索引mysql，3.MySQL索引（一）介绍索引

索引
​ 索引是应用程序设计和开发的一个重要方面。如果索引太多，应用程序的性能可能会受到影响。而索引太少，对查询性能又会产生影响。要找到一个平衡点，这对于应用程序的性能至关重要。

一些开发程序员总是在开发完之后才想起来添加索引，我一直认为这是一种错误的开发模式。如果知道数据的使用会面临查询的问题，从一开始就应该在需要的地方添加索引。开发人员往往对数据库的使用停留在应用的层面，比如编写SQL语句、存储过程等。他们甚至可能不知道索引的存在，或者认为事后让DBA加上即可。DBA往往不够深入了解业务，而添加索引需要通过监控大量的SQL语句进而从中找到问题，这个步骤所需的时间肯定是远大于初始添加索引所需要的时间，并且可能遗漏一部分的索引。当然索引也并不是越多越好，会占据不必要的磁盘使用率。由此可见添加索引也是非常有技术含量的。

跟索引相关的数据结构
二叉搜索树
二叉搜索树中，左子树的键值总是小于根的键值，右子树的键值总是大于根的键值，并且每个节点最多只有两颗子树，而且最大高度差不超过1。如数据（1，2，3，5，6，7，9）在二叉搜索树的形状：
在这里插入图片描述

二叉搜索树查找数据的平均次数：（1 + 22 + 34）/ 7=2.4次

索引mysql？解释：查找次数是5只需要查找一次，2和7需要查找2次，1，3，6，9要查找3次。
但是二叉搜索树有一个缺点，每个节点只有两个分支，如果数据量大，需要遍历多层节点才能在叶子节点找到数据。

B树
B树可以理解为一个节点拥有多个分支的多叉搜索树。B树中同一个键值不会出现多次，要么在叶子节点上，要么在内节点上。如数据（1，2，3，5，6，7，9）在B树的形状：
在这里插入图片描述

相对较于二叉搜索树，拥有了多分支，减少获取目标值所经历的节点数，提高了效率。
但是B树也是有缺点的。因为每个节点都会包含主键（key）和完整数据值（data），如果data比较大，每一页存储的key会变少；当数据比较多时，同样也会增加树的高度，需要遍历多层才能在叶子节点找到目标值的问题。

B+树
B+树是B树的变体，定义与B树基本一致，与B树不同点：

所有叶子节点中包含了全部关键字信息
叶子节点都用指针进行连接
非叶子节点只能存储key信息
B+树中的B不是代表二叉（binary）而是代表（balance），B+树不是一个二叉树，而是一颗多查树。
在这里插入图片描述

MySQL 创建索引？B+树的键一定会出现在叶子节点上，同时也有可能在非叶子节点中重复出现。而B树中的同一键值不会出现多次。

B+索引树
B+索引树的本质是B+树在数据库中的实现。B+树的高度一般都在2～4层，也就是说查找某一键值的行记录时最多只需要2到4次IO，这个效率就很高。因为当前一般的机械磁盘每秒至少可以做100次IO操作，2～4次的IO意味着查询时间只需要0.02～0.04秒。

数据库中的B+树可以分为聚集索引（clustered index）和辅助索引（secondary index）。但是不管时什么索引，其内部都是B+树，它们两个不同的是，叶子节点存放的是否是一整行的信息。

为了更加理解聚集索引和辅助索引，我们先建一张表。

CREATE TABLE t3 (
id int(11) NOT NULL AUTO_INCREMENT,
a int(11) NOT NULL,
b char(2) NOT NULL,
PRIMARY KEY (id),
KEY idx_a (a)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;