MySQL之索引(入门级讲解)

目录

一.索引的概念

1.1索引的简介

1.2.索引的优缺点

二.MySQL索引语法

2.1查看索引

2.2创建索引

[2.2.1 创建表时创建索引](#2.2.1 创建表时创建索引)

2.2.2存在的表上创建索引

2.3删除索引

三.索引的数据结构

3.1B+tree索引

3.2Hash索引

3.4Hash索引和B+tree索引的对比


🎁个人主页:tq02的博客_CSDN博客-C语言,Java,Java数据结构领域博主

🎥 本文由 tq02 原创,首发于 CSDN🙉

🎄 本章讲解内容:MySQL 索引

🎁欢迎各位→点赞 👍 + 收藏 ⭐ + 评论 📝+关注

🎥学习专栏: C语言 JavaSE MySQL基础

一.索引的概念

1.1索引的简介

索引是什么?本质而言是一种数据结构, 实现通常使用B树及其变种B+树 。

抽象点:我们把索引比作一本书的目录,而目录的作用就是使我们迅速地找到我们需要的内容,而为什么需要索引?当数据表中含有上亿条数据时,我们进行查询是通过遍历表,一条一条筛选时,是不现实的,但是我们可以使用索引,就可知我们需要的数据大概的位置。

常见的索引方式:字典,可以有两种方式进行查询,第一种是拼音,第二种是部首,而这就是两种不同的索引方式。

1.2.索引的优缺点

优点:

  1. 可以大大加快数据的检索速度,这也是创建索引的最主要的原因。

  2. 通过使用索引,可以在查询的过程中,使用优化隐藏器,提高系统的性能。
    缺点:

  3. 创建索引需要消耗额外的空间

  4. 有可能会拖慢 增删改 的速度,试想一下,当你修改了数据表的信息时,你的目录也就是索引也可能需要修改的。

结:个人而言,缺点相比较与优点,我们还是利大于弊的,在很多情况下,我们都是以查询操作为主,而增删改较少。


二.MySQL索引语法

索引分为:普通索引、唯一索引、全文索引、单列索引、多列索引、空间索引

2.1查看索引

查看索引,有人会问,我未创建索引,也会有索引嘛?在数据库中有三种约束类型存在时会自动生成索引,因此在查询时,即使未创建索引,若有这种条件存在,依然会生成索引。

三种约束类型主键、unique、外键

也称:主键索引、唯一索引

语法:show index from 表名;


存在主键时

主键不允许重复,因此进行插入或者修改时,需要先查询,查看插入/修改后结果是否存在。

存在unique时

存在外键约束时

当然除了以上的三种,我们还可以查看到手动创建的索引。


2.2创建索引

  • 索引创建分为2种,第一种是创建表时创建索引 ,第二种是给存在的表创建索引
  • 索引的创建,前提是表中的数据较少或者无数据,若含有大量数据会引起非常大规模的硬盘IO操作,进一步导致数据库卡死。

2.2.1 创建表时创建索引

**语法格式:**CREATE TABLE 表名(

字段名称 字段类型 [完整性约束条件],

...,

[UNIQUE / FULLTEXT / SPATIAL] INDEX / KEY [索引名称](字段名称[(长度)] [ASC|DESC])

);

  • 创建普通索引

创建了2个索引,分别为id和username

sql 复制代码
CREATE TABLE test1(
id int,
username varchar(20),
index in_id(id),
KEY in_username(username)
);
  • 创建唯一索引
sql 复制代码
CREATE TABLE test2(
id int,
username varchar(20) unique;    //自动生成
);
  • 创建全文索引
sql 复制代码
CREATE TABLE test3(
id int
username VARCHAR(20) ,

FULLTEXT INDEX full_userDese(username)
);
  • 创建单列索引
sql 复制代码
CREATE TABLE test4(
id int UNSIGNED AUTO_INCREMENT KEY,
test1 VARCHAR(20) NOT NULL,
test2 VARCHAR(20) NOT NULL,

INDEX in_test1(test1),
UNIQUE in_test1(test1)
);
  • 创建多列索引
sql 复制代码
CREATE TABLE test4(
id int UNSIGNED AUTO_INCREMENT KEY,
test1 VARCHAR(20) NOT NULL,
test2 VARCHAR(20) NOT NULL,
test3 VARCHAR(20) NOT NULL,

INDEX mul_t1_t2_t3(test1,test2,test3)
UNIQUE KEY mul_t1_t2_t3(test1,test2,test3)  //二者都可以
);
  • 创建空间索引
sql 复制代码
CREATE TABLE test1(
id TINYINT UNSIGNED AUTO_INCREMENT KEY,

SPATIAL INDEX spa_test(test)
)ENGINE=MyISAM;

2.2.2存在的表上创建索引

**概念:**在存在的表上创建索引,可以直接创建,也可以将某列修改为某种索引

**直接创建:**CREATE [UNIQUE|FULLTEXT|SPATIAL] INDEX 索引名称 ON 表名 {字段名称[(长度)] [ASC|DESC]};

简化:create index 索引名 on 表名(字段名) //其他条件不设置


**修改表方式创建:**ALTER TABLE 表名 ADD [UNIQUE|FULLTEXT|SPATIAL] INDEX 索引名称](字段名称[(长度)] [ASC|DESC]); //将某个列修改为索引

  • 创建普通索引

1、CREATE INDEX 索引名 ON 表名(列名);

2、ALTER TABLE 表名 ADD INDEX 索引名(列名);

  • 创建唯一索引

1、CREATE UNIQUE INDEX 索引名 ON 表名(列名);

2、ALTER TABLE 表名 ADD UNIQUE INDEX 索引名(列名);

  • 创建全文索引

1、CREATE FULLTEXT INDEX 索引名 ON 表名(列名);

  • 创建多列索引

1、ALTER TABLE 表名 add INDEX 索引名(列名,列名.....);


2.3删除索引

  • 索引的删除,只能删除手动创建的索引,而自动生成的索引无法删除哦

语法:drop index 索引名 on 表名;


三.索引的数据结构

MySQL的索引的数据结构到底是什么样的呢?其实并不是定式的,取决于MySQL使用的存储引擎。

  • 存储引擎: 在mysql程序中,拥有很多模块,有的负责解析sql语句、有的负责网络通信、有的负责存储数据等等。存储引擎就是负责存储数据的,本质而言就是代码中的一个模块(包含了若干个代码文件...以及一大堆具体的代码)

具体如何存储数据,MySQL提供了多种存储方案。而目前最为流行的便是Innodb存储引擎。而Innodb引擎选择使用B+tree索引结构。而至于为什么不选别的索引结构呢?下解:

适合索引的数据结构有 B+tree索引、Hash索引等。

3.1B+tree索引

B+tree数据结构的演变:二叉树-->红黑树-->B-tree树-->B+tree树,而之所以会逐渐演变,是因为有缺点存在,而为了提高效率,就不断演化。

1.二叉树的缺点

  • 顺序插入时,会形成一个链表,查询性能大大降低。
  • 大数据量情况下,层级较深,检索速度慢。

2.红黑树的缺点

  • 大数据量情况下,层级较深,检索速度慢。

3.B-tree树

又名:B-树,是一种多叉路衡查找树,对比二叉树,B-树每个结点可以存放多个数值,也就是说一个结点有多个分支,即多叉。

如图:B-树更趋向于区间查找,根结点是30、40、50、60,所以对应的孩子结点范围为[最小值,30)、[30,40)、[40,50)、[50,60)、[60,最大值].

查询方法:例如查询23,在根结点中找到区间小于30,往下个结,[15,25]区间,找然后又落在了[20,25]区间,再往下找,最终找到叶子结点[21,23],存在。

优点:高度低于红黑树,查询效率更高

缺点:无法进行范围查询

4.B+tree树

B+Tree是B-Tree的变种,所有的数据都会出现在叶子节点。 叶子节点形成一个单向链表。所有的数据都会出现在叶子节点。 叶子节点形成一个单向链表。

叶子结点,会按照链表的方式,首尾相连,注链表是双向链表,画是单向的,因此只要得到开头和结尾,然后将这段链表单独拉出来便是查询的结果

优点:擅长范围查询,查询速度不快不慢,但是很稳定。


3.2Hash索引

哈希索引就是采用一定的hash算法,将键值换算成新的hash值,映射到对应的槽位上,然后存储在 hash表中。如果两个(或多个)键值,映射到一个相同的槽位上,他们就产生了hash冲突(也称为hash碰撞),可以通过链表来解决。

缺点:

  • Hash索引只能用于对等比较(=,in),不支持范围查询(between,>,< ,...)
  • 无法利用索引完成排序操作

优点:查询效率高,通常(不存在hash冲突的情况)只需要一次检索就可以了,效率通常要高于B+tree索引


3.4Hash索引和B+tree索引的对比

因此InnoDB存储引擎选择使用B+tree索引结构的原因:

  • 层级更少,搜索效率高
  • 相对Hash索引,B+tree支持范围匹配及排序操作;
  • 对于B-tree,无论是叶子节点还是非叶子节点,都会保存数据,但是存储索引结构的一个页的大小有限,这样导致一页中存储 的键值减少,指针跟着减少,要同样保存大量数据,只能增加树的高度,导致性能降低;

当你看到这里时,MySQL的索引知识就已经完成了,本文需要细心理解。

---------------懒惰的tq02

相关推荐
Yz987622 分钟前
hive的存储格式
大数据·数据库·数据仓库·hive·hadoop·数据库开发
武子康28 分钟前
大数据-231 离线数仓 - DWS 层、ADS 层的创建 Hive 执行脚本
java·大数据·数据仓库·hive·hadoop·mysql
黑色叉腰丶大魔王33 分钟前
《MySQL 数据库备份与恢复》
mysql
苏-言34 分钟前
Spring IOC实战指南:从零到一的构建过程
java·数据库·spring
Ljw...40 分钟前
索引(MySQL)
数据库·mysql·索引
菠萝咕噜肉i1 小时前
超详细:Redis分布式锁
数据库·redis·分布式·缓存·分布式锁
长风清留扬1 小时前
一篇文章了解何为 “大数据治理“ 理论与实践
大数据·数据库·面试·数据治理
OpsEye1 小时前
MySQL 8.0.40版本自动升级异常的预警提示
数据库·mysql·数据库升级
Ljw...1 小时前
表的增删改查(MySQL)
数据库·后端·mysql·表的增删查改
远歌已逝4 小时前
维护在线重做日志(二)
数据库·oracle