1.什么是MySQL的索引
1.1索引的概念
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。
所以索引归根结底只是在做一件事，添加了索引的数据，查询起来会更快。我们可以把索引理解成书籍的目录。
1.2索引的使用场景
要考虑对数据库表的某列或某几列创建索引，需要考虑以下几点：
- 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。
- 索引会占用额外的磁盘空间。
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。
2.索引的使用
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。
2.1查看索引
语法：
show index from 表名;
示例：
mysql> show index from student;
+---------+------------+------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------+------------+------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| student | 0 | PRIMARY | 1 | id | A | 8 | NULL | NULL | | BTREE | | |
| student | 0 | sn | 1 | sn | A | 8 | NULL | NULL | YES | BTREE | | |
| student | 1 | classes_id | 1 | classes_id | A | 2 | NULL | NULL | YES | BTREE | | |
+---------+------------+------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
3 rows in set (0.01 sec)mysql> desc student;-- 实现表结构 --
+------------+-------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+------------+-------------+------+-----+---------+----------------+
| id | int(11) | NO | PRI | NULL | auto_increment |
| sn | int(11) | YES | UNI | NULL | |
| name | varchar(20) | YES | | unkown | |
| qq_mail | varchar(20) | YES | | NULL | |
| classes_id | int(11) | YES | MUL | NULL | |
+------------+-------------+------+-----+---------+----------------+
5 rows in set (0.01 sec)
2.2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
语法：
create index 索引名 on 表名(字段名);
注：索引名的命名规则一般是：index_表名_列名
示例：
mysql> create index index_student_name on student(name);
Query OK, 0 rows affected (0.05 sec)
Records: 0 Duplicates: 0 Warnings: 0
在实际开发中，如果项目的数据量非常大，创建索引的成本是非常高的，所以在实际开发时，在建表的时候索引就要规划好，如果表里有很多数据了，建议不要再额外添加索引了。
2.3 删除索引
语法：
drop index 索引名 on 表名
示例：
mysql> drop index index_student_name on student;
Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0
3.索引背后的数据结构
对于索引的操作是非常简单的，但是关键在于我们要去学习支持索引的数据结构。
在数据结构那门课程里，我们可以使用二叉搜索树来加快查询，但是元素个数一多，对于输的高度就就会很高，而树高就代表着比较次数多，在实际项目中代表中I/O的访问次数多，因为数据库中的数据是存在硬盘里的。或者我们还学过使用哈希表，他查询的时间复杂度为O(1)但是哈希表不支持范围查找，不支持模糊匹配。
实际上索引的背后使用的是B+树。
在了解B+树之前，先要了解B树，如果有考过408同学应该是对这个数据结构是非常熟悉的
3.1 B+树
B树本质上就是一个N叉的搜索树（查找树）。
B+树是在B树的基础上进行改进
B+的特点
- 一个结点，可以存储N个key,N个Key划分出N个区间（B树是N+1个）；
- 每个结点的Key值，都会在子节点中存在（并且是子节点的最大值）；
- B+树的叶子结点首位相连，类似链表；
- 整个树的所有数据都包含在叶子结点中。所以非叶子结点的Key最终都会出现在叶子结点中。
- B+树还有一个显著特点，他的每一个叶子结点都关联这一个记录，这个记录就是我们实际数据库里每一个表里的每一行记录。
B+树的优势
- 当前一个结点保存更多的key,最终树的高度是相对更矮的（B树也有这个优点），查询的时候可以减少IO的访问次数。
- 所有的查询最终都会落在叶子结点上（查询任何一个数据，经过的IO访问次数，是一样的。）稳定是很重要的，稳定可以让程序员对程序的运行效率有更准确的评估。
- B+树的所有叶子结点都用链表进行了链接，这样就支持更直接的范围查询了。同时代码也更好写了。
- 由于数据都在叶子结点上，非叶子结点只存了key，所以我们就可以将叶子结点的一部分进行缓存（B树非叶子结点是存记录的），这样可以进一步减少IO次数。
注意：以学生表为例
mysql> desc student;
+------------+-------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+------------+-------------+------+-----+---------+----------------+
| id | int(11) | NO | PRI | NULL | auto_increment |
| sn | int(11) | YES | UNI | NULL | |
| name | varchar(20) | YES | | unkown | |
| qq_mail | varchar(20) | YES | | NULL | |
| classes_id | int(11) | YES | MUL | NULL | |
+------------+-------------+------+-----+---------+----------------+
5 rows in set (0.00 sec)
表的数据还是按照id为主键，构建出B+树，通过叶子结点组织所有的数据行。其次针对name如果我又创建了一个索引，那么此时在底层是又构建了一个B+树，这个B+树的叶子结点不再存储这一行的完整数据，而是存主键id。
此时，如果根据name来查询，查到叶子结点得到的只是主键Id,还需要再次通过主键id主键的B+树里再查一次。
上述过程称之为回表，是mysql自己完成的，用户感知不到。
![[分布式锁]：Redis与Redisson](https://img-blog.csdnimg.cn/17b703c27da24ec494a59fa352320f31.png)
