MySQL之索引

1.索引的意义
[2. 认识磁盘](#2. 认识磁盘)
[3.MySQL 与磁盘交互基本单位](#3.MySQL 与磁盘交互基本单位)
[4. 建立共识](#4. 建立共识)
5.索引的理解
- 5.1.理解单个Page
- 5.2.理解多个Page
- 5.3.多页情况
- 5.4.其他的数据结构
- [5.5.聚簇索引 VS 非聚簇索引](#5.5.聚簇索引 VS 非聚簇索引)
6.索引操作

🌟🌟hello，各位读者大大们你们好呀🌟🌟

🚀🚀系列专栏：【MySQL的学习】

📝📝本篇内容：索引的意义；认识磁盘；MySQL与磁盘交互基本单位；建立共识；索引的理解；理解单个Page；理解多个Page；多页情况；其他的数据结构；聚簇索引VS非聚簇索引；索引操作

⬆⬆⬆⬆上一篇：MySQL之表的内连和外连

💖💖作者简介：轩情吖，请多多指教(>> •̀֊•́ ) ̖́-

1.索引的意义

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

常见索引分为：

List item

主键索引(primary key)

唯一索引(unique)

普通索引(index)

全文索引(fulltext)--解决中子文索引问题。
先整一个海量表，在查询的时候，看看没有索引时会怎么样？直接拷贝下面的sql语句即可

bash 复制代码

-- =============================================
-- MySQL 8.x 专用：构建800万条差异性EMP表测试数据（utf8mb3编码）
-- 功能：自动建库→建表→建随机函数→批量插入800万条数据
-- 特性：utf8mb3编码、数据有差异性、无兼容性问题、适配MySQL 8.x
-- =============================================

-- 1. 创建并切换到测试数据库（指定utf8mb3编码）
CREATE DATABASE IF NOT EXISTS test_emp_data 
DEFAULT CHARACTER SET utf8mb3 
COLLATE utf8mb3_general_ci;  -- 适配utf8mb3默认排序规则
USE test_emp_data;

-- 2. 创建EMP表（utf8mb3编码，字段与需求一致）
DROP TABLE IF EXISTS EMP;
CREATE TABLE EMP (
    empno INT(10) COMMENT '员工编号（主键，唯一）',
    ename VARCHAR(50) COMMENT '员工姓名（随机字符串，保证差异）',
    job VARCHAR(50) COMMENT '职位（固定SALESMAN）',
    mgr INT(10) COMMENT '经理编号（固定1）',
    hiredate DATE COMMENT '入职日期（当前日期）',
    sal INT(10) COMMENT '薪资（固定2000）',
    comm INT(10) COMMENT '佣金（固定400）',
    deptno INT(5) COMMENT '部门编号（10-509随机，保证差异）',
    PRIMARY KEY (empno) USING BTREE  -- 显式指定索引，适配MySQL 8.x
) ENGINE=InnoDB 
DEFAULT CHARSET=utf8mb3  -- 表级编码指定utf8mb3
COLLATE=utf8mb3_general_ci
AUTO_INCREMENT=100001 COMMENT='雇员测试表（800万条，utf8mb3编码）';

-- 3. 创建生成随机字符串函数（解决MySQL 8.x binlog兼容性）
DELIMITER $$
DROP FUNCTION IF EXISTS rand_string $$
CREATE FUNCTION rand_string(n INT)
RETURNS VARCHAR(255)
NO SQL  -- 声明无SQL操作，适配8.x binlog规则
BEGIN
    -- 字符集包含大小写字母，保证姓名差异性
    DECLARE chars_str VARCHAR(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
    DECLARE return_str VARCHAR(255) DEFAULT '';
    DECLARE i INT DEFAULT 0;
    
    WHILE i < n DO
        -- 随机取字符，保证每个姓名都不同
        SET return_str = CONCAT(return_str, SUBSTRING(chars_str, FLOOR(1 + RAND() * 52), 1));
        SET i = i + 1;
    END WHILE;
    
    RETURN return_str;
END $$
DELIMITER ;

-- 4. 创建生成随机部门编号函数（保证部门字段差异性）
DELIMITER $$
DROP FUNCTION IF EXISTS rand_num $$
CREATE FUNCTION rand_num()
RETURNS INT(5)
NO SQL  -- 声明无SQL操作，适配8.x binlog规则
BEGIN
    -- 生成10-509的随机数，保证部门编号差异
    RETURN FLOOR(10 + RAND() * 500);
END $$
DELIMITER ;

-- 5. 创建批量插入存储过程（分批次提交，避免8.x超时）
DELIMITER $$
DROP PROCEDURE IF EXISTS insert_emp $$
CREATE PROCEDURE insert_emp(IN start_num INT(10), IN max_num INT(10))
BEGIN
    DECLARE i INT DEFAULT 0;
    DECLARE batch_size INT DEFAULT 10000;  -- 每1万条提交一次，适配8.x事务机制
    DECLARE current_num INT DEFAULT 0;
    
    SET autocommit = 0;  -- 关闭自动提交，提升插入性能
    SET current_num = start_num;
    
    -- 循环插入，分批次提交，避免单事务过大
    WHILE i < max_num DO
        -- 插入单条数据，员工编号递增保证唯一，姓名/部门随机保证差异
        INSERT INTO EMP (empno, ename, job, mgr, hiredate, sal, comm, deptno)
        VALUES (current_num + i, rand_string(6), 'SALESMAN', 1, CURDATE(), 2000, 400, rand_num());
        
        SET i = i + 1;
        
        -- 每1万条提交一次，释放事务日志
        IF i % batch_size = 0 THEN
            COMMIT;
            SET autocommit = 0;
        END IF;
    END WHILE;
    
    COMMIT;  -- 提交剩余数据
    SET autocommit = 1;  -- 恢复自动提交
    
    -- 插入完成提示
    SELECT CONCAT('成功插入 ', max_num, ' 条数据！编码：utf8mb3') AS insert_result;
END $$
DELIMITER ;

-- 6. 执行存储过程，插入800万条测试数据（核心执行语句）
-- 注：800万条数据插入耗时约10-30分钟（视服务器性能），建议后台执行
CALL insert_emp(100001, 8000000);

-- 7. 验证数据（可选，查看插入结果和编码）
SELECT COUNT(*) AS total_records FROM EMP;
SELECT empno, ename, deptno, @@character_set_database AS db_encoding FROM EMP LIMIT 10;

单纯创建就用了6分多钟

我们这边查询的deptno而不是empno，因为empno是主键，就是有索引。可以发现我们查询deptno要2秒接近三秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机，并且我们可以发现后面的几次查询都比第一次快。我们创建索引来解决

bash 复制代码

alter table EMP add index(deptno);

2. 认识磁盘

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提升效率，是 MySQL 的一个重要话题。

扇区：数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大。那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。

而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

柱面(磁道):多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面

每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的

所以，我们只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做CHS。不过实际系统软件使用的并不是CHS（但是硬件是），而是LBA，一种线性地址，可以想象成虚拟地址与物理地址。系统将LBA地址最后会转化成为CHS，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区（512字节，部分4096字节）,进行IO交互吗？不是

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化

从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

还有一点就是可以理解为4KB 是对「局部性原理」的工程化实现，用来尽量减少磁盘 IO 次数。
故，系统读取磁盘，是以块为单位的，基本单位是4KB。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。

连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次

IO操作，这样的多个IO操作称为连续访问。因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

3.MySQL 与磁盘交互基本单位

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB (后面统一使用 InnoDB 存储引擎讲解)

16KB*1024=16384

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎使用 16KB 进行IO交互。即， MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分）

4. 建立共识

MySQL 中的数据文件，是以page为单位保存在磁盘当中的。

MySQL 的 CURD操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询数据。

而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存中。

所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位就是Page。

为了更好的进行上面的操作，MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为Buffer Pool的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。

为更高的效率，一定要尽可能的减少系统和磁盘IO的次数

我们的MySQL想要和磁盘进行交互，就必须通过操作系统。

MySQL 的服务器，本质是在操作系统内存中的，所有的数据库的 CURD 操作，全部都是在内存中进行的，索引也是如此。一般要提升效率只能从组织数据的方式也就是数据结构或者算法入手，

5.索引的理解

一定要添加主键哦，只有这样才会默认生成主键索引。插入多条记录，注意，我们并没有按照主键的大小顺序插入哦。可以发现竟然默认是有序的！ 是谁干的呢？排序有什么好处呢？

5.1.理解单个Page

我们先来再谈谈之前说到的MySQL的page情况
那我们如何理解呢？ 首先MySQL内部一定需要并且会存在大量的page，也就决定了MySQL必须要将多个同时存在的page管理起来。那么如何管理所有的MySQL内的page？ 其实和之前系统部分的进程一样，先描述再组织。所以说不要简单的将page认为是一个内存块，page内部也必须写入对应的管理信息。

struct page

{

struct page* next;

struct page* prev;

char buffer[NUM];

};

大小为16KB大小，将所有的page用"链表"的形式管理起来，这部分内容是在buffer pool内部，对MySQL中的page进行了一个建模。

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。正式因为有序，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，是可以提前结束查找过程的。：比如找主键 50，有序列表找到 50 就停；但无序列表可能找完所有行才找到，甚至找不到（比如数据不存在），全是 "无效查找。还有一点就是为了引入索引，后面就明白了。
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。你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。

5.2.理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。

如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

那么当前，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次才能拿到结果。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。现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？方便引入目录。

图里有 5 条记录，但只有「目录 1 [1]」「目录 2 [3]」两个目录项，不是每条记录都配：

目录项是 "分组导航"：比如把「1、2」归为一组，「3、4、5」归为另一组；「目录 1 [1]」管第 1 组（主键 1-2），「目录 2 [3]」管第 2 组（主键 3-5）；这样既减少目录本身占用的空间，又能保证查找效率（先找组，再找组内记录）

每个目录项都存了：

对应记录的主键值（1、3）

指向该记录的指针（直接跳过去）

5.3.多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么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。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，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，貌似这样也有效率问题，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。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。
使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
其中，每个目录项的构成是：键值+指针。图中没有画全。

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?或者说我们的数据特别大，即使是目录页也有好多该怎么办？不用担心，可以在加目录页

这其实就是一棵B+树，其实上面这幅图还有一些差距，真正MySQL使用的结构中叶子结点也就是我们的普通页是全部用链表级联起来的。

我们上面完整的一个结构就是MySQL中innodedb下的索引结构。索引的本质就是B+树数据结构。这整个结构都是在Buffer Pool的大内存空间中的。

其中叶子结点保存有数据，目录页结点没有，也就是非叶子结点，不要数据，只要目录项。这主要是因为非叶子结点不存数据，但可以存更多的目录项、目录页，可以管理更多的叶子Page。可以形象的看成是一个矮胖型的树。①也就意味着它途径路上的结点很少，找到目标数据只需要更少的page，我们MySQL也只会对于需要的目标目录页会进行IO ，也就意味着IO的次数更少，提高了IO层面的效率。②再者每一结点（行）都有目录项，可以大大提高搜索效率。③因此整体提高了搜索效率。
那为什么叶子结点需要全部用链表级联起来，而目录页呢？ ①首先这是B+树的特点，数据结构本身如此，正是因为这样，MySQL才会选择它。②其次我们希望进行范围查找，那么就意味着当我们查找完一个普通页后，可以接着继续查找下一个。

总的来说一般我们建表插入数据时，就是在该结构下进行CURD，即使是我们的表没有主键，MySQL会给我们生成默认的主键，只是我们看不到。

5.4.其他的数据结构

首先就是链表？它是线性遍历，肯定不行，本身我们检索的慢就是因为线性结构

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。

接下来看一下B树和B+树的情况，为什么不使用B树作为底层索引呢？

目前这两棵树，对我们最有意义的区别是：

B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和Page指针

B+叶子节点，全部相连，而B没有

之所以选择B+：

①节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。

②叶子节点相连，更便于进行范围查找

5.5.聚簇索引 VS 非聚簇索引

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。

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。上图为 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。相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的。

文件	所属引擎	核心作用	版本特征
.ibd	InnoDB	数据 + 索引	5.6+ 支持独立表空间，8.0+ 必存
.sdi	MyISAM	表结构元数据	8.0+ 替代 .frm
.MYD	MyISAM	表数据	所有版本 MyISAM 都存在
.MYI	MyISAM	表索引	所有版本 MyISAM 都存在

我使用的版本比较高，像有的低一点的版本中，innodb会还有一个文件以.frm后缀的。同时我们可以从上面的文件中也可以清晰的看出我们的innodb是把数据+索引存在一起的，而MyISAM是分开存的，并且.MYD后缀的文件大小为0，因为没有插入过数据。
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。

6.索引操作

创建表

bash 复制代码

第一种方式
-- 在创建表的时候，直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));

bash 复制代码

第二种方式
-- 在创建表的最后，指定某列或某几列为主键索引
create table user2(id int, name varchar(30), primary key(id));

bash 复制代码

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);

主键索引的特点：

一个表中，最多有一个主键索引，当然可以使符合主键

主键索引的效率高（主键不可重复）

创建主键索引的列，它的值不能为null，且不能重复

主键索引的列基本上是int

查询索引

bash 复制代码

 第一种方法： show keys from 表名；
 第二种方法: show index from 表名;
 第三种方法（信息比较简略）： desc 表名；

删除索引

bash 复制代码

第一种方法-删除主键索引： alter table 表名 drop primary key;
第二种方法-其他索引的删除： 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
mysql> alter table user10 drop index idx_name;
第三种方法方法： drop index 索引名 on 表名
mysql> drop index name on user8

除了主键，我们也会重复使用别的字段，因此我们也可以设置唯一索引和普通索引

bash 复制代码

第一种方式
-- 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);

唯一索引的特点：

一个表中，可以有多个唯一索引

查询效率高

如果在某一列建立唯一索引，必须保证这列不能有重复数据

如果一个唯一索引上指定not null，等价于主键索引

其实它和普通索引不会有太大区别，主要是就是进行了不能重复的约束，前面部分的删除可以看到，把主键索引和其他索引分开了，也就意味着其他索引指的是唯一索引和普通索引。

可以看到如果是唯一键的话，索引的名字是以设置索引的字段命名的

普通索引的创建

bash 复制代码

第一种方式
create table user8(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
);

bash 复制代码

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

bash 复制代码

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：

一个表中可以有多个普通索引，普通索引在实际开发中用的比较多

如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

复合索引

最左前缀原则： 查询时必须包含索引的最左列（name）才能高效利用该索引，仅用 email 查询无法触发此索引。
存储结构： 在 B+ 树中，先按 name 排序，再按 email 排序，因此联合索引能同时优化 WHERE name=? 和 WHERE name=? AND email=? 的查询。
索引覆盖： 查询需要的所有字段（select 列 +where 条件列）都能从索引本身中获取，无需回表查询聚簇索引（主键索引）的叶子节点获取数据。

bash 复制代码

-- 查询的 name/email 都在联合索引中，无需回表
SELECT name, email FROM user WHERE name = '张三';

-- 即使查主键id，也能覆盖（二级索引叶子节点自带主键id）
SELECT id, name, email FROM user WHERE name = '张三';

-- age 字段不在联合索引中，需要回表查聚簇索引
SELECT name, email, age FROM user WHERE name = '张三';

并且where email='xxx' 这个查询，既无法有效利用 (name, email)联合索引，也触发不了索引覆盖，核心原因是违背了联合索引的「最左前缀原则」。

全文索引

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)。

虽然我们创建时使用了全文索引，但不代表会自动使用到它

那我们怎么使用全文索引呢？如下图

全文索引只需要了解一下即可
索引创建原则

比较频繁作为查询条件的字段应该创建索引

唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件

更新非常频繁的字段不适合作创建索引

不会出现在where子句中的字段不该创建索引
并且我们的索引所需要的B+树在MySQL中不一定只有一棵，也可以有多棵。比如有一个主键索引和一个普通索引，就会需要两棵B+树，主键索引树存整行数据，普通索引树存主键值，查普通索引时，默认会「回表」（先查普通索引树拿主键，再查主键树拿数据），覆盖索引可避免回表（索引字段本身 + 主键，只有查询的字段是这两类时，才是覆盖索引）。
🌸🌸MySQL之索引大概就讲到这里啦，博主后续会继续更新更多Qt的相关知识，干货满满，如果觉得博主写的还不错的话，希望各位小伙伴不要吝啬手中的三连哦！如有小伙伴需要Qt的安装包可以私信我，你们的支持是博主坚持创作的动力！💪💪