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。

优势 劣势
提高数据检索的效率，降低数据库的IO成本 索引列也是要占用空间的。
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。 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。

索引结构

概述

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

索引结构 描述
B+树索引 最常见的索引类型，大部分引擎都支持 B+ 树索引
Hash索引 底层数据结构是用哈希表实现的, 只有精确匹配索引列的查询才有效, 不支持范围查询
R-Tree（空间索引） 空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-Text（全文索引） 是一种通过建立倒排索引,快速匹配文档的方式。类似于ES
不同的存储引擎对于索引结构的支持情况。
索引 InnoDB MyISAM Memory
B+tree索引 支持 支持 支持
Hash索引 不支持 不支持 支持
R-Tree索引 不支持 支持 不支持
Full-Text索引 5.6以后支持 支持 不支持

[!注意]
我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

索引数据结构

1. 二叉树

假如说MySQL的索引结构采用二叉树的数据结构，如果主键是顺序插入的，则会形成一个单向链表，结构如下：
20240227190214.png
所以，如果选择二叉树作为索引结构，会存在以下缺点：

  • 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。

    2. B树

    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：每个节点的最大子节点个数）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：
    20240227190508.png

数据结构可视化网站-B树。 https://www.cs.usfca.edu/~galles/visualization/BTree.html
插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中，节点的变化情况。
20240227190932.png
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。

    3. B+树

    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，其结构示意图：
    20240227191323.png
    我们可以看到，两部分：

  • 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。

B+树 https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中，节点的变化情况。
20240227192308.png
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。
3.1 MySQL中优化之后的B+Tree：

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，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。
20240227192732.png

4. MySQL为什么选择B+树，而不是B树

在MySQL中，B+树被广泛应用于索引结构，因为它支持高效的范围查询和区间扫描，并且有助于减少磁盘I/O操作，从而提高查询效率。为什么MySQL使用B+树而不是B树主要有以下几个原因：

  1. B+树可以更好地利用磁盘预读特性
    在数据库中，数据通常都存储在磁盘上。而磁盘的读写速度比内存慢很多，因此需要尽量减少磁盘I/O操作。B+树相对于B树来说，其非叶子节点只存储键值信息，而不存储数据信息，这样可以让非叶子节点能够存储更多的键值信息（查询效率主要取决于树的高度，树越高查询效率越慢，而更多的键值信息可以使B+树相较于B树更宽，继而高度更矮一些），从而使得查询同一层次的所有数据时，能够一次性读入更多的数据块，减少磁盘I/O操作。

  2. B+树能够更快地进行范围查询
    由于B+树的非叶子节点只存储键值信息，而不存储指向数据的指针，因此当进行范围查询时，只需要遍历B+树的叶子节点即可，而不需要遍历非叶子节点，大大加快了查询速度。

  3. B+树更适合于数据库索引
    B+树的叶子节点形成了一个有序链表，使得范围查询更加容易实现。而B树则不支持高效的范围查询，并且为了保持平衡需要维护指向所有数据的指针，导致其空间利用率较低。

  4. 相较于hash表，B+树可以支持范围查询和排序操作

    5. Hash

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

  5. 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。
    20240227215601.png
    如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。
    20240227215641.png

  6. 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

  7. 存储引擎支持
    在MySQL中，支持hash索引的是Memory存储引擎。 而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

    索引分类

    1. 基本分类

    在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

分类 含义 特点 关键字
主键索引 针对表中主键建立的索引 默认自动创建, 只能有一个 PRIMARY
唯一索引 避免同一个表中某数据列中的值重复 可以有多个 UNIQUE
常规索引 快速定位特定数据 可以有多个
全文索引 全文索引查找的是文本中的关键词，而不是比较索引中的值 可以有多个 FULLTEXT

2. InnoDB中分类

在InnoDB存储引擎中，根据索引的在B+树中存储形式，又可以分为以下两种：

分类 含义 特点
聚簇索引（又称聚集索引，Clustered Index） 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row 必须有,而且只有一个
二级索引（又称普通索引，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id 可以存在多个

2.1 聚集索引选取规则:

  • 如果存在主键，主键（PRIMARY）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。

    2.2 聚集索引和二级索引的具体结构如下：

    20240227195131.png
  • 聚集索引的叶子节点下挂的是这一行的数据 。
  • 二级索引的叶子节点下挂的是该字段值对应的主键值。

    2.3 回表查询

    当我们执行如下的SQL语句时，具体的查找过程是什么样子的
    1
    select * from user where name='Arm';
    20240227195601.png
    具体过程如下:
    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

[!NOTE]
回表查询： 这种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。

索引语法

创建索引

1
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,...);

查看索引

1
SHOW INDEX FROM table_name ;

删除索引

1
DROP INDEX index_name ON table_name ;

索引使用

1. 验证索引效率

在一张拥有1w多条数据的表中

  • 使用主键索引查询
    20240227205038.png
    耗时:
    20240227205141.png
  • 不使用任何索引查询
    20240227205229.png
    耗时：
    20240227205306.png
    比较可知，两者有10倍的差距，数据量更多的情况下，差距会更明显。

    2. 最左前缀法则

    如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，索引将会部分失效(后面的字段索引失效)。

以 tb_user 表为例，我们先来查看一下之前 tb_user 表所创建的索引。
20240227205524.png
在 tb_user 表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为：profession，age，status。

对于最左前缀法则指的是，查询时，最左变的列，也就是profession必须存在，否则索引全部失效。而且中间不能跳过某一列，否则该列后面的字段索引将失效。

  • 索引生效的执行计划：
  1. 联合索引全部生效
    1
    explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
  2. 联合索引部分生效
    1
    explain select * from tb_user where profession = '软件工程' and age = 31;
  3. 联合索引部分生效
    1
    explain select * from tb_user where profession = '软件工程';
    以上的这三组测试中，我们发现只要联合索引最左边的字段 profession存在，索引就会生效，只不过索引的长度不同。 而且由以上三组测试，我们也可以推测出profession字段索引长度为47、age字段索引长度为2、status字段索引长度为5
  • 索引不生效的执行计划
  1. 联合索引不生效
    1
    explain select * from tb_user where age = 31 and status = '0';
  2. 联合索引不生效
    1
    explain select * from tb_user where status = '0';
    为不满足最左前缀法则，联合索引最左边的profession不存在，索引不生效
  • 索引部分失效的执行计划
    1
    explain select * from tb_user where profession = '软件工程' and status = '0';
    存在profession字段，最左边的列是存在的，索引满足最左前缀法则的基本条件。但是查询时，跳过了age这个列，所以后面的列索引是不会使用的，也就是索引部分生效，所以索引的长度就是47。

[!NOTE]
当执行SQL语句: explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程'; 时，是否满足最左前缀法则，走不走上述的联合索引，索引长度？（答案：联合索引完全生效，索引长度为54）

注意: 最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是第一个字段)必须存在，与我们编写SQL时，条件编写的先后顺序无关。

3. 范围查询

联合索引中，出现范围查询(>, <)，范围查询右侧的列索引失效。

1
explain select * from tb_user where profession = '软件工程' and age > 30 and status = '0';

20240227211051.png
当范围查询使用 > 或 < 时，走联合索引了，但是索引的长度为49，就说明范围查询右边的status字段是没有走索引的。（profession=47、age=2、status=5)

1
explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';

20240227211258.png
当范围查询使用>= 或 <= 时，走联合索引了，但是索引的长度为54，就说明所有的字段都是走索引的。

[!NOTE]
所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 <

4. 索引失效情况

4.1 索引列运算

不要在索引列上进行运算操作， 索引将失效。

1
2
3
4
5
# 索引生效
explain select * from tb_user where phone = '17799990015';

# 索引失效
explain select * from tb_user where substring(phone,10,2) = '15';

4.2 字符串不加引号

字符串类型字段使用时，不加引号，索引将失效。

1
2
3
4
5
# 索引生效
explain select * from tb_user where phone = '17799990015';

# 索引失效
explain select * from tb_user where phone = 17799990015;

4.3 模糊查询

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。

1
2
3
4
5
6
7
8
# 索引生效
explain select * from tb_user where profession like '软件%';

# 索引失效
explain select * from tb_user where profession like '%工程';

# 索引失效
explain select * from tb_user where profession like '%工%';

4.4 or连接条件

用or分割开的条件，当or连接的条件，左右两侧字段都有索引时，索引才会生效。

1
2
3
explain select * from tb_user where id = 10 or age = 23;

explain select * from tb_user where phone = '17799990017' or age = 23;

由于age没有索引，所以即使id、phone有索引，索引也会失效。所以需要针对于age也要建立索引。

4.5 数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

1
2
3
select * from tb_user where phone >= '17799990005';

select * from tb_user where phone >= '17799990015';

经过测试我们发现，相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为什么呢？
因为MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃
索引，走全表扫描。 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。

5. 覆盖索引

尽量使用覆盖索引，减少select *。 那么什么是覆盖索引呢？覆盖索引是指：查询使用了索引，并需要返回的列，在该索引中已经全部能够找到 。

1
2
3
4
5
6
7
8
9
# select后面的id和profession都可以在索引上找到
explain select id, profession from tb_user where profession = '软件工程' and age =
31 and status = '0' ;

explain select id,profession,age, status from tb_user where profession = '软件工程' and age = 31 and status = '0' ;

explain select id,profession,age, status, name from tb_user where profession = '软件工程' and age = 31 and status = '0' ;

explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';

执行结果：
20240227213042.png
四条SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。但是此时，我们主要关注的是后面的Extra，前面两条SQL的结果为 Using where; Using Index ; 而后面两条SQL的结果为: Using index condition 。

Extra 含义
Using where; Using Index 查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据
Using index condition 查找使用了索引，但是需要回表查询数据

因为，在tb_user表中有一个联合索引 idx_user_pro_age_sta，该索引关联了三个字段profession、age、status，而这个索引也是一个二级索引，所以叶子节点下面挂的是这一行的主键id。所以当我们查询返回的数据在 id、profession、age、status 之中，则直接走二级索引直接返回数据了。如果超出这个范围，就需要拿到主键id，再去扫描聚簇索引，再获取额外的数据了，这个过程就是回表。而我们如果一直使用select * 查询返回所有字段值，很容易就会造成回表查询（除非是根据主键查询，此时只会扫描聚集索引）。

  1. 表和索引结构示意图
    id是主键，是一个聚集索引。 name字段建立了普通索引，是一个二级索引（辅助索引）。
    20240227213603.png
  2. 执行SQL：select id,name from tb_user where name = 'Arm';
    20240227213820.png
    虽然是根据name字段查询，查询二级索引，但是由于查询返回字段为id，name，在name的二级索引中，这两个值都是可以直接获取到的，因为覆盖索引，所以不需要回表查询，性能高
  3. 执行SQL：select id,name,gender from tb_user where name = 'Arm';
    20240227214009.png
    由于在name的二级索引中，不包含gender，所以，需要两次索引扫描，也就是需要回表查询，性能相对较差一点。

6. 前缀索引

当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO， 影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

  • 语法
    1
    2
    3
    4
    create index idx_xxxx on table_name(column(n)) ;

    # 例如：给tb_user表的email字段建立一个长度为5的前缀索引
    create index idx_email_5 on tb_user(email(5));
  • 前缀长度
    可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高， 唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。
    1
    2
    3
    select count(distinct email) / count(*) from tb_user ;

    select count(distinct substring(email,1,5)) / count(*) from tb_user ;
  • 前缀索引的查询流程
    20240227214440.png

    7. 单列索引与联合索引

  • 单列索引：即一个索引只包含单个列。
  • 联合索引：即一个索引包含了多个列。

[!NOTE]
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。因为就算查询条件中的两个字段都是单列索引，mysql最终也只会选择一个索引来查询，就会导致回表查询，而联合索引不会出现这种情况。

8. 索引设计原则

  1. 针对于数据量较大，且查询比较频繁的表建立索引。
  2. 针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引。
  3. 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
  4. 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
  5. 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
  6. 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
  7. 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。