为什么索引能提高查询速度?

上周朋友在谈论MySQL的存储结构时，提到了页的概念。
大家知道，MySQL的基本存储单元是存储记录的页。
这些页面可以构成一个双向链表，每一页上的记录都是单向链表。
每个页面还有一个页面目录，因此在通过主键查找记录时，可以利用二分法快速定位到对应的位置。

但是如果使用“select from user where name = '张三'”这样未经优化的SQL语句，查询效率会很低。
因为它会先遍历双向链表找到页面，然后再遍历单链表找到页面中的记录。
当数据量较大时，时间复杂度为O(n)。

但是如果我们使用索引，情况就不同了。
索引就像一个有序目录，它将无序数据转换为有序数据。
比如要查找ID为8 的记录，以前可能要遍历整个双向链表，但现在有了索引，直接通过目录就可以快速定位页面，时间复杂度约为O(logn)。

实际上，MySQL底层使用的是B+树数据结构。
B+树是一种可以快速查找匹配记录的树结构。
2 02 3 年，如果你对数据库感兴趣，了解这些底层结构会有帮助。
你明白了，你想深入研究吗？

干货篇：一篇文章让你——《深入解析MySQL索引原理 》

兄弟，咱们说点实际的吧。
之前做数据库优化的时候，索引有几次让我头疼。
要知道，对数据库建立索引就像把指南针扔进大海，让你快速找到你想要的鱼。

我记得当年我在一个电商平台，他们的数据库中的产品信息表有数百万条记录。
一开始没有索引，每次查询都像大海捞针一样，极其缓慢。
后来我在商品名称字段上添加了索引，查询速度提升了十倍以上。

但是，这个物品不能随便使用。
前面说过，索引有自己的存储方式，比如MyISAM和InnoDB，它们索引的存储文件也不同。
MyISAM 是.myd 和.myi，InnoDB 是.ibd。
两种设备以不同的方式处理数据。
InnoDB的索引采用B+Tree绑定，比MyISAM的索引结构更复杂，但查询效率更高。

我们来谈谈索引的结构。
事实上，它就像一棵树的形状。
Beetree 是我最喜欢的，因为它可以保持数据有序并快速查询。
但如果数据量太大，BTree的深度也会增加，从而影响效率。
因此，我通常会对BTree进行优化，比如使用叶子节点通过指针链接的B+Tree，让你可以一次检查一整个区域的数据。

说到这里，我突然想起一个危险，就是读取节点数据的过程。
BTree节点数据是封闭的，每次IO读取都会消耗性能。
我记得有一个酒吧，我定制了一张大桌子。
由于节点太大，每个IO都需要多次读取，效率极低。

然后还有一点，就是B+tree的优化。
之前我尝试过减小节点大小，提高IO读取效率，发现效果还不错。

最后说一下MyISAM和InnoDB，当MyISAM没有主键时，查询会很慢，因为它是非聚集索引。
InnoDB必须有主键，因为它是聚集索引，数据是按主键顺序存储的。

说到这里，我突然想起一个危险，那就是InnoDB表必须有主键。
有一次，我忘记为 InnoDB 表设置主键。
结果数据库初始化失败，因为InnoDB默认的主键创建策略有问题。

嘿，我自己也曾踩过这些危险。
我希望它们能够对您有所帮助。
如果你想问什么，就问吧。

为什么数据库索引查询会快

直接给出结论。

与varchar相比，char占用固定的空间。
varchar 变得更长。

5 00万行记录，无索引。

ID排序，二分查找2 0块。
firstName 是无序的，线性搜索 1 00 万个块。

创建索引firstName，索引记录5 4 字节，锁定因子1 8 ，共有2 7 7 7 7 8 个锁。

使用索引进行firstName二分查找，1 9 块加1 块，总共2 0块。

创建索引的优点： 1 .搜索速度快，尤其是排序和常用搜索栏。
2 、连接速度快，常用外键。
3 、范围查询速度快，索引有序。
4 .排序速度快，采用索引排序。

如果没有创建索引： 1 .列很少使用，索引没有用。
2 、数据值列较少，如性别，占比较高，指数增益较低。
3 .文本/图像/位类型，数据量大或值小。
4 、变化比查询大很多，索引降低了变化的性能。

索引类型： 1 .普通索引：CREATE INDEX。
2 . 唯一索引：CREATE UNIQUE INDEX。
3 、主键索引：PRIMARY KEY。
4 . 组合索引：ALTERTABLE ADD INDEX(name(1 0), city,age)。

组合索引采用最左前缀原则。
SELECT FROM mytable WHERE username="admin" AND city="Zhengzhou" 将被使用。

直接做。