面试官灵魂拷问：什么是MySQL索引？为什么需要索引？

为什么需要学MySQL？

我们每天都在访问各种⽹站、APP，如微信、QQ、抖⾳、今⽇头条、腾讯新闻等，这些 东西上⾯都存在⼤量的信息，这些信息都需要有地⽅存储，存储在哪呢？数据库。

所以如果我们需要开发⼀个⽹站、app，数据库我们必须掌握的技术，常⽤的数据库有 mysql、oracle、sqlserver、db2等。

上⾯介绍的⼏个数据库，oracle性能排名第⼀，服务也是相当到位的，但是收费也是⾮常 ⾼的，⾦融公司对数据库稳定性要求⽐较⾼，⼀般会选择oracle。

mysql是免费的，其他⼏个⽬前暂时收费的，mysql在互联⽹公司使⽤率也是排名第⼀， 资料也⾮常完善，社区也⾮常活跃，所以我们主要学习mysql。

篇幅所限，本文只详写了MySQL索引，需要的同学可自行领取完整版MySQL学习笔记

一、什么是索引？

索引就好比字典的目录一样 我们通常都会先去目录查找关键偏旁或者字母再去查找 要比直接翻查字典查询要快很多

二、为什么要有索引？

然而我们在使用mysql数据库的时候也像字典一样有索引的情况下去查询，肯定速度要快很多

2.1问题：

1.mysql数据存储在什么地方?

磁盘

2.查询数据慢，一般卡在哪？

IO

3.去磁盘读取数据，是用多少读取多少吗？

磁盘预读

局部性原理：数据和程序都有聚集成群的倾向，同时之前被访问过的数据很可能再次被查询，空间局部性，时间局部性

磁盘预读：内存和磁盘发生数据交互的时候，一般情况下有一个最小的逻辑单元，页。 页一般由操作系统觉得大小，4k或8k，而我们在进行数据交互的时候，可以取页的整数倍来读取。

关注公众号：北游学Java 即可获取一份578页PDF文档的MySQL学习笔记

innodb存储引擎每次读取数据，读取16k

4.索引存储在哪？

磁盘，查询数据的时候会优先将索引加载到内存中

5.索引在存储的时候，需要什么信息？需要存储存储什么字段值？

key:实际数据行中存储的值

文件地址

offset：偏移量

6.这种格式的数据要使用什么样的数据结构来进行存储？

key-values

哈希表，树(二叉树、红黑树、AVL树、B树、B+树)

7.mysql索引系统中不是按照刚刚说的格式存储的，为什么？

OLAP:联机分析处理----对海量历史数据进行分析，产生决策性的策略----数据仓库—Hive

OLTP:联机事务处理----要求很短时效内返回对应的结果----数据库—关系型数据库(mysql、oracle)

三、mysql的索引数据结构

3.1哈希表:

HashMap数组加链表的结构，不适合作为索引的原因：

1.哈希冲突会造成数据散列不均匀，会产生大量的线性查询，比较浪费时间

2.不支持范围查询，当进行范围查询的时候，必须挨个遍历

3.对于内存空间的要求比较高

优点： 如果是等值查询，非常快

在mysql中有没有hash索引?

1.memory存储引擎使用的是hash索引

2.innodb支持自适应hash

create table test(id int primary key,name varchar(30))
engine='innodb/memory/myisam'
-- 5.1之后默认innodb

3.2树：

树这种数据结构有很多，我们常见的有： 二叉树、BST、AVL、红黑树、B树、B+树

①二叉树：无序插入

这就是我们的树的结构图，但是二叉树的数据插入是无序的，也就是说当需要查找的时候，还是得一个一个挨着去遍历查找

②BST(二叉搜索树)： 插入的数据有序，左子树必须小于根节点，右子树必须大于根节点--------使用二分查找来提高效率

这样的话如果要查询数据，可以通过二分查找，快速缩小范围，减少了时间复杂度 **但是如果插入的顺序是升序或者降序的话，树的形状会变成如下：

此时二叉搜索树就会退化成链表，时间复杂度又会变成O(n)

③AVL：平衡二叉树 为了解决上述问题，通过左旋转或右旋转让树平衡 最短子树跟最长子树高度只差不能超过1

由图我们可以看到，当顺序插入的时候，会自动的进行旋转，以达到平衡 但是会通过插入性能的损失来弥补查询性能的提升 当我们插入的数据很多时候，而查询很少的时候，由于插入数据会旋转同样会消耗很多时间

④红黑树(解决了读写请求一样多) 同样是经过左右旋让树平衡起来，还要变色的行为 最长子树只要不超过最短子树的两倍即可

查询性能和插入性能近似取得平衡 但是随着数据的插入、发现树的深度会变深，树的深度会越来越深，意味着IO次数越多，影响数据读取的效率

⑤ B树 为了解决上述数据插入过多，树深度变深的问题，我们采用B树 把原来的有序二叉树变成有序多叉树

举例： 如果要查询select * from table where id=14？

1. 第一步，将磁盘一加载到内存中，发现14<16,寻找地址磁盘2
2. 第二步，将磁盘二加载到内存中，发现14>11,寻找地址磁盘7
3. 第三步，将磁盘七加载到内存中，发现14=14，读取data，取出data，结束 思考：B树就是完美的嘛？
   问题1： 
   B树不支持范围查询的快速查找，如果我们查询一个范围的数据，查找到范围一个边界时，需要回到根节点重新遍历查找，需要从根节点进行多次遍历，即便找到范围的另一个边界，查询效率会降低。
   问题2： 
   如果data存储的是行记录，行的大小随着列数的增多，所占空间会变大。这时，一个页中可存储的数据量就会变少，树相应就会变高，磁盘IO次数就会变大。 思考2：三层B树能够存储多少条记录？
   答: 假设一个data为1k，innodb存储引擎一次读取数据为16k，三层即161616=4096； 但是往往在开发中，一个表的数据要远远大于4096，难道要继续加层，这样岂不就加大了IO

四、为什么使用B+树？

实际存储表数据的时候，怎么存储呢？ key 完整的数据行 改造B+树

B+树对B树进行了改进，把数据全放在了叶子节点中，叶子节点之间使用双向指针连接，最底层的叶子节点形成了一个双向有序链表。
例如： 
查询范围 select * from table where id between 11 and 35？

1. 第一步，将磁盘一加载到内存中，发现11<28,寻找地址磁盘2
2. 第二步，将磁盘二加载到内存中，发现10>11>17,寻找地址磁盘5
3. 第三步，将磁盘五加载到内存中，发现11=11，读取data
4. 第四步，继续向右查询，读取磁盘5，发现35=35，读取11-35之间数据，结束 由此可见，这样的范围查询比B树速度提高了不少

对比B树和B+树？

• 叶子节点中才放数据
• 非叶子节点中不存储数据
• B+树每个节点包含更多个节点，这样做的好处，可以降低树的高度，同时将数据范围变成多个区间，区间越多查询越快

问题： 创建索引时用int还是varchar？

答：视情况而定，但是记住一定让key越小越好

五、索引的创建

在创建索引之前，我先说一下存储引擎 存储引擎： 表示不同的数据在磁盘的不同表现形式 大家去观察mysql的磁盘文件会发现 innodb： innodb的数据和索引都存储在一个文件下.idb myisam： myisam的索引存储在.MYI文件中，数据存储在.MYD中

5.1聚簇索引和非聚簇索引

概念：判断是否是聚簇索引就看数据和索引是否在一个文件中 innodb：

1. 只能有一个聚簇索引，但是有很多非聚簇索引
2. 向innodb插入数据的时候，必须要包含一个索引的key值
3. 这个索引的key值，可以是主键，如果没有主键，那么就是唯一键，如果没有唯一键，那么就是一个自生成的6字节的rowid

myisam： 非聚簇索引

MySQL—innodb----B+树 索引和数据存储在一起，找到索引即可读取对应的数据

MySQL—myisam----B+树 索引和存储数据的地址在一起，找到索引得到地址值，再通过地址找到对应的数据

5.2回表

接下来，我会创建一张案例表给大家展示

CREATE TABLE user_test(
id INT PRIMARY KEY AUTO_INCREMENT,-- id为主键
uname VARCHAR(20) ,
age INT,
gender VARCHAR(10),
 KEY `idx_uname` (`uname`) -- 索引选择为名字
)ENGINE = INNODB;

INSERT INTO user_test VALUES(1,'张三',18,'男');
INSERT INTO user_test VALUES(NULL,'马冬梅',19,'女');
INSERT INTO user_test VALUES(NULL,'赵四',18,'男');
INSERT INTO user_test VALUES(NULL,'王老七',22,'男');
INSERT INTO user_test VALUES(NULL,'刘燕',16,'女');
INSERT INTO user_test VALUES(NULL,'万宝',26,'男');

select * from user_test where uname = '张三';
-- 当我们表中有主键索引的时候，我们再去设置一个uname为索引，那么此时这条sql语句的查询过程应该如下：

首先先根据uname查询到id，再根据id查询到行的信息 这样的操作走了两棵B+树，就是回表 当根据普通索引查询到聚簇索引的key值之后，再根据key值在聚簇索引中获取数据 我们可以发现这样的操作是很浪费时间的，因此我们日常操作的时候，尽量减少回表的次数

5.3覆盖索引

select id,uname from table where uname = '张三';
-- 根据uname 可以直接查询到id，uname两个列的值，直接返回即可
-- 不需要从聚簇索引查询任何数据，此时叫做索引覆盖

5.4最左匹配

在说最左匹配之前，我们先聊一下几个名词 主键(一般为一个列)-------->联合主键(多个列) 索引-------->联合索引(可能包含多个索引列)

-- 假设有一张表，有id，name，age，gender四个字段，id是主键，name，age是组合索引列
-- 组合索引使用的时候必须先匹配name，然后匹配age

select * from table where name = ? and age = ? ;-- 生效
select * from table where name = ?;-- 生效
select * from table where age = ? ;-- 不生效
select * from table where age = ? and name = ? ;-- 生效

--在mysql内部有优化器会调整对应的顺序

5.5索引下推

mysql5.7之后，默认支持的一个特点 举一个例子：

select * from table where name = ? and age = ? ;
-- mysql里的三层架构:
-- 客户端:JDBC
-- 服务端:server
-- 存储引擎:数据存储
在没有索引下推之前，根据name从存储引擎中获取符合规则的数据，在server层对age进行过滤
有索引下推之后，根据name、age两个条件从存储引擎中获取对应的数据

分析：有索引下推的好处，如果我们有50条数据，我们通过过滤会得到10条数据，如果没有索引下推，会先获取50条再去排除得到10条，而有了下推之后，我们会直接在存储引擎就过滤成了10条