---

前言

在数据库中，我们经常使用到的操作就是查询，当数据量小的时候，查询的速度很快，一下子就找到了；但当数据量特别大时，我们应该要怎么做才能提高查询效率呢？哎，索引刚好就是干这个的

---

1. 索引是什么

索引（index）：在 MySQL 中，索引是一种数据库优化技术，用于提高数据库查询的效率。索引可以类比于书籍的目录，相当于在数据库中构建一个特殊的“目录”，它允许数据库系统快速定位到数据，而不必扫描整个表来查找记录，避免了针对表数据进行遍历操作

类似字典，它的前面会有各种目录。我们在查字的时候就可以根据目录来加快查询速度，比无头苍蝇一样一页一页翻要快的多的多

要注意：索引是以“列”为维度进行创建的，只有当我们针对有索引的列为条件来查询，索引才能生效，才能够真正的提升查询速度

假设我们对表中的 a 列创建了一个索引，当我们使用 select ... where ... 语句时若以 a 列为条件判断，如 select * from where a = xxx，此时索引才会生效；但如果是以 b、c、d 等其他列进行查询，那查询速度也不会变快

---

2. 索引的优缺点

---

2.1 优点

• 可以大大提高数据库的查询速度
• 可以提高数据库系统的性能，减少查询所需要的时间，降低服务器的负载
• 可以用来加速数据的查找、排序、分组等操作

---

2.2 缺点

与其是缺点，倒不如说是代价：

• 需要消耗额外的存储空间（硬盘）
• 有可能会影响到 “增删改” 的效率，因为我们在进行 “增删改” 的时候，需要同步更新维护索引
• 在数据量很大的时候，创建索引可能会触发大量的硬盘IO，直接把机器卡死

---

索引的使用场景：

• 数据量比较大，而且经常对某些列进行查询操作
• 某些列的插入修改操作频率比较低

总的来说，正确使用索引可以极大地提升数据库的性能，但我们也需要根据实际的查询模式和数据使用情况来设计索引策略

在实际开发中，我还是很建议使用索引的，“性价比”很高。不过在建表的时候，我们就要规划好哪些列需要创建索引，避免后期修改而导致一系列的问题

---

3. 索引的操作

在我们创建主键约束、唯一约束、外键约束的时候，数据库会自动帮我们创建这些列的索引，因为它们都高频使用到查询操作

---

3.1 创建索引

create index 索引名 on 表名（字段名）;

• 对于非主键约束、非唯一约束、非外键约束的字段，我们可以创建普通索引
• 索引名习惯以 idx 或 ix 做前缀，后面的名字最好有意义

-- 演示
-- 为学生表的成绩列创建索引
-- 先建表
create table student (id int primary key,name varchar(20) unique,grade int
);-- 创建成绩列的索引
create index grade_index on student(grade);

---

3.2 查看索引

show index from 表名;

-- 演示
-- 我们直接查看上面刚创建的学生表
show index from student;

我们可以发现：除了我们自己创建的成绩列索引，还有数据库自动生成的主键索引和唯一索引。还有一点，外键约束也会生成索引，此处就不展示了

---

3.3 删除索引

drop index 索引名 on 表名;

• 删除索引时，我们只能够删除手动创建的普通索引，如果删除数据库自动生成的索引，则会导致约束消失，非常不建议这样的操作（博主的 MySQL 版本为5.7，版本号偏低，具体删除情况请以实际版本号为准）
• 删除索引也是一个十分危险的操作，数据量大的时候直接删除索引可能会触发大量硬盘IO，使数据库宕机

-- 演示
-- 删除手动创建的索引
drop index grade_index on student;

---

4. 索引的存储原理

MySQL 索引的存储使用的是 B+ 树，而想要搞懂 B+树，我们得先来了解 B 树

---

4.1 B树

B 树，又叫做 B-tree，通常读作 “Bee-tree” 而非 “B 减树”，它是一种自平衡树形数据结构，同时也是一棵多叉平衡搜索树

B 树的特点有：

• 每个节点可以有多个子节点，可以存储多个元素
• 通过分裂和合并操作保持树的平衡，使得树的高度尽可能低
• 查询效率高，减少了硬盘IO的次数

以下是 B 树的结构：

相较于二叉树，我们在查找元素的过程中，数据比较的次数并没有减少，但是对于硬盘IO的次数大大减少。我们在和某个节点比较时，是先一次硬盘IO，把该节点上的所有内容都读取出来，接下来的比较都是在内存中进行的

但是，B 树还是有一些不足之处：不支持快速进行范围查询，当查找到叶子节点时，还需返回到根节点重新遍历查询；时间复杂度不稳定，与目标元素的位置有很大关系

---

4.2 B+树

B+ 树跟 B 树类似，不同点有：

• 所有数据记录节点都是叶子节点，非叶子节点仅包含键值和指向子节点的指针，不存储数据记录
• 所有叶子节点都是数据记录，并且叶子节点之间通过指针连接，形成一个有序链表
• 可以提供更快的顺序访问性能，特别是对于范围查询

以下是 B+ 树的结构：

由于 B+ 树将所有的索引项都放在了叶子节点上。所有的查询都需要落到叶子节点上完成的，那么每次检索的时候，经历的硬盘IO次数和比较次数都是差不多的，使得查询的开销变得很稳定，即时间复杂度稳定

而且在 B+ 树里，只有叶子节点上存储数据行，非叶子节点只存储索引列的 key 值，所以非叶子节点占据的空间很小，可以加载到内存中，相对于 B 树来说，B+ 树的树高理论情况下是比 B 树要矮的，进而可以减少相应的硬盘IO操作

---

综上所述，B+ 树可以确保数据库进行快速、精准的查询

---

结语

关于本篇博客，我们需要知道索引的定义、索引的操作（增删查）、索引的优缺点、以及索引背后的数据结构（B+ 树的特点和优势），知道并熟练掌握这些知识点对我们来说非常重要

希望大家能够喜欢本篇博客，有总结不到位的地方还请多多谅解。若有纰漏，希望大佬们能够在私信或评论区指正，博主会及时改正，共同进步！