MySQL之索引(入门级讲解）

Myth丶恋晨 2024-04-20 14:29 1阅读 0赞

**目录**

一.索引的概念

1.1索引的简介

1.2.索引的优缺点

二.MySQL索引语法

2.1查看索引

2.2创建索引

2.2.1 创建表时创建索引

2.2.2存在的表上创建索引

2.3删除索引

三.索引的数据结构

3.1B+tree索引

3.2Hash索引

3.4Hash索引和B+tree索引的对比

--------------------

> 🎁个人主页：[tq02的博客\_CSDN博客-C语言,Java,Java数据结构领域博主][tq02_CSDN_-C_Java_Java]  
> 🎥 本文由 tq02 原创，首发于 CSDN🙉  
> 🎄 本章讲解内容：**MySQL****索引**
> 
> 🎁欢迎各位→**点赞**👍 + **收藏**⭐ + **评论**📝+**关注**✨
> 
> ![b3e8909edd5f4b7f90d41b1c45603b07.jpeg][]
> 
> 🎥学习专栏： [ C语言][C] [JavaSE][] [MySQL基础][MySQL]

## 一.索引的概念 ##

### 1.1索引的简介 ###

索引是什么？本质而言是一种数据结构， 实现通常使用[B树][B]及其变种B+树 。

抽象点：我们把索引比作一本书的目录，而目录的作用就是使我们迅速地找到我们需要的内容，而为什么需要索引？当数据表中含有上亿条数据时，我们进行查询是通过遍历表，一条一条筛选时，是不现实的，但是我们可以使用索引，就可知我们需要的数据大概的位置。

常见的索引方式：**字典**，可以有两种方式进行查询，第一种是拼音，第二种是部首，而这就是两种不同的索引方式。

### 1.2.索引的优缺点 ###

> 优点：
> 
> 1.  可以大大加快数据的检索速度，这也是创建索引的最主要的原因。
> 2.  通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。

> 缺点：
> 
> 1.  创建索引需要消耗额外的空间
> 2.  有可能会拖慢 增删改 的速度，试想一下，当你修改了数据表的信息时，你的目录也就是索引也可能需要修改的。

结：个人而言，缺点相比较与优点，我们还是利大于弊的，在很多情况下，我们都是以查询操作为主，而增删改较少。

--------------------

## 二.MySQL索引语法 ##

> 索引分为：**普通索引、唯一索引、全文索引、单列索引、多列索引、空间索引**

### **2.1查看索引** ###

查看索引，有人会问，我未创建索引，也会有索引嘛？在数据库中有三种约束类型存在时会自动生成索引，因此在查询时，即使未创建索引，若有这种条件存在，依然会生成索引。

> **三种约束类型**：**主键、unique、外键**
> 
> 也称：**主键索引、唯一索引**
> 
> 语法：show index from 表名；

--------------------

**存在主键时**

![2c8e01f66e2747a6af010b3864449f41.png][]

主键不允许重复，因此进行插入或者修改时，需要先查询，查看插入/修改后结果是否存在。

**存在unique时**

![87eccec42c1b42ee8785ec949c660b95.png][]

**存在外键约束时**

![79d58b17cc114138a84911b34ac38c4b.png][]

当然除了以上的三种，我们还可以查看到手动创建的索引。

--------------------

### 2.2创建索引 ###

*  索引创建分为2种，第一种是**创建表时创建索引**，第二种是给**存在的表创建索引**
 *  索引的创建，前提是表中的数据较少或者无数据，若含有大量数据会引起非常大规模的硬盘IO操作，进一步导致数据库卡死。

#### **2.2.1 创建表时创建索引** ####

> **语法格式：** CREATE TABLE 表名( 
> 
>  字段名称 字段类型 \[完整性约束条件\], 
> 
>  ..., 
> 
> \[UNIQUE / FULLTEXT / SPATIAL\] INDEX / KEY \[索引名称\](字段名称\[(长度)\] \[ASC|DESC\])
> 
> );

*  创建普通索引

创建了2个索引，分别为id和username

CREATE TABLE test1(
    id int,
    username varchar(20),
    index in_id(id),
    KEY in_username(username)
    );

*  创建唯一索引

CREATE TABLE test2(
    id int,
    username varchar(20) unique;    //自动生成
    );

*  创建全文索引

CREATE TABLE test3(
    id int
    username VARCHAR(20) ,
    
    FULLTEXT INDEX full_userDese(username)
    );

*  创建单列索引

CREATE TABLE test4(
    id int UNSIGNED AUTO_INCREMENT KEY,
    test1 VARCHAR(20) NOT NULL,
    test2 VARCHAR(20) NOT NULL,
    
    INDEX in_test1(test1)，
    UNIQUE in_test1(test1)
    );

*  创建多列索引

CREATE TABLE test4(
    id int UNSIGNED AUTO_INCREMENT KEY,
    test1 VARCHAR(20) NOT NULL,
    test2 VARCHAR(20) NOT NULL,
    test3 VARCHAR(20) NOT NULL,
    
    INDEX mul_t1_t2_t3(test1,test2,test3)
    UNIQUE KEY mul_t1_t2_t3(test1,test2,test3)  //二者都可以
    );

*  创建空间索引

CREATE TABLE test1(
    id TINYINT UNSIGNED AUTO_INCREMENT KEY,
    
    SPATIAL INDEX spa_test(test)
    )ENGINE=MyISAM;

--------------------

#### 2.2.2存在的表上创建索引 ####

> **概念：**在存在的表上创建索引，可以直接创建，也可以将某列修改为某种索引
> 
> **直接创建：**CREATE \[UNIQUE|FULLTEXT|SPATIAL\] INDEX 索引名称 ON 表名 \{字段名称\[(长度)\] \[ASC|DESC\]\};
> 
> **简化：create index 索引名 on 表名(字段名) //其他条件不设置**
> 
> --------------------
> 
> **修改表方式创建：**ALTER TABLE 表名 ADD \[UNIQUE|FULLTEXT|SPATIAL\] INDEX 索引名称\](字段名称\[(长度)\] \[ASC|DESC\]); //将某个列修改为索引

*  创建普通索引

> 1、CREATE INDEX 索引名 ON 表名(列名);
> 
> 2、ALTER TABLE 表名 ADD INDEX 索引名(列名);

*  创建唯一索引

> 1、CREATE UNIQUE INDEX 索引名 ON 表名(列名);
> 
> 2、ALTER TABLE 表名 ADD  UNIQUE INDEX 索引名(列名);

*  创建全文索引

> 1、CREATE FULLTEXT INDEX 索引名 ON 表名(列名);

*  创建多列索引

> 1、ALTER TABLE 表名 add INDEX 索引名(列名，列名.....);

--------------------

### 2.3删除索引 ###

*  索引的删除，只能删除手动创建的索引，而自动生成的索引无法删除哦

> 语法：**drop index 索引名 on 表名；**

--------------------

## 三.索引的数据结构 ##

MySQL的索引的数据结构到底是什么样的呢？其实并不是定式的，取决于MySQL使用的**存储引擎。**

*  存储引擎： 在mysql程序中，拥有很多模块，有的负责解析sql语句、有的负责网络通信、有的负责存储数据等等。存储引擎就是负责存储数据的，本质而言就是代码中的一个模块（包含了若干个代码文件...以及一大堆具体的代码）

具体如何存储数据，MySQL提供了多种存储方案。而目前最为流行的便是Innodb存储引擎。而Innodb引擎选择使用B+tree索引结构。而至于为什么不选别的索引结构呢？下解：

适合索引的数据结构有 B+tree索引、Hash索引等。

### 3.1B+tree索引 ###

B+tree数据结构的演变：二叉树-->红黑树-->B-tree树-->B+tree树，而之所以会逐渐演变，是因为有缺点存在，而为了提高效率，就不断演化。

**1.二叉树的缺点**

*  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。

**2.红黑树的缺点**

*  大数据量情况下，层级较深，检索速度慢。

**3.B-tree树**

又名：B-树，是一种**多叉路衡查找树**，对比二叉树，B-树每个结点可以存放多个数值，也就是说一个结点有多个分支，即多叉。

![e9b816904c334ca591448c99b74f37df.png][] 如图：B-树更趋向于区间查找，根结点是30、40、50、60，所以对应的孩子结点范围为\[最小值,30)、\[30,40)、\[40,50)、\[50,60)、\[60，最大值\].

查询方法：例如查询23，在根结点中找到区间小于30，往下个结,\[15,25\]区间，找然后又落在了\[20,25\]区间，再往下找，最终找到叶子结点\[21,23\]，存在。

优点：高度低于红黑树，查询效率更高

缺点：无法进行范围查询

**4.B+tree树**

B+Tree是B-Tree的变种，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。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。

![97d11c05ae43443aad3d0a5abf2ea0ab.png][]

叶子结点，会按照链表的方式，首尾相连，注链表是双向链表，画是单向的，因此只要得到开头和结尾，然后将这段链表单独拉出来便是查询的结果

优点：擅长范围查询，查询速度不快不慢，但是很稳定。

--------------------

### 3.2Hash索引 ###

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。

**缺点：**

*  Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）
 *  无法利用索引完成排序操作

**优点**：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

--------------------

### 3.4Hash索引和B+tree索引的对比 ###

因此InnoDB存储引擎选择使用B+tree索引结构的原因：

*  层级更少，搜索效率高
 *  相对Hash索引，B+tree支持范围匹配及排序操作；
 *  对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，但是存储索引结构的一个页的大小有限，这样导致一页中存储 的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；

--------------------

当你看到这里时，MySQL的索引知识就已经完成了，本文需要细心理解。

\---------------懒惰的tq02

[tq02_CSDN_-C_Java_Java]: https://blog.csdn.net/m0_74097410?spm=1010.2135.3001.5343
[b3e8909edd5f4b7f90d41b1c45603b07.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/9e5d93195d6047f487b28c078665162a.jpeg
[C]: http://t.csdn.cn/3A5e9
[JavaSE]: http://t.csdn.cn/TBH4P
[MySQL]: http://t.csdn.cn/2FRvG
[B]: https://so.csdn.net/so/search?q=B%E6%A0%91&spm=1001.2101.3001.7020
[2c8e01f66e2747a6af010b3864449f41.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/24464788fc9a434a82ae6443996f8276.png
[87eccec42c1b42ee8785ec949c660b95.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/ae963a0c6e1445b1905eecb33164db8e.png
[79d58b17cc114138a84911b34ac38c4b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/ba2d783058ad4f45938ba64702ad8ae1.png
[e9b816904c334ca591448c99b74f37df.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/9ad6221baff34d0bb15920086a3a4482.png
[97d11c05ae43443aad3d0a5abf2ea0ab.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/20/70b4f85a8b2d45e884ab0dabd06cd50d.png