首页 > 常识 >

索引是什么意思简单理解（索引讲解）

100次浏览发布时间：2024-09-07 10:05:25

1.索引是什么?

索引讲解图

索引是一种提高数据库查询效率的数据结构。它可以比作一本字典的目录，可以帮你快速找到对应的记录。
索引一般存储在磁盘的文件中，它是占用物理空间的。
正所谓水能载舟，也能覆舟。适当的索引能提高查询效率，过多的索引会影响数据库表的插入和更新功能。

2.索引的作用和优缺点

作用：

①提高数据检索速度：通过创建索引，数据库系统可以直接定位到包含所需数据的位置，而不需要逐条扫描整个数据表，从而大大提高了数据检索的速度。

②加速排序和分组操作：当进行排序或分组操作时，索引可以帮助数据库系统快速定位到需要排序或分组的数据，提高排序和分组的效率。

③优化连接操作：在连接多个数据表时，索引可以帮助数据库系统快速定位到连接条件匹配的数据，提高连接操作的效率。

④强制唯一性约束：通过在索引上创建唯一性约束，可以确保数据库表中的某个列的值是唯一的，避免重复数据的插入。

⑤加速数据修改操作：虽然索引在数据修改操作时会有一定的性能损耗，但在数据量较大的情况下，通过索引可以减少数据的查找和修改次数，提高数据修改的效率。

优点：

通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性
可以大加快数据的检索速度，这也是创建索引的最主要的原因
可以加强表和表之间的关系，特别是在实现数据的参考完整性方面特别有意义
在使用分别和排序，字句进行数据检索时，同样可以显著减少查询中分组和排序的时间
通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能

缺点：

创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加
索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理时间，如果要建立聚簇索引，那么需要的空间就会更大
当对表中的数据进行增加、删除和修改的时候，索引要动态的维护，这样就降低了数据的维护速度

3.索引分类

索引分类图

数据结构维度

B+树索引：所有数据存储在叶子结点，复杂度为O（logn），适合范围查询
哈希索引：适合等值查询，检索效率高，一次到位
全文索引：MyISAM和InnoDB中都支持使用全文索引，一般在文本类型char，text，varchar类型上创建
R-Tree索引：用来对GIS数据类型创建SPATIAL索引

物理存储维度

聚集索引：聚集索引就是以主键创建的索引，在叶子节点存储的是表中数据（InnoDB存储引擎）
非聚集索引：非聚集索引就是以非主键创建的索引，在叶子结点存储的是主键和索引列（InnoDB存储引擎）

逻辑维度

主键索引：一种特殊的唯一索引，不允许有空值
普通索引：MySQL中基本索引类型，允许空值和重复值
联合索引：多个字段创建的索引，使用时遵循最左前缀原则
唯一索引：索引列中的值必须是唯一的，但是允许为空值
空间索引：MySQL5.7之后支持空间索引，在空间索引这方面遵循OpenGIS几何数据模型规则

4.索引的使用场景

对于中大型表建立索引非常有效，对于非常小的表，一般全部表扫描速度更快些。
对于超大型的表，建立和维护索引的代价也会变高，这时可以考虑分区技术。
如果表的增删改非常多，而查询需求非常少的话，那就没有必要建立索引了，因为维护索引也是需要代价的。
一般不会出现在where条件中的字段就没有必要建立索引了。
多个字段经常被查询的话可以考虑联合索引。
字段多且字段值没有重复的时候考虑唯一索引。
字段多且有重复的时候考虑普通索引。

5.索引的设计原则

最适合索引的列是在where后面出现的列或者连接句子中指定的列，而不是出现在SELECT关键字后面的选择列表中的列。

索引列的基数越大，索引的效果越好，换句话说就是索引列的区分度越高，索引的效果越好。比如使用性别这种区分度很低的列作为索引，效果就会很差，因为列的基数最多也就是三种，大多不是男性就是女性。

尽量使用短索引，对于较长的字符串进行索引时应该指定一个较短的前缀长度，因为较小的索引涉及到的磁盘I/O较少，并且索引高速缓存中的块可以容纳更多的键值，会使得查询速度更快。

尽量利用最左前缀。

不要过度索引，每个索引都需要额外的物理空间，维护也需要花费时间，所以索引不是越多越好。

6.索引的优化

对索引的优化其实最关键的就是要符合索引的设计原则和应用场景，将不符合要求的索引优化成符合索引设计原则和应用场景的索引。

除了索引的设计原则和应用场景那几点外，还可以从以下两方面考虑。

在进行查询时，索引列不能是表达式的一部分，也不能是函数的参数，因为这样无法使用索引。例如select * from table_name where a + 1 = 2

将区分度最高的索引放在前面，尽量少使用select*，索引的使用场景、索引的设计原则和如何对索引进行优化可以看成一个问题。

7.索引的使用

1.创建索引


/*使用CREATE INDEX 语句
CREATE INDEX index_name ON table_name (column_list);
在CREATE TABLE时创建*/
CREATE TABLE user(
id INT PRIMARY KEY,
information text,
FULLTEXT KEY (information)
);
/*使用ALTER TABLE创建索引*/
ALTER TABLE table_name ADD INDEX index_name (column_list);

2.删除索引


/*删除主键索引*/
alter table 表名 drop primary key
/*删除其他索引*/
alter table 表名 drop key 索引名

8.索引生效与失效

1、什么是索引失效

索引失效（Index Inefficiency）是指数据库查询中使用的索引无法有效地提供性能优化，导致查询的执行效率下降。

索引是数据库中用于提高查询性能的数据结构，它可以加快查询过程并降低数据库的负载。然而，当索引失效时，查询操作可能会变得非常慢，甚至比不使用索引还要慢。

2、判断索引是否生效

在查询语句前加上explain。

explain函数作用：显示了MYSQL如何使用索引来处理select语句以及连接表。


explain select id,name from table where name like 'abc%'

3、索引失效的情况

1、条件中有or

条件中有or示例图

2、ike以%开头

ike以%开头示例图

3、存在索引列的数据类型隐式转换

存在索引列的数据类型隐式转换示例图

4、where子句中对索引有数字运算

where子句中对索引有数字运算示例图

5、where子句里对索引列使用函数，用不上索引

where子句里对索引列使用函数，用不上索引示例图

4.为什么Mysql用B+树做索引而不用B-树或红黑树？

原因：查询效率是由磁盘IO的次数决定。

扩展：

B-数：每个节点都有数据域，增加了节点的大小，磁盘的IO次数也增加(因为一次磁盘IO读出的数据量大小是固定的，每次读出的数据少，IO次数就会增加)。

B-树图

B+树相对B树的优点：

1、B+树的磁盘读写代价更低。因为只有叶子节点存放数据，非叶子节点只存放索引，B树的每个索引节点都有data域。

2、B+树带有顺序访问指针。所有的叶子节点之间有一个链指针，每个叶子节点都代表一个区间，从左到右也是有顺序的。而在数据库中基于范围的查询是非常频繁的，B树不支持这种遍历操作。

3、B+树的查询效率更加稳。由于非叶子节点存放的是数据的索引，而真正的数据存放在叶子节点中。而关键字查询的路劲长度相同，因此每个数据的查询效率相当。B树的非叶子节点也存放数据，因此不同的数据在不同层，查询效率也有高有低。

B-树优点图

红黑树

红黑树是二叉查找树，在大规模数据存储的时候，红黑树往往出现由于树的深度过大而造成磁盘IO读写过于频繁，进而导致效率低下。而B+树是多路查找树，树的深度比红黑树小得多，而磁盘IO的次数和树的深度有很大的关系。

B+树相比于红黑树的优点：

1、高度比红黑树小，有效地减少了磁盘的随机访问；

2、B+树的数据节点临近，因此能发挥磁盘顺序读取的优势；

3、B+树的数据全部存放在叶子节点，存储浪费小。

红黑树与B+树的比较：

1、使用场合。红黑树常用于存储内存中的有序数据，增删很快；B+树常用于文件系统和数据库索引。

2、子节点数量。红黑树只有两个子节点，而B+树有多个子节点，因此存储相同量的数据，B+树的高度更小。

9.索引的基本原理

索引用来快速地寻找那些具有特定值的记录。如果没有索引，一般来说执行查询时遍历整张表。索引的原理很简单，就是把无序的数据变成有序的查询1.把创建了索引的列的内容进行排序2.对排序结果生成倒排表3.在倒排表内容上拼上数据地址链4.在查询的时候，先拿到倒排表内容，再取出数据地址链，从而拿到具体数据

10.索引结构分类

索引有很多分类，例如B-tree索引，哈希索引，全文索引等等，索引的实现是在存储引擎层，并不是在后端服务器层，所以不同的存储引擎支持的索引结构也不一定一样

1、B-tree索引B-tree 索引普遍存在于存储引擎中，他使用B-tree数据结构来存储数据，如果对树形数据结构比较了解的话，就知道B-tree索引所带来的好处了，他的每个叶子节点都会包含下一个节点的指针，非常方便查询数据B-tree 适用于全键值，键值范围，或者前缀查找

2、哈希索引哈希索引基于哈希表实现，对于每一行数据，存储引擎会对所有的索引列计算一个哈希码，然后存储引擎会基于这个哈希码来查找数据，小编感觉有点像HashMap 中槽的查询过程

3、全文索引全文索引在几种索引结构类型中比较特殊，他查找的是文本中关键词

11.索引的存储结构

B+树：B+树是一种常用的索引存储结构，是一棵多叉树，节点包含多个子节点。B+树的特点是所有数据都存放在叶子节点中，非叶子节点仅存放关键字，提高检索效率。由于叶子节点形成了双向链表，所以B+树适合范围查询操作。
B树：B树是一种平衡多路查找树，节点包含多个子节点。B树和B+树类似，但是B树可以存储在所有节点中，适合于带有大量随机I/O操作的系统。
哈希表：哈希表是一种基于散列函数寻址的数据结构，可以快速定位到目标索引。哈希表的特点是速度快，但是不支持范围查询。
倒排索引：倒排索引是关系型数据库中常用的存储方式，将被索引字段存储为一个单独的表，表中存储被索引字段的值和包含该值的所有记录的引用。倒排索引适合于文本相关的高频词汇查询。