索引是为了提高数据查询的效率，类似于书的目录。

索引的常见模型有三种：

1.哈希表：

只适用于等值查询，不适用于范围查询

为什么呢？

哈希表是（key，value）的格式存储，存储的数据不一定是按照顺序存的

比如user，有id，name，address三个属性，用id%5作为哈希函数

现在存入3，2，1，4，7几个id，如果我们要找id=2的user，2%5=2，很容易发现他在哈希表的第二个位置，但是id>2的不一定就存在第二个位置以后，比如id=6，6%5=1

那么如果位置冲突怎么办？

上面已经存入了id=2的user，现在要存入id=7的user，7%5=2，也要存在第二个位置

使用拉链法解决

2.有序数组：

更新慢，查询快，查询的时间复杂度是log（n）

但是如果更新，必须要移动更新位置之后的元素

所以有序数组适用于静态的数据库，或者更新很少的数据库。

比如2015年的人口信息，数据不会再改变

3.二叉搜索树：

更新，查询的时间复杂度都是log（n）

一般不推荐使用二叉树

比如一棵 100 万节点的平衡二叉树，树高 20。一次查询可能需要访问 20 个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。也就是说，对于一个 100 万行的表，如果使用二叉树来存储，单独访问一个行可能需要 20 个 10 ms 的时间，这个查询可真够慢的。为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N 叉”树。这里，“N 叉”树中的“N”取决于数据块的大小。以 InnoDB 的一个整数字段索引为例，这个 N 差不多是 1200。这棵树高是 4 的时候，就可以存 1200 的 3 次方个值，这已经 17 亿了。考虑到树根的数据块总是在内存中的，一个 10 亿行的表上一个整数字段的索引，查找一个值最多只需要访问 3 次磁盘。其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。

N叉树中右边的兄弟比左边的兄弟值大

InnoDB的索引模型：

每一个索引在 InnoDB 里面对应一棵 B+ 树。

索引类型分为主键索引和非主键索引。主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索（clustered index）。非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）。

主键索引和普通索引有什么区别：

主键索引：select * from user where id = 10,只用搜索id这颗二叉树

普通索引：select * from user where name='张三'，先搜索name这颗二叉树中名字是张三的，再通过name这棵树获取到张三的id，去搜id这颗二叉树，再获取到全部信息。

去搜id这颗二叉树的操作叫做回写

索引维护：b+树的合并，拆裂

索引什么时候使用自增主键，什么时候用自己的属性？

自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。

 

主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。所以，从性能和存储空间方面考量，自增主键往往是更合理的选择。

有没有什么场景适合用业务字段直接做主键的呢？还是有的。比如，有些业务的场景需求是这样的：只有一个索引；该索引必须是唯一索引。这就是典型的 KV 场景。由于没有其他索引，所以也就不用考虑其他索引的叶子节点大小的问题。这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则，直接将这个索引设置为主键，可以避免每次查询需要搜索两棵树。

 

回到主键索引树搜索的过程，我们称为回表。

那么有没有什么方法可以避免回表呢？ 

1.覆盖索引：

select id from user where name='张三'

这种的我们可以发现，只需要查找user，那么通过找name这颗二叉树获得id就行，不用回写。

类似上面的过程就叫做覆盖索引

2.最左前缀：联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符
3.联合索引：根据创建联合索引的顺序，以最左原则进行where检索，比如（age，name）以age=1 或 age= 1 and name=‘张三’可以使用索引，单以name=‘张三’ 不会使用索引，考虑到存储空间的问题，还请根据业务需求，将查找频繁的数据进行靠左创建索引。
4.索引下推：like 'hello%’and age >10 检索，MySQL5.6版本之前，会对匹配的数据进行回表查询。5.6版本后，会先过滤掉age<10的数据，再进行回表查询，减少回表率，提升检索速度