速度，试想一下，当你修改了数据表的信息时，你的目录也就是索引也可能需要修改的。

结：个人而言，缺点相比较与优点，我们还是利大于弊的，在很多情况下，我们都是以查询操作为主，而增删改较少。

二.Mysql索引语法

        索引分为：普通索引、唯一索引、全文索引、单列索引、多列索引、空间索引

2.1查看索引

        查看索引，有人会问，我未创建索引，也会有索引嘛？在数据库中有三种约束类型存在时会自动生成索引，因此在查询时，即使未创建索引，若有这种条件存在，依然会生成索引。

三种约束类型：主键、unique、外键 

也称：主键索引、唯一索引

语法：show index from 表名；

 存在主键时

 主键不允许重复，因此进行插入或者修改时，需要先查询，查看插入/修改后结果是否存在。

存在unique时

存在外键约束时 

当然除了以上的三种，我们还可以查看到手动创建的索引。 

2.2创建索引

• 索引创建分为2种，第一种是创建表时创建索引，第二种是给存在的表创建索引
• 索引的创建，前提是表中的数据较少或者无数据，若含有大量数据会引起非常大规模的硬盘io操作，进一步导致数据库卡死。

2.2.1 创建表时创建索引

语法格式： CREATE TABLE 表名(

                        字段名称 字段类型 [完整性约束条件],

                ...,

[UNIQUE / FULLTEXT / SPATIAL] INDEX / KEY [索引名称](字段名称[(长度)] [ASC|DESC])

);

• 创建普通索引

创建了2个索引，分别为id和username

CREATE TABLE test1(id int,username varchar(20),index in_id(id),KEY in_username(username));

• 创建唯一索引

CREATE TABLE test2(id int,username varchar(20) unique;    //自动生成);

• 创建全文索引

CREATE TABLE test3(id intusername VARCHAR(20) ,FULLTEXT INDEX full_userDese(username));

• 创建单列索引

CREATE TABLE test4(id int UNSIGNED AUTO_INCREMENT KEY,test1 VARCHAR(20) NOT NULL,test2 VARCHAR(20) NOT NULL,INDEX in_test1(test1)，UNIQUE in_test1(test1));

• 创建多列索引

CREATE TABLE test4(id int UNSIGNED AUTO_INCREMENT KEY,test1 VARCHAR(20) NOT NULL,test2 VARCHAR(20) NOT NULL,test3 VARCHAR(20) NOT NULL,INDEX mul_t1_t2_t3(test1,test2,test3)UNIQUE KEY mul_t1_t2_t3(test1,test2,test3)  //二者都可以);

• 创建空间索引

CREATE TABLE test1(id TINYINT UNSIGNED AUTO_INCREMENT KEY,SPATIAL INDEX spa_test(test))ENGINE=MyISAM;

 2.2.2存在的表上创建索引

概念：在存在的表上创建索引，可以直接创建，也可以将某列修改为某种索引

直接创建：CREATE [UNIQUE|FULLTEXT|SPATIAL]  INDEX 索引名称 ON 表名 {字段名称[(长度)] [ASC|DESC]};

简化：create index 索引名 on 表名(字段名)  //其他条件不设置

---

修改表方式创建：ALTER TABLE 表名  ADD [UNIQUE|FULLTEXT|SPATIAL] INDEX 索引名称](字段名称[(长度)] [ASC|DESC]);                //将某个列修改为索引

•  创建普通索引

1、CREATE INDEX 索引名  ON 表名(列名);

2、ALTER TABLE 表名  ADD INDEX  索引名(列名);

• 创建唯一索引

CREATE  UNIQUE INDEX 索引名  ON 表名(列名);

ALTER TABLE 表名  ADD   UNIQUE INDEX  索引名(列名);

• 创建全文索引

1、CREATE  FULLTEXT INDEX 索引名  ON 表名(列名);

• 创建多列索引

1、ALTER TABLE 表名  add INDEX  索引名(列名，列名.....);

2.3删除索引

• 索引的删除，只能删除手动创建的索引，而自动生成的索引无法删除哦

语法：drop index 索引名 on 表名；

三.索引的数据结构      

    mysql的索引的数据结构到底是什么样的呢？其实并不是定式的，取决于Mysql使用的存储引擎。

• 存储引擎： 在mysql程序中，拥有很多模块，有的负责解析sql语句、有的负责网络通信、有的负责存储数据等等。存储引擎就是负责存储数据的，本质而言就是代码中的一个模块（包含了若干个代码文件...以及一大堆具体的代码）

具体如何存储数据，MySQL提供了多种存储方案。而目前最为流行的便是Innodb存储引擎。而Innodb引擎选择使用B+tree索引结构。而至于为什么不选别的索引结构呢？下解：

适合索引的数据结构有 B+tree索引、Hash索引等。

3.1B+tree索引

        B+tree数据结构的演变：二叉树-->红黑树-->B-tree树-->B+tree树，而之所以会逐渐演变，是因为有缺点存在，而为了提高效率，就不断演化。

1.二叉树的缺点

• 顺序插入时，会形成一个链表，查询性能大大降低。
• 大数据量情况下，层级较深，检索速度慢。

2.红黑树的缺点

• 大数据量情况下，层级较深，检索速度慢。

3.B-tree树

        又名：B-树，是一种多叉路衡查找树，对比二叉树，B-树每个结点可以存放多个数值，也就是说一个结点有多个分支，即多叉。

  如图：B-树更趋向于区间查找，根结点是30、40、50、60，所以对应的孩子结点范围为[最小值,30)、[30,40)、[40,50)、[50,60)、[60，最大值].

查询方法：例如查询23，在根结点中找到区间小于30，往下个结,[15,25]区间，找然后又落在了[20,25]区间，再往下找，最终找到叶子结点[21,23]，存在。

优点：高度低于红黑树，查询效率更高

缺点：无法进行范围查询

4.B+tree树

        B+Tree是B-Tree的变种，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。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。

叶子结点，会按照链表的方式，首尾相连，注链表是双向链表，画是单向的，因此只要得到开头和结尾，然后将这段链表单独拉出来便是查询的结果

优点：擅长范围查询，查询速度不快不慢，但是很稳定。

 3.2Hash索引

         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。

缺点：

• Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）
• 无法利用索引完成排序操作

优点：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

3.4Hash索引和B+tree索引的对比

因此InnoDB存储引擎选择使用B+tree索引结构的原因：

• 层级更少，搜索效率高
• 相对Hash索引，B+tree支持范围匹配及排序操作；
• 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，但是存储索引结构的一个页的大小有限，这样导致一页中存储 的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；

                当你看到这里时，MySQL的索引知识就已经完成了，本文需要细心理解。

                                                                                                       ---------------懒惰的tq02

来源地址：https://blog.csdn.net/m0_74097410/article/details/131840329