深入解析mysql中的索引（原理详解）

上周，一位客户问我有关 MySQL 索引的问题，我向他解释了这一点。
首先，MySQL索引就像图书馆中的目录，可以帮助数据库快速找到所需的数据。

让我举个例子。
例如，如果您要在一本厚书中查找特定信息，而没有目录，则可能需要浏览整本书。
但使用目录，您可以直接跳到这部分，从而节省时间。
MySQL索引也是如此，它可以帮助数据库快速定位数据。

给大家介绍一下B+树的数据结构。
它用于索引是因为它有很多优点。
例如，叶子节点只存储索引键，不存储实际数据。
这样每个节点就可以存储更多的键值，降低树的高度。
叶子节点存储完整的数据或主键，通过指针连接，支持范围查询，比B树更高效。

然后我解释了索引的类型。
聚集索引按照主键排序，就像InnoDB存储引擎一样。
二级索引是非主键列的索引。
例如，可以在查询特定字段时使用它。
共享索引是结合多个字段的索引，可以优化某些查询。

但是，索引有时会失败。
例如，如果使用共享索引，但查询词从左到右不匹配，或者范围查询后面的列没有建立索引，这将导致索引失败。

最后我给嘉宾提出了一些建议。
例如，最好使用自增整数主键来控制索引列数，定期分析索引使用情况，及时删除无用索引。

无论如何，这取决于你。
这是我对MySQL索引的理解。

学习小林coding 3.3 为什么MySQL采用B+树作为索引？

哦，是的，B+ 树，它们是怎么变得如此受欢迎的？
MySQL 使用 B+ 树主要是为了节省精力和磁盘空间。

看吧，硬盘的读写速度非常慢，比内存差很多。
因此，索引结构必须想办法让硬盘读取次数更少。

B+树是多路平衡树，其中内部节点可以有多个子节点。
节点越多，树的高度就越低，对吗？
树越短，从硬盘读取数据的次数就越少。
这是主要的事情。

接下来，将索引放在B+树上，非叶子节点而不是数据上。

然后可以在节点上放置更多索引，使树更短。
叶子节点存储数据并与指针组合形成有序链表。

要检查点，必须先检查叶子，然后按照链表进行操作。
这在检查范围时特别有用。

想一想。
如果你有从A到C的范围查询，你可以通过链表快速到达那里。

B 树不起作用。
叶节点也存储数据。
当遇到高大的树木时，需要费很大的力气才能一步一步地爬上台阶查看面积，然后再下来。

B+树在插入和删除方面也非常容易。
只需向叶节点添加节点或拆分节点即可。

调整非叶子节点的指针，不要移动太多。
B树很麻烦。
每次删除或插入时，都必须修改树。
重新平衡是一个令人头疼的问题。

相比AVL和红黑树，它更加平衡，但是如果添加太多，树会变高。

更不用说二叉搜索树了。
极端情况下，直接变成链表。
这会导致顺序搜索，这是不幸的。

换句话来说，B+树更短，需要更少的读取，具有更快的搜索范围，更容易添加和删除，并且更容易使用。

MySQL看到了，觉得是个好东西，所以就用了。

就是这样。