本文很简单，描述了InnoDB引擎的索引和优化策略。在开始之前，您需要了解：1）二叉搜索树（包括2-3搜索树，红黑树和其他数据结构）2）MySQL InnoDB引擎基础知识
探索指数
当然，了解索引要了解其数据结构。树中有许多应用程序。其中一个流行的用法是许多常见操作系统中的目录结构，包括UNIX和DOS。二叉搜索树是Java中两个集合类TreeSet和TreeMap的基础。所以对于数据库来说，I/O是它的性能瓶颈，减少树的深度直接有效，BTree和B + Tree应运而生。
BTree和B + Tree（平衡树，多路搜索树，非二进制）
B树
BTree是一种搜索树，如二叉搜索树，红黑树等，它们是为了提高搜索效率而生成的。 BTree也是如此，可以看作是二叉搜索树的优化升级。二叉搜索树的特点是每个非叶子节点最多有两个子节点，但是当数据量非常大时，二叉搜索树的深度太深，搜索算法需要访问从根节点搜索时的节点。它已经变得非常多了。如果这些节点存储在外部存储（磁盘）中，则对节点的每次访问都等同于I/O操作。随着树的高度增加，频繁的I/O操作将降低查询的效率。 BTree更改为双叉，每个节点存储更多指针信息，从而减少树的深度并减少I/O操作的数量。
使用BTree结构可以显着减少定位记录时遇到的中间过程，从而加快访问速度。
定义（对于m阶BTree）
根节点至少有两个子节点（除非根节点是叶节点）
每个节点都有m-1个关键字，并按升序排序
位于m-1和m关键字中的子节点的值在m-1和m个关键字的值之间。
其他节点至少有m/2个子节点
特性
关键字集分布在整个树中；
出现任何关键字，仅出现在一个节点中；
搜索可以在非叶节点处结束；
它的搜索性能相当于在整套关键字中进行二进制搜索；
自动水平控制。
B +树
在大多数情况下，InnoDB存储引擎使用B + Tree进行索引。 B + Tree也是关系数据库中最常用和最有效的索引结构，但B + Tree索引找不到给定键的特定值。只能找到与数据行对应的页面，并且如上一节所述，数据库将整个页面读入内存并在内存中查找特定的数据行。定义（其定义与BTree基本相同，除了:)
所有叶节点之间都有一个链指针；
所有关键字都出现在叶节点上；
非叶节点仅存储键值信息，数据记录存储在叶节点中。
特性
单个节点可以存储更多元素，使查询磁盘IO的次数更少，单个元素查找更有效；
所有查询都必须找到叶子节点，查询性能稳定；
叶节点将包含所有关键字以及指向数据记录的指针，叶节点本身按从最小到最大的顺序链接，并且范围查找性能更好。
区别
B + Tree是BTree的变种树。它与BTree的区别在于：
B + Tree只能命中叶节点（BTree可以命中非叶节点），其性能相当于在关键字集中进行二进制搜索；
BTree树的每个叶节点都有一个双向指针；
BTree分支节点和叶子节点都保持记录的密钥和记录指针； B + Tree分支节点仅保存记录密钥副本，并且没有记录指针。所有记录都集中在叶节点的一个级别上，叶节点可以形成一维线性表，用于连续访问和范围查询。
聚集索引和二级索引
数据库中的B + Tree索引可以分为聚簇索引（聚簇索引）和二级索引（二级索引）。它们之间最大的区别是聚簇索引存储一行记录的所有信息，而辅助索引只包含索引列和用于查找相应行记录的“书签”。也就是说，在数据库的聚簇索引中，叶节点直接包含卫星数据。在NonClustered Index中，叶节点具有指向卫星数据的指针。
聚集索引
InnoDB使用聚簇索引来存储数据。
与非聚簇索引的区别在于聚簇索引存储索引和行值。当表具有聚簇索引时，其数据存储在索引的叶页上。所以可以说InnoDB是一个基于索引的表。
当我们使用聚集索引来检索表中的数据时，我们可以直接获得整行记录数据对应于聚簇索引的页面，并且不需要第二次操作。
索引创建规则
如果定义了主键，则此主键用作聚簇索引
如果未定义主键，则表的第一个唯一非空索引将用作聚簇索引
如果没有主键且没有合适的唯一索引，InnoDB会在内部生成隐藏的主键作为聚簇索引。这个隐藏的主键是一个6字节的列。通过插入数据增加列的值。二级指数
辅助索引（也称为非聚集索引）不包含行的所有数据。除了包含关键字之外，它还包含一个标记，告诉InnoDB引擎在哪里可以找到与索引相对应的行数据。由于InnoDB引擎是一个索引组织表，因此该标记是相应行数据的聚簇索引键。
辅助索引的存在不会影响聚簇索引中数据的组织，因此表可以具有多个辅助索引。
使用二级索引查找表记录的过程：通过二级索引查找相应的关键字，最后使用聚簇索引中的关键字获取相应的行记录，这也是查找通常下行记录的方法。
建议
聚集索引的首选列
具有大量不同值的列
之间使用
中文
电话咨询
微信咨询
公众号
