关于索引

数据结构

二叉树：
只有两个分叉，同样的数据相比多路数据树会更高

B树：

Balance Tree，也就是平衡的多路搜索树。
特点：
1、关键字数与孩子数量关系：关键字数+1=指针数量（孩子数量）

B+树：

改进点：
1、孩子数量与关键字的关系：孩子数量 = 关键字数
2、非叶子节点的关键字会冗余到子节点中作为子节点的最小
3、非叶子节点不保存数据记录，只保存索引
4、叶子节点构成一个有序链表，并且包括所有关键字，叶子节点的有序链表之间会从小到大顺序链接
优点：
1、查询效率更稳定
都是去叶子节点找数据
2、关键字查询效率更高
B+ 树比 B 树更矮胖（阶数更大，深度更低），查询所需要的磁盘 I/O 也会更少
3、范围查询效率更高
叶子节点中，有序链表进行了链接

种类

按照功能划分：
1、普通索引
2、唯一索引
3、主键索引
4、全文索引。
普通索引、唯一索引和主键索引都是一类索引，只不过对数据的约束性逐渐提升。

按照物理实现划分：
1、聚集索引
也叫聚簇索引 clustered index。
聚集索引可以按照主键来排序存储数据，也可以按照指定方式排序数据。
聚集索引后面直接跟数据行，找到了聚集索引就找到了数据。

2、非聚集索引。
也称为二级索引或者辅助索引。
索引项是按照顺序存储的，但索引指向的内容是随机存储的。需要两次查找才能找到数据行。

聚集索引与非聚集索引的原理不同，在使用上也有一些区别：
1、聚集索引的叶子节点存储的了数据记录，非聚集索引的叶子节点存储的是数据位置。
非聚集索引不会影响数据表的物理存储顺序。
2、一个表只能有一个聚集索引，因为只能有一种物理排序存储的方式，但可以有多个非聚集索引，也就是多个索引目录提供数据检索。
3、使用聚集索引的时候，数据的查询效率高，但如果对数据进行插入，删除，更新等操作，效率会比非聚集索引低

索引使用实践

1、索引虽然很快，但是要顺序读取才快。如果在多个索引之间切换，也会造成随机IO问题。
2、索引最左匹配原则
3、多个索引与会造成执行计划之间混乱
有的时候执行计划对索引的权衡就不是那么智能。我们会遇到一些坑。

案例

1、where order by limit的坑
where 后面是一个单字段索引，order by 后是另外一个单字段索引。limit的引入会导致order by优先于where，过程是order by 把所有所有数据拿出来，where再进行筛选，直到达到limit条。这样会在两个索引之间切换，导致随机IO，就会比较慢。

2、执行计划该如何看

用explain sql 得到一个表，里面的每一项都能看懂，但是综合起来就懵了，所以到底该如何综合起来看这些孤单单的每一项。
 
    

参考

mysql 证明为什么用limit时，offset很大会影响性能
MySQL的InnoDB索引原理详解
mysql索引创建规则、联合与一般索引、执行计划，索引重建与下推
MySQL where orderby 和 limit 与 索引