5. 索引的理解
（1）一个现象和一个结论
【建立测试表】
SQL算法
MySQL 索引原理：B+ 树演进与操作实战
MySQL 索引基于 B+ 树结构，通过减少 IO 次数提升查询效率。相比 B 树，B+ 树非叶子节点仅存键值，降低树高；叶子节点链表连接支持范围查询。InnoDB 采用聚簇索引，数据与索引共存；MyISAM 为非聚簇索引，分离存储。索引创建需遵循高频查询字段建索引、唯一性差或更新频繁字段不宜建索引原则。复合索引注意最左匹配，利用覆盖索引优化回表查询。
MySQL 索引基于 B+ 树结构，通过减少 IO 次数提升查询效率。相比 B 树，B+ 树非叶子节点仅存键值，降低树高；叶子节点链表连接支持范围查询。InnoDB 采用聚簇索引，数据与索引共存；MyISAM 为非聚簇索引，分离存储。索引创建需遵循高频查询字段建索引、唯一性差或更新频繁字段不宜建索引原则。复合索引注意最左匹配，利用覆盖索引优化回表查询。
【建立测试表】
【插入多条记录】
【查看插入结果】
发现竟然默认是有序的！是谁干的呢？排序有什么好处呢？
【中断一下---为何 IO 交互要是 Page？】
为何 MySQL 和磁盘进行 IO 交互的时候，要采用 Page 的方案进行交互呢？用多少加载多少不香吗？
如上面的 5 条记录，如果 MySQL 要查找 id=2 的记录，第一次加载 id=1，第二次加载 id=2，一次一条记录，那么就需要 2 次 IO。如果要找 id=5，那么就需要 5 次 IO。
但，如果这 5 条 (或者更多) 都被保存在一个 Page 中 (16KB，能保存很多记录),那么第一次 IO 查找 id=2 的时候，整个 Page 会被加载到 MySQL 的 Buffer Pool 中，这里完成了一次 IO。但是往后如果在查找 id=1,3,4,5 等，完全不需要进行 IO 了，而是直接在内存中进行了。
所以，就在单 Page 里面，大大减少了 IO 的次数。
怎么保证，用户一定下次找的数据，就在这个 Page 里面？我们不能严格保证，但是有很大概率，因为有局部性原理。
往往 IO 效率低下的最主要矛盾不是 IO 单次数据量的大小，而是 IO 的次数。
【单个 Page】
MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织,我们目前可以简单理解成一个个独立文件是有一个或者多个 Page 构成的。
不同的 Page，在 MySQL 中，都是 16KB，使用 prev 和 next 构成双向链表
因为有主键的问题，MySQL 会默认按照主键给我们的数据进行排序，从上面的 Page 内数据记录可以看出，数据是有序且彼此关联的。
为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？
插入数据时排序的目的，就是优化查询的效率。页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，可以提前结束查找过程。
【多个 Page】
怎么解决上面出现的线性查找效率低下？——引入页目录
书中的目录多花了纸张，却提高了效率。so，目录，是一种'空间换时间的做法'
【单页情况】
在一个 Page 内部，我们引入了目录
比如，我们要查找 id=4 记录，之前必须线性遍历 4 次。现在直接通过目录 2[3] 直接进行定位新的起始位置，提高了效率，省去前面无用的遍历
通过键值，MySQL 会自动排序，为了什么？——方便引入目录
【多页情况】
MySQL 里面单个 page 大小固定只有 16KB，随着数据量不断增大，必定会有多个页来存储数据
在单表数据不断被插入的情况下，MySQL 会在容量不足的时候，自动开辟新的 Page 来保存新的数据，然后通过指针的方式，将所有的 Page 组织起来。
上面的图，是理想结构，新插入的数据，不一定会在新 Page 上面，这里仅仅做演示。
这样，我们就可以通过多个 Page 遍历，Page 内部通过目录来快速定位数据。可是，这样也有效率问题，在 Page 之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的 IO，将下一个 Page 加载到内存，进行线性检测。
那么如何解决上面需要大量 IO+ 遍历 Page 时的时间成本问题？——给 Page 也带上目录。
存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个 Page，进而通过指针，找到下一个 Page。
其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。
可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？——可以再加目录页
这就是 B+ 树
现在查找的 Page 数一定减少了，也就意味着 IO 次数减少了，那么效率也就提高了。只有叶子结点才会用指针级联起来。
复盘：
Page 分为目录页和数据页。目录页只放各个下级 Page 的最小键值。查找的时候，自顶向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了 IO 次数
链表？线性遍历
二叉搜索树？退化问题，可能退化成为线性结构
AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶 B+，意味着树整体过瘦高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的 IO Page 交互。虽然你很秀，但是有更秀的。
Hash？官方的索引实现方式中，MySQL 是支持 HASH 的，不过 InnoDB 和 MyISAM 并不支持.Hash 跟进其算法特征，决定了虽然有时候也很快 (O(1))，不过，在面对范围查找就明显不行，另外还有其他差别，有兴趣可以查一下。
B 树？最值得比较的是 InnoDB 为何不用 B 树作为底层索引？
数据结构演示链接：数据结构可视化
这两棵树，对我们最有意义的区别是：
为何选择 B+？
MyISAM 存储引擎 - 主键索引
MyISAM 引擎同样使用 B+ 树作为索引结果，叶节点的 data 域存放的是数据记录的地址。下图为 MyISAM 表的主索引，Col1 为主键。
其中，MyISAM 最大的特点是，将索引 Page 和数据 Page 分离，也就是叶子节点没有数据，只有对应数据的地址。（非聚簇索引）
相较于 InnoDB 索引，InnoDB 是将索引和数据放在一起的。（聚簇索引）
--终端 A mysql> create database myisam_test; --创建数据库 Query OK, 1 row affected (0.00 sec)
mysql> use myisam_test; Database changed
mysql> create table mtest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=MyISAM; --使用 engine=MyISAM Query OK, 0 rows affected (0.01 sec)
--终端 B [root@VM-0-3-centos mysql]# ls myisam_test/ -al --mysql 数据目录下 total 28 drwxr-x--- 2 mysql mysql 4096 Jun 13 13:33 . drwxr-x--x 13 mysql mysql 4096 Jun 13 13:32 .. -rw-r----- 1 mysql mysql 61 Jun 13 13:33 db.opt -rw-r----- 1 mysql mysql 8586 Jun 13 13:33 mtest.frm --表结构数据 -rw-r----- 1 mysql mysql 0 Jun 13 13:33 mtest.MYD --该表对应的数据，当前没有数据，所以是 0 -rw-r----- 1 mysql mysql 1024 Jun 13 13:33 mtest.MYI --该表对应的主键索引数据
可见，MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引
--终端 A mysql> create database innodb_test; --创建数据库 Query OK, 1 row affected (0.00 sec)
mysql> use innodb_test; Database changed
mysql> create table itest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=InnoDB; --使用 engine=InnoDB Query OK, 0 rows affected (0.02 sec)
--终端 B [root@VM-0-3-centos mysql]# ls innodb_test/ -al total 120 drwxr-x--- 2 mysql mysql 4096 Jun 13 13:39 . drwxr-x--x 14 mysql mysql 4096 Jun 13 13:38 .. -rw-r----- 1 mysql mysql 61 Jun 13 13:38 db.opt -rw-r----- 1 mysql mysql 8586 Jun 13 13:39 itest.frm --表结构数据 -rw-r----- 1 mysql mysql 98304 Jun 13 13:39 itest.ibd --该表对应的主键索引和用户数据，虽然现在一行数据没有，但是该表并不为 0，因为有主键索引数据
其中，InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引。
当然，MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。
对于 MyISAM，建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。
下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别
同样，InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：
可以看到，InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的 key 值。
所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主键索引中检索获得记录。这种过程，就叫做回表查询
为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了。
总结：如何理解硬盘如何理解柱面，磁道，扇区，磁头 InnoDB 主键索引和普通索引 MyISAM 主键索引和普通索引其他数据结构为何不能作为索引结构，尤其是 B+ 和 B 聚簇索引 VS 非聚簇索引
第一种创建方式：
-- 在创建表的时候，直接在字段名后指定 primary key
第二种方式：
-- 在创建表的最后，指定某列为主键索引
第三种方式：
create table user3(id int, name varchar(30)); -- 创建表以后再添加主键 alter table user3 add primary key(id);
删除主键索引：
alter table 表名 drop primary key;
主键索引的特点：
我们创建 unique 约束时，会默认为我们创建唯一键索引
第一种创建方式：
-- 在表定义时，在某列后直接指定 unique 唯一属性。 create table user4(id int primary key, name varchar(30) unique);
第二种方式：
-- 创建表时，在表的后面指定某列或某几列为 unique create table user5(id int primary key, name varchar(30), unique(name));
第三种方式：
create table user6(id int primary key, name varchar(30)); alter table user6 add unique(name);
删除唯一键索引：
注意和删除主键索引不同，由此看出唯一键索引本质上也是普通索引
alter table 表名 drop index 索引名;
索引名就是 show keys from 表名中的 Key_name 字段
唯一索引的特点：
第一种方式：
create table test4( id int primary key, name varchar(20), email varchar(30), index(name) --在表的定义最后，指定某列为索引 );
第二种方式：
create table user9(id int primary key, name varchar(20), email varchar(30)); alter table user9 add index(name); --创建完表以后指定某列为普通索引
第三种方式：
create table user10(id int primary key, name varchar(20), email varchar(30)); -- 创建一个索引名为 idx_name 的索引 create index idx_name on user10(name);
普通索引的特点：
当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL 提供全文索引机制，但是有要求，要求表的存储引擎必须是 MyISAM，而且默认的全文索引支持英文，不支持中文。如果对中文进行全文检索，可以使用 sphinx 的中文版 (coreseek)。
CREATE TABLE articles ( id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY, title VARCHAR(200), body TEXT, FULLTEXT (title,body) )engine=MyISAM;
INSERT INTO articles (title,body) VALUES ('MySQL Tutorial','DBMS stands for DataBase ...'), ('How To Use MySQL Well','After you went through a ...'), ('Optimizing MySQL','In this tutorial we will show ...'), ('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'), ('MySQL vs. YourSQL','In the following database comparison ...'), ('MySQL Security','When configured properly, MySQL ...');
如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引
可以用 explain 工具看一下，是否使用到索引
通过 explain 来分析这个 sql 语句
key 用到了 title
第一种 - 删除主键索引：
alter table 表名 drop primary key;
第二种 - 其他索引的删除：
索引名就是 show keys from 表名中的 Key_name 字段
alter table 表名 drop index 索引名；
第三种：
drop index 索引名 on 表名
drop index name on user8;
其他概念：
//添加复合索引 alter table test1 add index(name,email); //删除复合索引 alter table test4 drop index name;
索引完结。下节事务。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
在线格式化和美化您的 SQL 查询（它支持各种 SQL 方言）。 在线工具，SQL 美化和格式化在线工具，online
解析 INSERT 等受限 SQL，导出为 CSV、JSON、XML、YAML、HTML 表格（见页内语法说明）。 在线工具，SQL转CSV/JSON/XML在线工具，online
CSV 与 JSON/XML/HTML/TSV/SQL 等互转，单页多 Tab。 在线工具，CSV 工具包在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online