作者：京东零售 韩航云

开篇：

图片是本人随笔画的，有点粗糙，望大家谅解，如有不对的地方，请联系本人，感谢

一、索引到底底是什么

.索引是帮助 mysql 高效获取数据的排好序的数据结构

.索引是存储在文件里的

.数据结构： 二叉树 HASH BTREE

如果没有索引的话，循环一条一条的找，找一次就是一次 IO，这样速度就会很慢

我们知道数据库数据都是存在磁盘上的，当我们查找数据时，就会从磁盘上取数据,每取一次就是一次 IO，IO 是非常耗时的，为了速度快会把数据放到缓存里，然后在缓存里进行操作

二、磁盘存取原理

当查找数据的时候，就是磁头循环找此道，就会一直循环查找，一次查找就是一次 IO，IO 是很耗时的

三、Mysql 数据结构详解

就拿上面的 7 条数据来说，如果没有索引，当我们查找第 7 条数据时，就会循环 7 次，如果有百万级别的数据，那么就会查找百万次，显然这样是不行的，就需要数据结构算法来优化，那我们就从二叉树----HASH---BTREE 来一一说起

3.1、二叉树

二叉树节点保存的都是单个索引，高度会随着数据增大而增高，但是比一条一条的循环会快

不用二叉树是因为的极端情况下会出现单边增长，这样在数量大的情况下，和一条一条查找没有区别。

3.2、红黑树

红黑树有自平衡性质，不会出现单边增长，它会动态自旋转，在性能上比二叉树又高一点，但是 mysql 也没有用这种数据结构，因为数据量超大的情况下，数据高度也会一直增大，在最终这个树高度也非常大，解决不了根本问题

3.3、HASH

hash 算法一次就会定位到文件指针，速度快，但是还是没有用，如果范围查找的话就没有办法了，如果只是内存中的话，他的时间复杂度是 O(1),速度会会很快，但是索引文件也是保存在磁盘上，而且 hash 是不连续的放在磁盘上的，这样查询起来也很慢，这才是不用 hash 的最根本原因

3.4、B-TREE

相比上面的数据结构，b-tree 增加了横向大小（度 Degree），那么在高度上就减小了，查找次数就少了

15，56，77.。。。。是索引，data 就是对应的一行数据

那么在横向的度上最大多少合适呢？？总不能横向上一直扩展下呀，磁盘一次 IO，就是取一个横向的节点（度），把一个节点的数据放在缓存中，那么一次 IO 也不能把所用的数据全取出来，所以最好是一次 io，就把这个节点全取处理，电脑操作系统从磁盘一次取数据到内存中一般是 4K，而 mysql 取一次数据一般是 16K，所以横向节点一般设置为 16K。 因为一个节点设置成 16K 的话，这个节点保存了索引和索引对应行的数据，那么这个节点横向保存不了太多的数据，所以，这种数据结构也不合适，引入新的数据结构

3.5、B+Tree

查找一次数据就是和磁盘一次 IO，一次 IO 会把这个数据相邻的数据一下全部查处理，这样速度会更快，这样的一页就是咱们说的一个节点（4K），分配空间的时候也是一页一页分配的，这样会更快，一页就是一个节点

mysql 常用的引擎有 MyISAM 和 InNoDB,两种引擎得索引结构是不一样的，如下：

MyISAM 的数据结构：

.frm 表结构文件 .myd 表数据文件 .myi 表索引文件

myisam 引擎的主键索引数据结构是左上图，普通索引是右上图，叶子节点存的不是数据本身，是数据文件指针，和 b_tree 数据不一样，注意：每类的索引，都是各自的树，不是混合在一起的

.frm 表结构文件 .ibd 表数据和索引文件

InnoDB 索引实现(聚集)：

•数据文件本身就是索引文件

•表数据文件本身就是按 B+Tree 组织的一个索引结构文件

•聚集索线引一叶节点包含了完整的数据记录----（主键）

•为什么 InnoDB 表必须有主键，并且推荐使用整型的自增主键？

•为什么非主键索引结构叶子节点存储的是主键值？（一致性和节省存储空间)

主键索引是聚集索引，因为叶子节点是所有的数据，就是一行数据，非主键索引叶子节点只包括索引和主键，再用主键找对应数据

非主键索引叶子节点只包括索引和主键，再用主键找对应数据，这样是为了节省空间和数据一致性

联合索引：

要满足最左原则

联合索引(col1, col2, col3)也是一棵 B+树，其非叶子节点存储的是第一个关键字的索引，而叶子节点存储的则是三个关键字 col1、col2、col3 三个关键字的数据，且按照 col1-col2-col3 的顺序进行排序。

例如：

如果执行: SELECT * FROM T WHERE B=‘赵六’ AND C=123;

那么无法使用索引，因为索引是用 A 字段先排序的，如果没有先确定 A，直接查找 B 和 C，那么将会是全表查询

如果执行: SELECT * FROM T WHERE A=‘30’ ;

那么，会先找到 A 字段，再在 A 等于 30 的数据中（比如有很多条），找 B 等于 DE 的数据。这样是可以用到索引的

如果执行: SELECT * FROM T WHERE A=‘18’ AND C=345;

那么，A 字段可以索引，而 C 不能索引。所以可以部分索引，也比全表查询快

如果执行 : SELECT * FROM T WHERE B=DE AND C=1234 and A=‘2’

是用到索引的，在 and 的情况下如果把第一个放到最后位置也是能用到索引的

现在我想大家应该了解了什么为什么是最左原则。因为，B+树是按照最左边的字段以此构建的。