索引的定义

索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。一本500页的书，如果你想快速找到其中的某一个知识点，在不借助目录的情况下，那寻找起来是很费劲的。同样，对于数据库的表而言，索引其实就是它的“目录”。

索引的常见模型

哈希表

哈希表是一种以**键 - 值（key - value）**存储数据的结构，只要输入待查找的键即key，就可以找到其对应的值即Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把key换算成一个确定的位置，然后把value放在数组的这个位置。

不可避免地，多个key值经过哈希函数的换算，会出现同一个值的情况。处理这种情况的一种方法是，拉出一个链表。

假设，现在维护者一个身份证信息和姓名的表，需要根据身份证号查找对应的名字，这是对应的哈希表索引的示意图如下：

图中，USER2和USER4根据身份证号算出来的值都是N，但没关系，后面还跟了一个链表。假设要查找ID_2对应的名字，处理步骤就是首先，将ID_2通过哈希函数算出N；然后，按顺序遍历，找到USER2。

需要注意的是，图中四个ID_N的值并不是递增的，这样做的好处是增加新的User时速度会很快，只需要往后追加。但缺点是，因为不是有序的，所以哈希索引做区间查询速度很慢，要全表扫描。

所以，哈希表这种结构适用于只有等值查询的场景，比如Memcached以及其他一些NoSQL引擎。

有序数组

有序数组在等值查询和范围查询场景中的性能就都非常优秀。还是这个根据身份证查名字的例子，如果使用有序数组来实现的话，示意图如下所示：

假设身份证号没有重复，这个数组就是按照身份证号递增的顺序保存的。这个时候如果要查ID_2对应的名字，用二分法就可以快速得到，这个时间复杂度是O(log(N))

如果仅仅看查询效率，有序数组就是最好的数据机构了。但是，在需要更新数据的时候就麻烦了，往中间插入一个记录就必须得挪动后面所有的记录，成本太高。

所以，有序数组索引只适用于静态存储引擎，比如你要保存的是某一年某个城市的所有人口信息，这类不会再修改的数据。

二叉搜索树

二叉搜索树的特点是：父节点左子树左右节点的值小于父节点的值，右子树所有节点的值大于父节点的值。这样如果要查询ID_2的话，按照图中的搜索顺序就是按照USER_A -> USER_C -> USER_F -> USER_2这个路径得到，时间复杂度是O(log(N)).

InnoDB的索引模型

在InnoDB中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。又因为前面我们提到的，InnoDB使用B+树索引模型，所以数据都是存储在B+树中的。

每一个索引在InnoDB里面对应一颗B+树。

假设，我们有一个主键列为ID的表，表中又字段k，并且k上有索引。

表中 R1~R5 的 (ID,k) 值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，两棵树的示例示意图如下。

从图中不难看出，根据叶子节点的内容，索引类型分为主键索引和非主键索引。

主键索引（也称为聚簇索引），叶子节点存的是整行数据。非主键索引（也称为二级索引），叶子节点内容是主键的值。

主键索引和普通索引查询的区别;

• 如果语句是 select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
• 如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引树，得到 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。

索引维护

InnoDB的索引是以B+树的形式构建的，而且B+树的节点都是一个数据页。B+ 树为了维护索引有序性，在插入新值的时候需要做必要的维护，也就是节点分裂和节点合并。因为我们是以数据页为基本单位构造的B+树，那么B+树的节点分裂和节点合并就会造成数据页的页分裂和页合并。

页分裂

假如，现在我们插入一个新的一条记录，他的索引值是 3，那么他就要按照顺序插入到页 20 中，在索引值为 1,2 的记录的后面。而如果这个索引页已经满了，那么就需要触发一次页分裂。

页分裂是指将该页面中的一部分索引记录移动到一个新的页面中，从而为新记录腾出空间。这样可以保持 B+树的平衡和性能。

当我们插入一组无序的数据的时候，那么就可能导致多次的页分裂的情况。
而且某些情况下，可能会从叶子节点一路分裂到根节点（B+树的非叶子节点也存储数据，也可能分裂）。

页合并

既然会有页分裂那么就会有页合并。
页分裂发生在插入阶段，那么页合并就是发生在删除阶段。
当我们删除索引下的数据的时候，叶子节点的数据就会变得比较稀疏，此时 B+树就会触发合并操作。

页分裂和页合并的影响

1. 页分裂和合并是涉及大量数据移动和重组的操作。频繁进行这些操作会增加数据库的/O 负担和 CPU 消耗，影响数据库的整体性能。
2. 分裂和合并可能导致 B+树索引结构频繁调整，这个过程也会影响插入及删除操作的性能。
3. 频繁的页分裂和合并可能会导致磁盘上存在较多的空间碎片，新分出的一个页一般会有很多空闲空间，使得数据库表占用更多的磁盘空间，而导致浪费。

避免页分裂

1. 设置主键的时候尽量选择能够自增的字段
2. 不要使用varchar类型作为ID主键
3. 在生产全局唯一ID的时候尽量不要使用UUID，UUID不是自增的。

覆盖索引

回到这张图，对于有上述两个索引的表T来说，执行sql语句select * from T where k between 3 and 5，执行流程如下：

1. 在k索引树上找到k=3的记录吗，取得ID=300；
2. 再到ID索引树查到ID=300对应的R3;
3. 在k索引树取下一个值k=5，取得ID=500;
4. 再回到ID索引树查到ID=500对应的R4；
5. 在k索引树取下一个值k=6，不满足条件，循环结束

在这个过程中，回到主键索引树搜索的过程，称为回表。

如果执行的语句是 select ID from T where k between 3 and 5，这时只需要查 ID 的值，而 ID 的值已经在 k 索引树上了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引 k 已经“覆盖了”我们的查询需求，我们称为覆盖索引。由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

最左前缀原则

B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录。

不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。

在建立联合索引的时候，如何安排索引内的字段顺序。这里我们的评估标准是，索引的复用能力。因为可以支持最左前缀，所以当已经有了 (a,b) 这个联合索引后，一般就不需要单独在 a 上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。

如果既有联合查询，又有基于 a、b 各自的查询呢？查询条件里面只有 b 的语句，是无法使用 (a,b) 这个联合索引的，这时候不得不维护另外一个索引，也就是说需要同时维护 (a,b)、(b) 这两个索引。

索引下推

现在我们知道，对于联合索引（a, b），在执行 select * from table where a > 1 and b = 2 语句的时候，只有 a 字段能用到索引，那在联合索引的 B+Tree 找到第一个满足条件的主键值（ID 为 2）后，还需要判断其他条件是否满足（看 b 是否等于 2），那是在联合索引里判断？还是回主键索引去判断呢？

• 在 MySQL 5.6 之前，只能从 ID2 （主键值）开始一个个回表，到「主键索引」上找出数据行，再对比 b 字段值。
• 而 MySQL 5.6 引入的索引下推优化（index condition pushdown)， 可以在联合索引遍历过程中，对联合索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。