目录
一、索引
1.1、简单介绍
索引就是一种帮助 mysql 提高查询效率的数据结构.
优点：
- 大大增加了查询速度.
缺点：
- 索引实际上是一张表，因此需要消耗一部分空间资源.
- 对表中的数据进行增删改的时候，需要更新索引，因此速度会受到一定影响.
1.2、索引的分类
1.2.1、主键索引
实际上就是我们创建数据库时指定的主键（主键索引值不能为空、不能重复.），会自动创建索引，叫做 “主键索引”，在 innodb 引擎中就是所谓的 “聚簇索引”.
例如，以 id 为主键建表
create table user(id int PRIMARY KEY, name varchar(20), age int);然后通过以下命令查看 user 表的索引
show index from user;
1.2.2、单值索引（单列索引、普通索引）
就是为表中的某一列创建的索引，一个表中可以有多个单列索引.
例如，表中有字段 id、name、age，那么为 其中的 name 创建一个索引，就叫单列索引.
创建方式有以下两种：
a）建表时创建（注意，这种方式创建，索引名和字段名一致）
# 给 name 单独创建索引
create table user(id int primary key, name varchar(20), age int, key(name));
# 给 name 和 age 分别创建索引
create table user(id int primary key, name varchar(20), age int, key(name), key(age));
b）建表后创建
create table user(id int primary key, name varchar(20), age int);
create index index_name on user(name);
c）删除索引
drop index 索引名 on 表明1.2.3、唯一索引
在创建表的时候，有时候我们会通过 unique 指定某个字段唯一，这个时候就会创建唯一索引.
Ps：允许有 null 值，并且可以有多个.
创建方式有以下两种：
a）建表时指定
# 第一种写法
create table user(id int primary key, name varchar(20) unique, age int);
# 第二种写法
create table user(id int primary key, name varchar(20), age int, unique(name));
b）建表后创建
create unique index index_name on user(name);
1.2.4、复合索引
就是我们为表中的多个字段一起创建一个索引.
Ps：查询时，在 where 条件后，必须要使用 and 连接复合索引字段，否则不生效.
创建方式有以下两种：
a）建表时创建
create table user(id int primary key, name varchar(20), age int, key(name, age));
b）建表后创建
create index name_age_index on user(name, age);
1.2.5、复合索引经典问题
问题：有一个用户表，给 name、age、gender 三个字段创建了一个复合索引 key(name, age, gender)，以下场景，哪种查询索引会生效？
以下是 where 查询后通过 and 拼接的字段.
- name 生效
- name age 生效
- name age gender 生效
- name gender age 生效
- age gender 失效
- gender 失效
- gender age name 生效
该怎么判断呢？符合索引生效只要满足以下任意一个原则即可：
- 最左前缀元组：必须包含做前缀，也就意味着 name、 name age、name age gender 是生效的.
- mysql 引擎为了更好的利用索引，在查询过程中会动态调整查询字段顺序，便于利用索引，也就意味着只要包含所有索引字段即可（任意的组合都可以）.
1.3、索引原理
1.3.1、主键自动排序
当我创建一个 user 表（含主键 id），然后按照无序 id 的方式插入数据，会发现查询结果尽然按照 主键 id 排序了
为什么会进行排序呢？
排序之后相对来说，查询更快. 例如有 10 个自增 id，现在查询 id = 3 的，那么只需要向下对比三次即可得到，而对于无序数据来说每次都需要遍历一遍数据才能得到.
这也就说明为啥主键不建议使用 uuid 去建立，而是使用 int 类型？因为在主键建立索引的时候，会先根据表中的主键去排序，排序后在查询效率会更高.
1.3.2、索引的底层原理
假设有如下表和信息
索引的数据结构就是一个 b+ 树，原理如下
a）排序，形成链表：表中的每一条数据组织成一个链表中的一个节点，结构由三部分构成：“主键 + 数据 + 指针”，数据就是表中的非主键索引字段（name, age），指针就是用来指向下一个节点，这些节点会现经过主键 id 的排序，最后组织成一个链表的结构，得到b+树的叶子节点 如下
b）页管理：将链表进行分页管理，每一页的大小默认存储 16kb，假设如下图（真实情况一页存放的数据有很多）.
c）页目录管理：将每一页最左边节点的主键 和 指针 拿出来存放到页目录中，页目录的默认大小也是 16kb
d）如果页目录的大小占满了，那么可能还会继续向上生成页目录（父节点），不过一般开发存储的数据，树的高度都不会超过 4 的，也就是说，当需要查找某一数据时，最多只需要 1~3 次 I/O 操作（注意：顶层的根节点时在内存中的）.
1.3.3、B 树和 B+树的区别
B+ 树相当于是在 B 上的一种优化，主要区别如下：
- B+ 树非叶子节点只存储键值对信息，B 树 data 数据也需要存储，而每一页的存储空间是有限的（默认 16 kb），那么如果 data 数据较大时，每个节点能存储的 key 就很少，进而导致树的深度较大，增大了查询时的磁盘 IO 次数（每一层都进行一次 IO）.
- B+ 树的叶子节点保存全集数据，是一个链表结构，而非叶子节点只存储 key，大大增加了非叶子节点存储 key 的数量，降低了树高.
1.4、聚簇索引和非聚簇索引
1.4.1、innoDB 中的主键索引
聚簇索引：由 主键索引 和 辅助索引 构成.
主键索引：主键索引中，叶子节点保存表中每一行的所有数据，当需要查找例如 where Id = 14，就会去主键索引 B+ 树上找到的叶子节点，然后获取行数据.
Ps：如果没有定义主键，就会选择唯一且非空的索引代替，如果非空索引也没有，就会自己隐式定义一个主键作为聚簇索引
辅助索引（innoDB 中的非聚簇索引就是辅助索引）：就是在聚簇索引之上建立的索引，一般来说就是表中给其他字段建立的索引（非主键索引），也就是 复合索引、单列索引、唯一索引，并且的叶子节点存储的不再是行物理地址，而是主键值，因此辅助索引最少需要二次查询才能找到数据，例如 where name='cyk'，步骤如下
- 在辅助索引 B+ 树种检索 name，然后到达叶子节点获取对应的主键.
- 根据主键在聚簇索引 B+ 树种在及进行一次检索操作，最终到达叶子节点获取整行数据.
非聚簇索引：在 myisam 使用的是非聚簇索引，也由两颗 B+ 树构成（主键索引、辅助索引），主键索引B+树节点存储了主键，辅助索引 B+ 树种存储了辅助键. 叶子节点都是用一个地址指向真正的表的数据，因此辅助键无需像 innoDB 一样访问主键索引树.
1.4.2、使用聚簇索引的优势
问题：每次使用辅助索引检索都需要经过两次 B+ 树查询，看上去聚簇索引的效率明显低于非聚簇索引，这不是多此一举么，聚簇索引优势在哪？
- 访问同一数据也不同记录时，会把页加载到缓存中，再次访问的时候，会在内存中完成访问，不必访问磁盘，而主键和数据又是一起被载入内存的，因此按照主键 id 来组织数据（排好序的），获取更快.
- innoDB 中的辅助索引叶子节点存储主键值，而不是物理地址，因此当行数据发生改变时（对表进行增删改），叶子节点也无需像 myisam 非聚簇索引的辅助索引一样改变地址，只需要维护索引树即可.
- innoDB 中的辅助索引叶子节点存放的是主键值，而 myisam 中存储的是物理地址，因此空间占用更小.
1.4.3、使用聚簇索引需要注意什么
主键最好不要使用 uuid，因为 uuid 值过于离散，不适合排序，并且有可能生成的 uuid 插入在索引树的中间位置，导致树调整复杂度变大，查询时消耗更多的时间.
建议使用 int 或者 bigint 类型的自增，方便排序并且默认会在索引树的末尾增加主键值，对索引树的结构影响最小.
1.4.4、为什么主键通常建议使用自增 id
聚簇索引的数据物理地址存放顺序和索引主键 id 顺序时一致的，因此索引是相邻的，对应的数据也是在相邻的磁盘上. 如果主键不是自增 id，那么会不断调整数据的物理地址，来进行分页. 如果是自增，就只要一页一页写，磁盘碎片也就少了.
1.5、索引失效的场景
1. 查询语句中使用 like 关键字，如果匹配字符串的第一个字符为 "%"，索引不会被使用；如果 "%" 不是在第一个位置，索引就会被使用.
2. 查询语句中使用复合索引，需要满足匹配原则才可以（上面讲到过了）。
3. 查询语句中使用 or 关键字时，如果 or 前后的两个条件都是索引，那么就会使用索引，如果任意一个不是索引，那么查询中不使用索引.
