在日常工作中，对于慢查询的治理方法之一就是增加索引，索引的使用和学习在开发中是比较重要的内容，希望这篇文章能够彻底的梳理清楚。
索引的分类
索引的本质其实是一种数据结构，索引是在存储引擎层而不是在服务层实现的，所以没有统一的索引标准。其分类可以按照数据结构去分类，也可以按照物理存储进行分类，如下所示：
- 按照数据结构分类：B+Tree 索引、Hash 索引和 Full-text 索引
- 按照物理存储分类：聚集型索引和非聚集型索引
- 按照逻辑分类：主键索引、唯一索引、联合索引
以下将重点介绍 B+Tree 索引、Hash 索引、聚集型索引和非聚集型索引
B+Tree 索引
一般我们说索引如果没有特指就是说 B+Tree 索引。基本上所有的存储引擎都支持它，InnoDB 和 MyISAM 存储引擎默认是 B+Tree 索引。
为什么默认使用 B+Tree 数据结构，而不是 B-Tree 或者是红黑树等数据结构？我们先看下 B+Tree 的数据结构
- B-Tree 索引非叶子节点存储数据，而 B+Tree 索引叶子结点不存储数据，只有在叶子结点存储数据，相对来说，相同层级存储的索引更多。相同也比红黑树的层级要低，层级低代表次数更少的 I/O 操作。
- 叶子结点采用连环式数据结构，可以进行范围查找
Hash 索引
Memory 存储引擎默认是 Hash 索引。Hash 索引的原理是给某列增加索引时，将这列数据进行 Hash 计算得到 Hash 值排列到 Hash 数组中，Hash 索引可以一次性定位到数据，其效率很高。Hash 索引虽然不需要多次进行磁盘 IO，但其也有一些缺点：
- 不能进行范围查找。Hash 索引计算的是经过 Hash 处理过的值，只能进行等式比较，不能用于范围查找，比如使用 order by 查询。
- 不支持最左匹配（不可使用部分索引进行查询）。每次计算需要扫描整个索引表，最左匹配是可以进行索引前缀进行查询，不必扫描整张索引表。
- Hash 索引值大量重复且数据量非常大时，其效率并没有 B+Tree 索引高
聚集型索引和非聚集型索引
聚集型索引和非聚集型索引都是使用 B+Tree 数据结构。
聚集型索引：是指在叶子结点存储完整的行数据，一张表只能有一个聚集型索引，一般是以主键为聚集型索引，如果新建表没有主键，则会创建一个隐含列（唯一）为聚集型索引。
非聚集型索引（辅助索引）：叶子结点存储的不是完整的行数据，而是存储一个地址，一般是聚集型索引的地址，通过这个地址能找到聚集型索引，通过聚集型索引再找到完整的行数据。一个表可以有多个非聚集型索引。使用非聚集型索引查询，如果索引中包含查询的列，则直接返回，否则需要回表通过非聚集型索引找到其他查询数据。
联合索引查询
联合索引是指上文中提到的非聚集型索引，也就是辅助索引。联合索引是指索引中包含多个列，举个例子，假如建立索引如下所示：
sql
alter table index_example add index idx_union(`name`, `age`, `position`);数据存储的结构如下所示：
索引的存储会分别按照 name、age 和 position 排序，如果 name 相同，则根据 age 进行排序，name 和 age 相同，则根据 position 进行排序。
应该如何加索引
我们上面介绍了索引包括原理等一些基本情况，在日常开发中，加索引也有一些原则需要注意。以下是加索引的基本原则：
- 不要在数据量比较小的表建立索引。在查询时存储引擎会进行判断是否需要使用索引，数据量较小的表可能不会使用索引。
- 选择唯一主键索引。如果可以尽量使用主键索引或者唯一索引，将会更快的定位到数据（不需要回表）。
- 为经常需要排序、分组和联合操作的字段建立索引。group By、order by、distinct 和 union 等查询操作。
- 加索引要满足最左匹配原则。
- 尽量选择区分度高的字段增加索引。性别字段就不适合增加索引，不重复的比例越大，扫描的行数越少。索引是根据字段进行排序，0 和 1 的区别不大。
- 对字段使用函数不会走索引。
segmentfault.com/a/119000003...