索引是数据库为提高数据库查询效率的数据结构

MySQL 有哪些情况不走索引？

1. 索引列参与计算；

2. 索引列使用了函数；

3. 匹配值使用了前百分号；

4. 字符串和数字比较；

5. 没有遵循联合索引的最左前缀原则；

6. 引擎认为全表扫描比使用索引的代价更低

索引的三种数据模型

1. 哈希表：哈希表这种结构适用于只有等值查询的场景 MemCached 等 NoSQL 引擎

2. 有序数组：有序数组在等值查询和范围查询场景中的性能就都非常优秀。使用二叉树的原理。时间复杂度是 O  logN；但是对于更新来说，效率比较底，所以有序数组索引只适用于静态存储引擎。

3. 搜索树：二叉树->平衡二叉树->平衡 N 叉树

关于 B+Tree

每一个索引在 InnoDB 里面对应一棵 B+树。

根据叶子节点的内容，索引的类型又分为主键索引和非主键索引

• 主键索引   叶子节点存储的是整行数据，InnoDB 中，主键索引也称聚簇索引（Clustered Index）

• 非主键索引  叶子节点存储的是主键的值。InnoDB 中，非主键索引也称二级索引（Seconday Index）

主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小（ID 做主键）

B Tree（B-Tree）和 B+Tree 的区别：

B+Tree:

1. 所有的叶子结点使用链表相连，便于区间查找和遍历。B 树则需要进行每一层的递归遍历。相邻的元素可能在内存中不相邻，所以缓存命中性没有 B+树好。

2. b+树的中间节点不保存数据，能容纳更多节点元素。

B-Tree

B 树的每一个节点都包含 key 和 value，因此经常访问的元素可能离根节点更近，因此访问也更迅速

索引示例

create table T(id int primary key,k int not null,name varchar(16),index (k))engine=InnoDB;

R1~R5 的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)

select * from T where ID=500   和  select * from T where k=5 区别

总结

在实际工作中，索引用处很大。所以，在工作中，我一般都是建好表先不建索引，而是在测试中查看下具体的执行 SQL。根据具体业务来建立对应的索引，因为 MySQL 在执行的时候会选择一个自认为最合适的索引，所以能建立联合索引就建立联合索引，这是用空间换时间的一种方式。