MySQL索引的认识

MySQL表的所有记录，是存储在磁盘中的。

当根据非索引字段进行查询时，MySQL 通常需要执行全表扫描，以查找满足查询条件的记录。全表扫描意味着 MySQL 必须逐一检查表中的每一行，以确定哪些行符合查询条件。

全表扫描会导致磁盘 I/O 次数增加，因为 MySQL 需要读取整个表的数据，这可能会导致性能下降，尤其是在大型表上。全表扫描是一种相对低效的查询方式，因为它需要逐行扫描并比较查询条件，而不是根据索引直接定位到匹配的行。

添加索引的最佳实践：

• 为经常查询的字段添加索引。
• 为条件查询的字段添加索引。
• 为JOIN操作的连接字段添加索引。
• 为聚合函数的输入列添加索引。
• 为分组查询的字段添加索引。
• 为排序查询的字段添加索引。

索引（index）是一种用于提高MySQL查询性能的数据结构，减少了磁盘I/O，无需全表扫描。在数据库插入记录时，会维护对应列（column）的索引，而索引的部分数据会缓存在MySQL的内存中，因此根据索引查询指定的记录时，相比全表扫描的方式会快很多。

MySQL的索引采用B+树作为数据结构，因此B+树就是MySQL索引的具体实现。

认识B+树

根节点
└── 非叶子节点1
│      └── 叶子节点1
│          └── 数据1
│          └── 数据2
│           ...
└── 非叶子节点2
        └── 叶子节点2
            └── 数据1
            └── 数据2
             ...

B+树的非叶子节点存储的是储索引字段的值，叶子节点存储多个数据行（数据行内容：索引字段的值和对应的记录指针）。

例如一张table表，其中id字段添加了主键索引，执行查询语句

SELECT id, name FROM table WHERE id = 6;


执行过程：

遍历非叶子节点确定符合条件的非叶子节点（通过比较id = 6与非叶子节点中的索引值来确定）

遍历叶子节点，找到id = 6的数据，读取对应的记录指针（叶子节点中的数据是有序的，切节点之间是相邻的）

MySQL 使用记录指针来查找实际的数据行（记录指针指向了数据行row存储在磁盘中的位置，因此 MySQL 可以快速读取相应的数据行row）

 

从图中我们可以看到，B+树的每节点通常存储多个数据，而不是只存储一个数据，这有助于降低 B+ 树的高度，在MySQL中，B+树的高度通常为2-3层，因此根据索引查询结果会很快。

在HashMap中，为了提高其查询性能，Java采用了红黑树的数据结构，但是当红黑树要存储的数据量增加时，树的高度会增加，而B+树将节点内的一个数据设计为一组数据，则巧妙地降低了树的高度，从根节点到叶子节点的距离就显著缩短了。