为什么需要索引？
定义：索引是一个列或多个列进行排序的数据结构
作用：索引能大幅提高查找效率
缺点：创建和更新索引会耗费 空间和时间
查找结构进化
一个个找：实现简单：太慢
二分查找：有序：简单：要求是有序的，插入特别慢
HASH：查询快 ；占用空间；不太适合存储大规模数据
二叉查找树bst ：插入和查询很快(log(n)：无法存大规模数据，复杂度退化
平衡树：解決bst 退化的问题，树是平衡的；节点非常多的时候，依然树高很高
多路查找树：一个父亲多个孩子节点(度)；节点过多树高不会特别深,
多路平衡查找树- B-Tree
B-Tree多路平衡查找树
定义：
- 每个结点最多有m个孩子结点，m>=2
- 叶子结点有相同的深度
- 节点中的key从左到右递增
B+-Tree
改进B-Tree
- 所有叶子结点包含全部关键字信息及指向相关记录的指针
- 相邻叶子结点被双向指针相互链接起来（支持顺序查找，范围查找）
- 非叶子节点只存一个最值和一个指向子节点的指针
不是阶越大越好
- 磁盘块的大小来确定B+Tree的叶子节点的大小
索引类型
- 普通索引 CREATE INDEX
- 唯一索引 CREATE UNIQUE INDEX
- 多列索引
- 主键索引 PRIMARY KEY
- 全文索引（INNODB不支持），倒排索引实现
什么时候创建索引？
- 经常用作where条件的字段
- 经常用作表连接
- 经常出现在order by 、group by后面的
创建索引注意点
- NOT NULL， 空值B+Tree很难做比较
- 区分度高，离散度大的字段，太多相同的值比较浪费时间
- 索引长度最好不要太长
索引什么时候失效
1.模糊匹配
%like语句，模糊搜索
2.隐式类型转换（python动态语言）
go/python中的类型和数据库类型不一样不好比较
3.联合索引没有满足最左原则
总结：key无法满足B+Tree的没有办法直接比较的时候索引就会失效
聚集索引和非聚集索引
聚集索引(INNODB)：
-
B+Tree叶子结点存储的是表数据，如：主键索引，一个文件保存数据表和索引
-
其他列作为辅助索引：B+Tree存储的是 主键值，再通过主键找数据
非聚集索引(MYisam)：
- B+Tree叶子结点存储的是指向数据的指针，多个文件（一个是存储索引B+Tree, 一个文件存储数据表）
排查’慢查询‘
通常是，缺少索引，索引字段不合理，业务代码导致
- 开启慢查询日志，并查看
- 通过explain排查索引问题
- 比如 数据类型不匹配导致全表扫描，数据太多分页查询
MYsql连接语句
inner join
left join / right join
Full join (mysql不支持)， 可以用union联合左链接和右链接
标签：结点,Tree,叶子,索引,查找,MySQL,节点 From： https://www.cnblogs.com/aleiyoy/p/16623512.html