索引分析：
索引概述：
定义：
MySQL官方对索引的定义：索引（Index）是帮助MySQL高效获取数据的数据结构。
结论：索引是数据结构
结构：
MySQL支持多种存储引擎 而各种存储引擎对索引的支持也各不相同
因此MySQL数据库支持多种索引类型 如BTree索引、哈希索引、全文索引等等
目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构
利弊：
索引优点：
- 大大提高数据查询速度
索引缺点：
维护索引需要耗费数据库资源
索引要占用磁盘空间
当对表的数据进行增删改的时候 因为要维护索引 所以速度收到影响
原因：
为什么要使用索引呢 =>
因为 我们都希望查询数据的速度能尽可能的快 =>
但数据就是那么多想要优化只能从查询算法下手 =>
但是数据本身的数据结构不足以满足各种查询算法的数据结构
即便逻辑上相邻的记录磁盘上也并不是一定物理相邻的
(例如 理论上不可能同时将两列都按顺序进行组织) =>所以 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
结论：
索引不是越多越好，而是仅为那些常用的搜索字段建立索引效果才是最佳的！
索引分类：
索引类型：
聚集索引和非聚集索引的区别
简单来说：
聚集索引就是整张表最重要的索引结构
在聚集索引的叶子节点 挂着表中的行数据而非聚集索引一般是为了优化查询而创建的
非聚集索引和实际数据是分开存放的 非聚集索引的叶子节点挂着的是聚集索引的key
所以非聚集索引最终的目的是查出聚集索引的key 再通过聚集索引查询行数据 这个过程也被称为回表查询
本质区别：
表记录的排列顺序和索引的排列顺序是否一致
聚集索引：
- 定义：
数据行的物理顺序与列值（一般是主键的那一列）的逻辑顺序相同一个表中只能拥有一个聚集索引 - 优点：
聚集索引 表记录的排列顺序 和 索引的排列顺序 保持一致所以查询效率相当快 - 缺点：
聚集索引修改起来比较慢因为它需要保持表中记录和索引的顺序需要一致 在插入新记录的时候就会对数据也重新做一次排序
非聚集索引：
- 定义：
索引的逻辑顺序 与磁盘上的 物理存储顺序 不同一个表中可以拥有多个非聚集索引 - 优点：数据的插入不会造成 索引重新排序
写入相对较快 - 缺点：索引的层次比较多
查询比较慢
索引种类
- 主键索引：PRIMARY KEY
- 设定为主键后 据库自动建立索引 innodb为聚集索引 主键索引列值不能有空(Null)
- 如果没有主键 会取唯一索引字段作为聚集索引
- 没有主键 也没有唯一索引 innodb会自动创建一个rowid的聚集索引
- 单值索引：（普通索引）
- 即一个索引只包含单个列 一个表可以有多个单列索引
- 唯一索引：
- 索引列的值必须唯一 但允许有空值(Null) 空值也必須唯一
- 复合索引：
- 即一个索引可以包含多个列 多个列共同构成一个复合索引
- eg: SELECT id (name age) INDEX WHERE name AND age;
- 全文索引：Full Text （MySQL5.7之前，只有MYISAM存储引擎支持全文索引）
- 全文索引类型为FULLTEXT，在定义索引的列上支持值的全文查找，允许在这些索引列中插入重复值和空值。全文索引可以在Char 、Varchar 上创建。
创建方式：
主键索引创建
-- 建表语句：建表时，设置主键，自动创建主键索引
CREATE TABLE t_user (
id VARCHAR(20) PRIMARY KEY,
name VARCHAR(20)
);
-- 查看索引
SHOW INDEX FROM t_user;
单列索引创建
-- 建表时创建单列索引：
-- 这种方式创建单列索引，其名称默认为字段名称：name
CREATE TABLE t_user (
id VARCHAR(20) PRIMARY KEY,
name VARCHAR(20)，
KEY(name)
);
-- 建表后创建单列索引：
-- 索引名称为：name_index 格式---> 字段名称_index
CREATE INDEX name_index ON t_user(name)
-- 删除单列索引
DROPINDEX 索引名称 ON 表名
唯一索引创建
-- 建表时创建唯一索引：
CREATE TABLE t_user2 (
id VARCHAR(20) PRIMARY KEY,
name VARCHAR(20),
UNIQUE(name)
);
-- 建表后创建唯一索引：
CREATE UNIQUE INDEX name_index ON t_user2(name);
复合索引创建
-- 建表时创建复合索引：
CREATE TABLE t_user3 (
id VARCHAR(20) PRIMARY KEY,
name VARCHAR(20),
age INT,
KEY(name,age)
);
-- 建表后创建复合索引：
CREATE INDEX name_age_index ON t_user3(name,age);
-- 复合索引查询的2个原则
-- 1.最左前缀原则
-- eg: 创建复合索引时，字段的顺序为 name,age,birthday
-- 在查询时能利用上索引的查询条件为：
SELECT * FROM t_user3 WHERE name = ?
SELECT * FROM t_user3 WHERE name = ? AND age = ?
SELECT * FROM t_user3 WHERE name = ? AND birthday = ?
SELECT * FROM t_user3 WHERE name = ? AND age = ? AND birthday = ?
-- 而其他顺序则不满足最左前缀原则：
... WHERE name = ? AND birthday = ? AND age = ? -- 不满足最左前缀原则
... WHERE name = ? AND birthday = ? -- 不满足最左前缀原则
... WHERE birthday = ? AND age = ? AND name = ? -- 不满足最左前缀原则
... WHERE age = ? AND birthday = ? -- 不满足最左前缀原则
-- 2.MySQL 引擎在执行查询时，为了更好地利用索引，在查询过程中会动态调整查询字段的顺序！
-- 这时候再来看上面不满足最左前缀原则的四种情况：
-- 不满足最左前缀原则，但经过动态调整顺序后，变为：name age birthday 可以利用复合索引！
... WHERE name = ? AND birthday = ? AND age = ?
-- 不满足最左前缀原则，也不能动态调整（因为缺少age字段），不可以利用复合索引！
... WHERE name = ? AND birthday = ?
-- 不满足最左前缀原则，但经过动态调整顺序后，变为：name age birthday 可以利用复合索引！
... WHERE birthday = ? AND age = ? AND name = ?
-- 不满足最左前缀原则，也不能动态调整（因为缺少name字段），不可以利用复合索引！
... WHERE age = ? AND birthday = ?
数据结构：
B Tree：（多路平衡查找树）
B树弥补的红黑树节点少 层级多的问题
在B树中有阶的概念 阶是指一个节点下最多有几个子节点
下图是一个五阶的B树（N阶的B树 每个节点可以存放N个指针和N-1个KEY）
指针指向下级节点
结构图：
B+Tree：
B+树是B树的变种 可以从下图看出来结构上跟B树是大致一样的
但是B+树的每个节点数据 最终都会出现在叶子节点
叶子节点之上的层级节点都是 索引层级 做为索引的
这样的好处是 上层节点只存储指针和KEY 不存储实际的数据
所用内存更小 也就能提高阶数 =》减少层级 =》查找更迅速（查询速度也会更稳定 否则波动性较大）
且叶子节点之间是有一个单向的指针连接的
结构图：
MySQL B+Tree：
在MySQL中的B+树 是稍有变化的
MySQL中的B+树 叶子节点是一个双向链表 且数据都存放在一个页内（利于区间访问）
结构图：
