目录

一、什么是索引？索引的作用

二、索引的简单使用

三、索引背后的数据结构

1、B 树

2、B + 树

一、什么是索引？索引的作用

索引是一种特殊的文件，包含着对数据表里所有记录的引用指针。可以对表中的一列或多列创建索引，并指定索引的类型，各类索引有各自的数据结构实现。

官方的概念往往难以理解，简单来说索引就像我们书本的目录，能够加快我们查询速度。

在加快我们查询速度的同时，索引同时也要消耗存储空间（就好比目录也要费纸一样~）

索引的使用场景？

• 数据量较大，且经常对这些列进行条件查询
• 该数据库表的插入操作，及对这些列的修改操作频率较低。

满足以上条件时，考虑对表中的这些字段创建索引，以提高查询效率

反之，如果非条件查询列，或经常做插入、修改操作，或磁盘空间不足时，不考虑创建索引。

二、索引的简单使用

创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）时，会自动创建对应列的索引。

• 查看索引

show index from 表名;

• 创建索引 （对于非主键，非唯一约束，非外键的字段可以创建普通索引）

create index 索引名 on 表名(字段名);

• 删除索引

drop index 索引名 on 表名;

三、索引背后的数据结构

首先我们可以思考一下为什么索引背后的数据结构是 B+ 树而不是顺序表、链表、哈希表、二叉搜索树等数据结构？

• 顺序表和链表

顺序表和链表查找的时间复杂度都是O（N）的，这里我想消除一个误区就是好多人认为顺序表的查找是O（1）的，但其实按下标获取元素并不叫”查找“，查找是指按值找到对应的元素，因此显然这两种数据结构的复杂度都是线性的，不符合我们的预期。

• 哈希表

提到哈希表我们不得不说它是一个非常伟大的数据结构，因为它查找的时间复杂度是O（1）的，但我们依旧不能选择它，因为哈希表是根据哈希映射构建的，简单来说哈希表是没有顺序的，因此我们无法处理 >  || == || < 的情况，试想，如果我们查找无法使用 比较 ，那无疑是致命的

• 二叉搜索树

二叉搜索树无疑是一个很适合作为索引的数据结构，在建树完美的情况下它的时间复杂度是O（N），并且适合范围查找，我们只需要找到两个端点中序遍历即可，但它美中不足的就是每个结点只有两个分叉，在数据量非常恐怖的时候树的高度仍然很高

1、B 树

ps：图片来源：wwzzzzzzzzzz博主

相信很多同学发现了，在确定区间时，B 树仍然需要经过多次比较，那么相比之前我们提到过的二叉搜索树，B 树的优点是什么？ 

 B - Tree 的优点：

• N 叉树的树高非常低，查询很快
• 叶子结点和非叶子结点都可以存储数据，并且都可以存多个数据
• 一个结点多次比较，虽然比较次数更多，但硬盘IO次数降低
• 硬盘的访问速度是很慢的，因此减少硬盘IO次数，远比减少比较次数要更划得来

2、B + 树

B + 树是在 B 树的基础上改进而来，可以这么说：B + 树就是一种为索引而生的数据结构！

什么是 B + 树

【B+ 树 是 数据库中最常见的数据结构】
注意！数据库有很多种，每个数据库底层又支持多种存储引擎
这些存储引擎实现了数据库具体按照什么结构来存储的程序。
那么就意味着 每个存储引擎 存储数据的结构 可能都不一样，背后的索引数据结构可能也不同。
所以，这里面可能会有很多种多叉树来去表示这里的数据结构。
只是 B+ 树 是 最常用的一种数据结构。
那么，B+ 树 又是什么样子的？

 B+ Tree 的优点：

• 一个结点可以存很多值，在进行查找的时候整体IO次数较少，速度快
• 所有的查询都会落到叶子结点上，每次查询的IO次数都差不多，查询速度稳定
• 叶子结点最终是一个链表，非常适合范围查找
• 非叶子结点只存储key，相同内存下B+树可以存储更多索引