目录
[1. 二叉搜索树（及变种：AVL、红黑树）](#1. 二叉搜索树（及变种：AVL、红黑树）)
[2. 哈希表](#2. 哈希表)
[3. B树（N叉搜索树）](#3. B树（N叉搜索树）)
[4. B+树（索引的核心数据结构）](#4. B+树（索引的核心数据结构）)
[1. 主键索引](#1. 主键索引)
[2. 普通索引](#2. 普通索引)
[3. 唯一索引](#3. 唯一索引)
[4. 全文索引](#4. 全文索引)
[5. 聚集索引 vs 非聚集索引（InnoDB引擎特性）](#5. 聚集索引 vs 非聚集索引（InnoDB引擎特性）)
[1. 创建索引的方式（SQL示例）](#1. 创建索引的方式（SQL示例）)
[2. 注意：大表加索引的风险](#2. 注意：大表加索引的风险)
[3. 删除索引](#3. 删除索引)
作为一名刚入行的后端开发，最近在啃MySQL索引这块的硬骨头，结合学习时的笔记，把++索引的概念、数据结构选型、B+树原理、索引类型与操作++等核心点整理成这篇博客，方便自己回顾~
一、索引是什么？为什么需要它？（职场视角：性能优化刚需）
索引相当于书的目录 ，核心作用是加快查询速度。但索引不是"免费午餐"：
-
代价1：消耗额外存储空间；
-
代价2 ：可能拖慢增删改速度（删除/修改常搭配
where条件，若where走索引，索引维护有开销）。
职场中通常索引利大于弊 ：存储成本（硬盘便宜）不是核心矛盾；实际开发里读频率远高于写频率（比如"作业表"场景：同学查看作业是读操作，写入记录是写操作，读远多于写）。
二、索引的候选数据结构：为什么最终选B+树？
索引需要高效的数据结构，我们逐一分析常见结构（职场面试高频考点！）：
1. 二叉搜索树（及变种：AVL、红黑树）
-
二叉搜索树：查找时间复杂度平均O(logN) ，但最坏O(N)（退化成链表）。
-
AVL树：要求++严格平衡++（任何节点左右子树高度差≤1），查询快，但插入/删除需频繁调整树结构，开销大。
-
红黑树：做了权衡，++不要求严格平衡++，把查询稍慢一点（几乎感知不到），换取插入/删除效率提升。
但二叉搜索树（包括AVL、红黑树）作为索引的问题：++树高过高++（元素多时），IO访问次数多（数据库从硬盘读数据，IO是瓶颈）。
2. 哈希表
哈希表查找时间复杂度O(1)，但缺陷明显：
-
仅支持相等条件查询 （如
=），不支持范围查询（< >）、模糊匹配； -
hash函数将key转为数组下标，无法利用数据的"有序性"。
3. B树（N叉搜索树）
B树是多叉搜索树，改进了二叉树的树高问题：
-
每个节点存
N个值，划分N+1个区间； -
一次IO操作可读取一个节点，拿到
N个key比较，减少IO次数。
但B树仍有不足，于是有了B+树（索引的专属数据结构）。
4. B+树（索引的核心数据结构）
B+树是B树的改进版，也是N叉搜索树，核心特点（职场面试必背！）：
-
叶子节点是数据全集 ，并通过双向链表串起来（方便范围查询）；
-
非叶子节点只存索引key 和子节点位置，叶子节点存完整数据行；
-
所有数据都在叶子节点，查询必须到叶子节点，中间过程开销稳定（查询开销稳定）；
-
N叉树，树高更低（和红黑树比较，IO次数更少）。
++B+树相比B树的优势：++
-
叶子节点数据全集+链表连接，范围查询极方便；
-
非叶子节点只存key，空间更小，更适合内存缓存；
-
查询必须到叶子，开销稳定；
-
树高更低，IO次数更少。
三、MySQL的"页"机制：B+树的物理载体
MySQL中，"页（page）"是B+树上的节点 ，也是数据库读写硬盘的基本单位。默认大小为16KB，可通过命令查看：
SHOW VARIABLES LIKE 'innodb_page_size';一个.ibd（表空间文件）包含很多页：
-
索引页（非叶子节点）：存key和子节点位置；
-
数据页（叶子节点）：存具体数据行。
页的结构设计利用了++局部性原理++ （程序大概率会连续访问附近数据），数据库每次从硬盘读数据时，++以页为单位读取++，减少IO次数。
四、索引的类型：职场常用分类（面试高频）
1. 主键索引
创建主键时，数据库自动建立的索引。如果表没有主键，数据库会自动创建"隐藏列"作为主键，围绕隐藏列设索引。
2. 普通索引
针对普通列，手动创建的索引。一个表可以有多个普通索引（类似字典里的"拼音目录""部首目录"）。
3. 唯一索引
列上设unique时，自动创建唯一索引。与普通索引类似，但不允许重复值，内部结构和主键有一定差别。
4. 全文索引
针对字符串类型列，支持模糊查询（如文章关键词搜索）。
5. 聚集索引 vs 非聚集索引（InnoDB引擎特性）
-
聚集索引：主键索引就是聚集索引，叶子节点保存++数据行++，整个数据表通过聚集索引组织；
-
非聚集索引：叶子节点不保存数据行，而是保存对应数据行的++主键id++ ，再回表查主键索引得到数据（比如
name列建非聚集索引，查询时需先查name的索引，拿到主键，再查主键索引）。
五、索引的操作与注意事项（职场实战）
1. 创建索引的方式（SQL示例）
sql
-- 方式一：创建表时指定索引列
create table t_test_index (
id bigint primary key auto_increment,
name varchar(20) unique,
sno varchar(10),
index(sno) -- 普通索引
);
-- 方式二：修改表添加索引
alter table t_test_index add index(sno);
-- 方式三：单独创建索引并指定名称
create index index_name on t_test_index(sno);2. 注意：大表加索引的风险
如果表已有千万级数据，再创建索引是++危险操作++（索引操作会在硬盘构建新的B+树，耗时久）。设计时应在建表初期规划好索引，生产环境加索引需谨慎（如停机维护、分批处理）。
3. 删除索引
数据库虽提供alter table 表名 drop index 索引名;，但一般很少手动删除（索引利大于弊，除非冗余或无效索引）。
4.展示索引
sql
show index from 表名;六、面试进阶：索引与数据库层级（从基础到高阶）
-
数据库基础：SQL使用、Java操作数据库；
-
数据库进阶：索引设计、高可用、分布式方案；
-
数据库高阶：InnoDB底层结构（如B+树）、深入面试题（如"页结构""聚簇/非聚簇索引区别"）。
总结（新人成长感悟）
索引是MySQL性能优化的核心，理解其++数据结构（B+树）、物理载体（页）、类型与操作++，是后端开发的必备技能。职场中遇到"查询慢""增删改"等问题，优先考虑索引是否合理；面试时，索引的底层原理（B+树、页、聚簇索引）也是高频考点。