目录
- 索引
- 1.1 概念
- 1.2 作用
- 1.3 使用场景
- 1.4 使用
- 1.5 索引最常用的数据结构
索引
1.1 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。
1.2 作用
- 数据库中的表、数据、索引之间的关系，类似于书架上的图书、书籍内容和书籍目录的关系。
- 索引所起的作用类似书籍目录，可用于快速定位、检索数据。
- 索引对于提高数据库的性能有很大的帮助。
1.3 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。
总之，索引作用总结成一句话就是：提高查找速度，减慢了增，删，改操作的速度，也占用的额外的磁盘空间
1.4 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。
- 查看索引
show index from 表名;
案例：查看学生表已有的索引
show index from student;
- 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 ：
create index 索引名 on 表名(字段名);
案例：创建成绩中，score字段的索引
create index score_index on score(score);
- 删除索引
drop index 索引名 on 表名;
案例：删除成绩表中score字段的索引
drop index score_index on score;
1.5 索引最常用的数据结构
索引保存的数据结构主要为B+树，及hash的方式。
在介绍B+数之前，我们先来简单了解一下B树：
B树以及B+树是一颗N叉树
如图所示就是一颗B树：
B树的每个节点上，都会存储N个key值
N个key值就划分出了N+1个区间，每个区间都对应到一个子树（子树区间key值不包含双亲树的key值）
虽然B树相较于二叉树来说高度是小了，但是每个节点就多了
而在数据库中，相比于比较次数来说，IO次数才是更关键的！！
而数据库中的索引就是以节点为单位进行磁盘IO的，所以这里B树的节点比较多，就不是太适合来做数据库的索引存储的数据结构！
而是以B+树来做数据库的索引数据结构：
B+树也是一颗N叉搜索树，每个节点上都包含多个key值，每个节点如果有N个key值，就分成了N个区间
父节点的值,都会在子节点中体现，非叶子节点中的每个值,最终都会在叶子节点中体现出来，父节点中的值,会作为子节点中的最大值(最小值)，以上这个画的是最大值的情况。
最下面的叶子节点,就使用链表进行按顺序连接 ！
所以，可以看出：
B+树就是为数据库索引量身打造的，因为：
- 使用B+树进行查找的时候，整体的磁盘IO次数是比较小的
- 所有的查询最终都会落到叶子节点上，每次查询的IO次数都是差不多的，查询速度比较稳定
- 叶子节点用链表进行连接之后，非常适合进行范围查找。例如：要找到>=5<=11的值，只需要对叶子节点的链表进行遍历即可。
- 所有的数据存储（载荷）都是放到叶子节点上的，非叶子节点中只保存key值即可，因此，非叶子节点整体占用的空间较小，就可以缓存到内存中！！一旦非叶子节点能够全放到内存里，这时候磁盘IO几乎就没了
- 内容重点总结
（1）对于插入、删除数据频率高的表，不适用索引
（2）对于某列修改频率高的，该列不适用索引
（3）通过某列或某几列的条件查询频率高的，可以对这些列创建索引
- over
