MySQL–优化（索引篇）
- 定位慢查询
- SQL执行计划
- 索引
- 存储引擎
- 索引底层数据结构
- 聚簇和非聚簇索引
- 索引创建原则
- 索引失效场景
- SQL优化经验
索引
索引（index）是帮助 MySQL 高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定査找算法的数据结构（B+树），这些数据结构以某种方式引用（指向）数据这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
一、 例子（理解索引的用处）
无索引
- 当前我们有一张表，里面有很多条数据
- 现在我们要去查年龄为 45 的数据
- 在没有索引的情况，age会逐条的进行比对，当找到了 45 也不会停，他会接着往下找，直到整张表多遍历一遍
有索引
比如维护了一个索引（二叉搜索数）MySQL 中的索引不是（二叉搜索数），说到二叉树是方便理解
- 首先找当前二叉树的根节点 36 （拿45跟36作比对，45比36大），走右边找到 37（拿45跟47作比对，45比48小）走左边找到 45
- 这个效率就有明显的提升，这个就是索引的好处（提升查找效率）
总结
- 我们需要维护一个像（二叉搜索数）
- 有个这样一个数据结构，在查找数据的时候可以提升查找效率，减少 IO 的操作
二、索引的底层数据结构
- 在探讨MySQL索引之前，我们需要先了解几种常见的数据结构：二叉搜索树、红黑树、B树和B+树。每种数据结构都有其独特的工作原理和优缺点。
三、数据结构对比
1、二叉搜索树
- 虽然二叉搜索树在理想情况下具有较高的查询效率，但一旦数据不平衡，其性能将大幅下降。
2、红黑数
- 红黑树通过自平衡机制解决了这一问题，但由于其每个节点最多只有两个子节点，因此在处理大量数据时，树的高度会显著增加，导致查询效率降低。
- 那假如 MySQL 某张表的数据是 1千万 ，而红黑树也是一个二叉树，一个节点只能有两个分支，如果把1千万的数据存储到红黑树中，那么这个红黑树就会变得特别的高，要去查找的数据依然要去找很多个层级
3、B 树
- B树是一种多叉树结构，与二叉树相比，它能够减少树的高度，从而提高查询效率。然而，B树在非叶子节点中既存储键也存储数据，这在处理大量数据时可能导致磁盘IO操作增多。
- B树每个节点可以有多个分支，即多叉。
- 以一颗最大度数(max-degree)为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key
- 每个key多有指针，图中key20指针所对应的20以内的数据
- 其中每个key对应的数据
4、B + 树
- B+树是B树的一种优化版本。
- 它在非叶子节点中仅存储键和子节点的指针，而将数据全部存储在叶子节点中。
- 这种设计使得B+树的查询效率更加稳定，且更适合于磁盘等辅助存储器的数据读写操作。
- 此外，B+树的叶子节点之间通过指针相连，便于进行范围查询和扫库操作。
总结
- 什么是索引
- 索引(index)是帮助MySQL高效获取数据的数据结构(有序)
- 提高数据检索的效率，降低数据库的I0成本(不需要全表扫描）
- 通过索引列对数据进行排序，降低数据排序的成本，降低了CPU的消耗
- 索引的底层数据结构
- MySQL的InnoDB引擎采用的B+树的数据结构来存储索
- B+树 阶数更多，路径更短
- 磁盘读写代价B+树更低，非叶子节点只存储指针，叶子阶段存储数据
- B+树便于扫库和区间查询，叶子节点是一个双向链表
