Mysql索引
官方文档https://dev.mysql.com/doc/refman/5.7/en/indexes.html
一 什么是索引
索引是帮助mysql高效获取数据的排好序的数据结构。
二 索引结构
1.1二叉树
二叉树，每个节点是一个key-value键值对，key存放该行数据的索引顺序，value存放该行数据在内存中的地址指针。
二叉树的结构，左边的节点元素的key值，永远小于右边的节点元素的key值，因此形成了如同下图的一种树结构。
查询顺序，比如说查询col2为23的数据，会从顶级节点34开始查找，然后逐层向下对比，经过3次I/O 能查询出数据。如果不使用二叉树索引，则需要查询7次才能查询到数据。
二叉树弊端
容易形成链表结构，当key值呈逐步增长时，会形成链表
如果数据量大的时候，二叉树树结构会非常高，如果遇到数据刚好在最底层，需要进行大量的I/O，导致效率低下
1.2 红黑树
红黑树由二叉树演变而来，红黑树会自动平衡最顶层的key值，从而保证树结构左边的key值永远小于右边的key值
优点（相对二叉树）：避免了树结构呈链表形式扩展
缺陷：和二叉树类似，当数据量很大时，查询的数据不理想，会造成很高的磁盘IO，依然很耗费性能。
1.3 hash表
将key值进行一次hash运算，然后放入hash表中，hash表的查找效率很高，进行相等查询时，hash表结构只需要查询一次就能查询到数据，所以效率很高。
弊端： hash表不能进行范围查询，所以一旦有范围查询时，hash表的索引将会失效，导致效率低下，所以说hash表的索引结构有局限性
1.4 b-tree
B树叶节点默认是16K，只存Key值，不存对应的vule指针，叶节点中的数据索引从左向右递增排列
优点：解决了红黑树中，树深度的问题
缺点：没办法高效的查询范围数据。比如查询key大于20的数据，会经过多次查询，然后将数据放入集合。性能损耗及查询效率不高。
1.5 B+树
非叶子节点大小默认为16K，非叶子节点不存储data（数据对应内存地址），只存储索引和指针。一个long型的key占8B（8个字节），指针占6B。一个索引对应一个指针，指针指向下一个子节点（可以是非叶子节点，也可能是叶子节点）。
叶子节点不存储指针，存储key值和data值（大概占1K）。每个叶子节点之间，都有双向指针，指向前一个（或后一个）节点得地址，这样大大提高了区间访问的性能
计算B+树索引高效查询数据的量（以上图三个节点为例）： 第一个节点16K/14B =1170 第二个节点16K/14b=1170 第三个节点 16K/1K = 16 。总计数量≈1170X1170X16 = 21902400 一般mysql会把第一个节点放置到内存中，这样最多进行2到 3次I/O就能准确的查询到数据，大大提升了查询效率。 当数据量为亿级数据时，需要采用分库分表的优化方式了。
三 存储引擎
聚集索引：索引的键值和数据存放到一块。键值数据不分离->INNORDB存储引擎实现
非聚集索引：索引的键值和数据不放在一块。键值-数据分离->MyISAM
问：为什么innnordb中，表必须有主键，并且推荐使用整型的自增主键？
答： Innordb中，数据底层存放通过b+树实现，数据都存放在底层，和索引关联的。主键默认会建立一个索引.
如果使用整型的自增主键,数据在加入的时候,会自动向后加,不会破坏中间的结构。如果使用字符串类型的主键，会在数据加入的时候将字符串转为ASC码，然后比较ASC码大小，进行插入，会破坏索引结构
- 本文标签： Java mysql
- 本文链接： https://www.tianyajuanke.top/article/34
- 版权声明： 本文由吴沛芙原创发布，转载请遵循《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》许可协议授权
