目录

索引概述

 索引结构

数据结构

二叉树

 红黑树

 B-Tree

 B+Tree

 Hash

 索引分类

聚集索引&二级索引

聚集索引选取规则:

 具体结构

索引基础语法

 SQL性能分析

SQL执行频率

慢查询日志 

profile详情

explain

---

---

索引概述

介绍：

索引（ index ）是帮助 MySQL 高效获取数据的数据结构 ( 有序 ) 。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上 实现高级查找算法 ，这种数据结构就是索引。可以简单理解为我们先排好特定的顺序再查找，查找速度会大大提高

 假如我们要执行的SQL语句为 ： select * from user where age = 45;

• 无索引情况

相当于全表扫描，从第一行扫描到末尾，遇到满足条件的数据，仍会继续遍历下去，进而扫描全表，这相当于数组的遍历，时间复杂度很高，性能很差

• 有索引情况

 特点：

• 优势

提高 数据检索的效率 ，降低数据库的IO 成本

通过索引列对数据进行排序，降低数据排序的成本， 降低CPU的消耗（不用频繁低性能的查询数据） 。

• 劣势                                       

索引列也是要占用空间的。

索引大大提高了查询效率，同时却也 降低更新表的速度 ，如对表进行INSERT 、 UPDATE 、 DELETE 时，效率降低，因为 更新表的同时也要更新索引 。

 索引结构

数据结构

二叉树

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

 红黑树

由于二叉树会一直加深层级，我们可以想到红黑树作为自平衡的二叉树，能很好弥补这一缺点，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,但由于红黑树也是一颗二叉树，也会出现层级较深的问题，结构如下:

 B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。 以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5 个指针，比二叉树多了三个key，可以多走三个分支，即五个范围。树的度数就是一个节点的子节点的个数

 

 进入b树的可视化演示网站，可以帮助我们理解b树的演变过程，这里选用的五阶b树B-Tree Visualization

 插入900时，由于每个节点只能存储四个key，此时会进行裂变，将插入900之后，五个元素进行排序之后，选取中间元素作为父节点，以中间元素为分界线，分割为两个节点

 

 特点：

• 5阶的B树，每一个节点最多存储4个key，对应5个指针。
• 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
• 在B树中，非叶子节点和叶子节点都会存放数据。

 B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一 下其结构示意图

绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。

红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据

 插入元素达到裂变的同时，叶子节点之间会形成一个单向链表，注意是传统的b+树就是形成单向链表

 B+Tree 与 B-Tree相比，主要有以下三点区别：

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。

非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

 MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，即是双向链表，这就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

 Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型---Hash索引。

结构：

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，如果有哈希冲突，就会形成一个单向链表，挂在槽位之后，类似于hashtable

 哈希冲突的情况

 特点：

A. Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，...）

B. 无法利用索引完成排序操作

C. 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

 索引分类

 在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

分类	含义	特点
聚集索引 (ClusteredIndex)	将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据	必须有 , 而且只 有一个
二级索引 (Secondary Index)	将数据与索引分开存储，索引结构的叶子节点 关联的是对应的主键， 而对应的主键索引就会指向真正的行数据	可以存在多个

聚集索引选取规则:

总之聚集索引是必须要有的，如果没有主键索引，就会采用唯一索引，如果二者都没有，就会随机生成

• 如果存在主键，主键索引就是聚集索引。
• 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
• 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

 具体结构

聚集索引的叶子节点下挂的是这一行的具体数据 ， 相当于一级指针，直接指向数据本身 。

二级索引的叶子节点下挂的是该字段值对应的主键值，即指向了聚集索引， 相当于二级指针 。

当我们用name这个二级索引查询数据时，具体的执行流程为：

① . 由于是根据 name 字段进行查询，所以先根据 name='Arm' 到 name 字段的 二级索引中进行匹配查找 。但是在二级索引中只能查找到 Arm 对应的主键值 10 。

② . 由于查询返回的数据是 所有的行数据 ，所以此时，还需要根据主键值 10，到聚集索引中查找10 对应的记录，最终找到10 对应的行 row 。

③ . 最终拿到这一行的数据，直接返回即可。

 这一流程也称为回表查询

先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取

数据的方式，就称之为回表查询。

索引基础语法

创建索引

CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name ( index_col_name,... ) ;

 查看索引

SHOW INDEX FROM table_name ;

 删除索引

DROP INDEX index_name ON table_name ;

 创建一张表 tb_user，并且查询测试数据。

需求如下：

A.name字段为姓名字段，该字段的值可能会重复，为该字段创建索引

create index idx_user_name on tb_user(name)

 B.phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。

create unique index idx_user_phone on tb_user(phone);

 C.为profession、age、status创建联合索引。

create index idx_user_pro_age_sta on tb_user(profession,age,status)

 D.为email建立合适的索引来提升查询效率。

create index idx_user_email on tb_user(email);

 查看建立的索引，索引的命名规范应为idx_表名_列名