数据库索引

概念：

数据库索引首先是一个排序的数据结构，通常以B+树索引或Hash索引实现。

理解B+树得先明白B树

• 阶数：一个节点最多有多少个孩子节点。(一般用字母m表示)
• 关键字：节点上的数值就是关键字
• 度：一个节点拥有的子节点的数量。

B树：一个M阶的树

• 根结点至少有两个子女;
• 每个非根节点所包含的关键字个数 j 满足：⌈m/2⌉ - 1 <= j <= m - 1.(⌈⌉表示向上取整)
• 有k个关键字(关键字按递增次序排列)的非叶结点恰好有k+1个孩子。
• 所有的叶子结点都位于同一层。

 

 B+树：一个平衡的多叉树，从根节点到每个叶子节点的高度差值不超过1，而且同层级的节点间有指针相互链接。

应文件系统所需而产生的一种B树的变形树(文件的目录一级一级索引,只有最底层的叶子节点(文件)保存数据.),非叶子节点只保存索引,不保存实际的数据,数据都保存在叶子节点中

• 每个结点至多有m个子女;
• 非根节点关键值个数范围：⌈m/2⌉ - 1 <= k <= m-1
• 相邻叶子节点是通过指针连起来的，并且是关键字大小排序的。

B+树和B-树的主要区别如下：

• B-树内部节点是保存数据的;而B+树内部节点是不保存数据的，只作索引作用，它的叶子节点才保存数据。
• B+树相邻的叶子节点之间是通过链表指针连起来的，B-树却不是。
• 查找过程中，B-树在找到具体的数值以后就结束，而B+树则需要通过索引找到叶子结点中的数据才结束
• B-树中任何一个关键字出现且只出现在一个结点中，而B+树可以出现多次。

 

Hash索引：简单地说，哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。

哈希索引示意图：

 

 

 

两种结构区别：

1. 如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据；
2. 从示意图中也能看到，如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索；
3. 同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；
4. 哈希索引也不支持多列联合索引的最左匹配规则；
5. B+树索引的关键字检索效率比较平均，不像B树那样波动幅度大，在有大量重复键值情况下，哈希索引的效率也是极低的，因为存在所谓的哈希碰撞问题。

 

 

索引主要种类：唯一索引，主键索引，聚集索引

1. 唯一索引：任意两行数据库不能相同，比如姓名。
2. 主键索引：唯一索引的特殊例子，一般为表的主键
3. 聚集索引：一个表只能有一个聚集索引

优点：

1. 通过索引，可提高系统性能
2. 建立唯一索引还可以保证数据的唯一性
3. 在分组与排序语句中优化查询时间

缺点：

1. 首先他是占据物理空间的，如果要建立聚簇索引，空间需求会更大
2. 其次创建的索引是需要维护的，会随数据量的增加而增大
3. 最后对数据增删改是需要更多是时间，索引也要动态维护

建议创建索引的地方：

1. 经常需要搜索的：比如登录的账号密码
2. 设置为主键的，一般主键也是唯一索引
3. 范围搜索的
4. 经常需要排序的

不建议创建的：

1. 不经常用的列，按实际业务分析设计
2. 数据值很少的，比如年龄，性别
3. 数据量特别大的，text，image
4. 经常增加，删除，修改的

索引失效：

条件中用or

对于多列（复合、联合）索引，不是使用的第一部分，则不会使用索引

like的模糊查询以%开头，索引失效

如果列类型是字符串，那一定要在条件中将数据使用引号引用起来，否则不会使用索引