♥️作者：小刘在C站
♥️个人主页：小刘主页
♥️每天分享云计算网络运维课堂笔记，努力不一定有回报，但一定会有收获加油！一起努力，共赴美好人生！
♥️树高千尺，落叶归根人生不易，人间真情
目录
索引
1 索引概述
1.1 介绍
2 演示
1). 无索引情况
2). 有索引情况
1.3 特点
2 索引结构
2.1 概述
2.2 二叉树
2.3 B-Tree
特点：
2.4 B+Tree
2.5 Hash
1). 结构
2). 特点
3). 存储引擎支持
索引
1 索引概述
1.1 介绍
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
特定查找算法的数据结构，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。
一提到数据结构，大家都会有所担心，担心自己不能理解，跟不上节奏。不过在这里大家完全不用担
心，我们后面在讲解时，会详细介绍。
2 演示
表结构及其数据如下：
假如我们要执行的SQL语句为 ： select * from user where age = 45;
1). 无索引情况
在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为 全表扫描，性能很低。
2). 有索引情况
如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对
age
这个字段建
立一个二叉树的索引结构。
此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。
备注： 这里我们只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，后面会详细介绍。
1.3 特点
2 索引结构
2.1 概述
MySQL
的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：
上述是
MySQL
中所支持的所有的索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持情况。
注意： 我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引
2.2 二叉树
假如说
MySQL
的索引结构采用二叉树的数据结构，比较理想的结构如下：
如果主键是顺序插入的，则会形成一个单向链表，结构如下：
所以，如果选择二叉树作为索引结构，会存在以下缺点：
顺序插入时，会形成一个链表，查询性能大大降低。
大数据量情况下，层级较深，检索速度慢
此时大家可能会想到，我们可以选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数
据，最终形成的数据结构也是一颗平衡的二叉树
,
结构如下
:
但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：
但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：
所以，在
MySQL
的索引结构中，并没有选择二叉树或者红黑树，而选择的是
B+Tree
，那么什么是
B+Tree
呢？在详解
B+Tree
之前，先来介绍一个
B-Tree
。
2.3 B-Tree
B-Tree
，
B
树是一种多叉路衡查找树，相对于二叉树，
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
，
5
个指针：
小知识: 树的度数指的是一个节点的子节点个数。
插入一组数据：
100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250
。然后观察一些数据插入过程中，节点的变化情况。
特点：
5
阶的
B
树，每一个节点最多存储
4
个
key
，对应
5
个指针。
一旦节点存储的
key
数量到达
5
，就会裂变，中间元素向上分裂。
在
B
树中，非叶子节点和叶子节点都会存放数据。
2.4 B+Tree
B+Tree
是
B-Tree
的变种，我们以一颗最大度数（
max-degree
）为
4
（
4
阶）的
b+tree
为例，来看一下其结构示意图：
我们可以看到，两部分：
绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。
插入一组数据：
100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250
。然后观察一些数据插入过程中，节点的变化情况。
最终我们看到，
B+Tree
与
B-Tree
相比，主要有以下三点区别：
所有的数据都会出现在叶子节点。
叶子节点形成一个单向链表。
非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的
上述我们所看到的结构是标准的
B+Tree
的数据结构，接下来，我们再来看看
MySQL
中优化之后的
B+Tree
。
MySQL
索引数据结构对经典的
B+Tree
进行了优化。在原
B+Tree
的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的
B+Tree
，提高区间访问的性能，利于排序。
2.5 Hash
MySQL
中除了支持
B+Tree
索引，还支持一种索引类型
---Hash
索引。
1). 结构
哈希索引就是采用一定的
hash
算法，将键值换算成新的
hash
值，映射到对应的槽位上，然后存储在hash
表中。
如果两个
(
或多个
)
键值，映射到一个相同的槽位上，他们就产生了
hash
冲突（也称为
hash
碰撞），可以通过链表来解决
2). 特点
A. Hash
索引只能用于对等比较
(=
，
in)
，不支持范围查询（
between
，
>
，
<
，
...
）
B.
无法利用索引完成排序操作
C.
查询效率高，通常
(
不存在
hash
冲突的情况
)
只需要一次检索就可以了，效率通常要高于
B+tree
索
引
3). 存储引擎支持
在
MySQL
中，支持
hash
索引的是
Memory
存储引擎。 而
InnoDB
中具有自适应
hash
功能，
hash
索引是InnoDB
存储引擎根据
B+Tree
索引在指定条件下自动构建的。
♥️关注，就是我创作的动力
♥️点赞，就是对我最大的认可文章来源：https://www.toymoban.com/news/detail-481379.html
♥️这里是小刘，励志用心做好每一篇文章，谢谢大家文章来源地址https://www.toymoban.com/news/detail-481379.html
到了这里，关于MySQL-索引详解（一）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[Android Studio] 个人主页界面的实现](https://imgs.yssmx.com/Uploads/2024/01/802934-1.png)
