MySQL 高频考点：表连接与索引全解析

目录

一、表的内连和外连

1.1内连接

1.2外连接

1.2.1左外连接

1.2.2右外连接

二、没有索引的情况

[2.1 索引是什么？](#2.1 索引是什么？)

[2.2 没有索引会有什么问题？](#2.2 没有索引会有什么问题？)

[2.3 常见索引类型](#2.3 常见索引类型)

2.4实战验证

三、认识磁盘

四、MySQL与磁盘交互基本单位

五、建立共识

六、索引的理解

[6.1为什么必须以 Page 为单位？](#6.1为什么必须以 Page 为单位？)

6.2理解单个Page

6.3理解多个Page

6.4页目录

6.4.1单页情况

6.4.2多页情况

6.5如果不是主键索引，那底层还是B+树吗

[6.5.1先给结论：非主键索引，底层依然是 B + 树](#6.5.1先给结论：非主键索引，底层依然是 B + 树)

6.5.2核心差异：叶子节点的存储内容，才是关键

[1. 先回顾：主键索引的叶子节点](#1. 先回顾：主键索引的叶子节点)

[2. 非主键索引的叶子节点：「索引键 + 主键值」](#2. 非主键索引的叶子节点：「索引键 + 主键值」)

6.5.3关键疑问：为什么非要带这个主键值？

[1. 避免数据冗余，减少存储空间](#1. 避免数据冗余，减少存储空间)

[2. 实现「回表查询」，拿到完整数据](#2. 实现「回表查询」，拿到完整数据)

6.5.4特殊情况：如果表没有主键怎么办？

6.6为什么必须要B+树，其他数据结构为何不行？

[6.7聚簇索引 VS 非聚簇索引](#6.7聚簇索引 VS 非聚簇索引)

[6.7.1先搞懂核心定义：聚簇索引 vs 非聚簇索引](#6.7.1先搞懂核心定义：聚簇索引 vs 非聚簇索引)

[1. 非聚簇索引（也叫堆表索引）](#1. 非聚簇索引（也叫堆表索引）)

[2. 聚簇索引](#2. 聚簇索引)

6.7.2MyISAM：非聚簇索引的典型实现

[1. 文件结构：索引与数据完全分离](#1. 文件结构：索引与数据完全分离)

[2. 索引结构：叶子节点存数据地址](#2. 索引结构：叶子节点存数据地址)

[3. 辅助索引：和主键索引没有本质区别](#3. 辅助索引：和主键索引没有本质区别)

七、索引的操作

7.1查询索引

7.2创建主键索引

7.3唯一索引的创建

7.4普通索引的创建

7.5全文索引的创建

7.6删除索引

7.7索引创建原则

---

一、表的内连和外连

表的连接分为内连和外连

1.1内连接

内连接实际上就是利用where子句对两种表形成的笛卡儿积进行筛选，我们前面学习的查询都是内连接，也是在开发过程中使用的最多的连接查询。

select 字段 from 表1 inner join 表2 on 连接条件 and 其他条件；

样例：显示SMITH的名字和部门名称

mysql> select ename,dname from emp,dept where emp.deptno = dept.deptno and ename = 'SMITH';
+-------+----------+
| ename | dname    |
+-------+----------+
| SMITH | RESEARCH |
+-------+----------+
1 row in set (0.00 sec)



---标准的内连接写法
mysql> select ename,dname from emp inner join dept on emp.deptno = dept.deptno and ename = 'SMITH';
+-------+----------+
| ename | dname    |
+-------+----------+
| SMITH | RESEARCH |
+-------+----------+
1 row in set (0.01 sec)

1.2外连接

外连接分为左外连接和右外连接

1.2.1左外连接

如果联合查询，左侧的表完全显示我们就说是左外连接。

select 字段名  from 表名1 left join 表名2 on 连接条件

样例：

-- 建两张表
create table stu (id int, name varchar(30)); -- 学生表
insert into stu values(1,'jack'),(2,'tom'),(3,'kity'),(4,'nono');
create table exam (id int, grade int); -- 成绩表
insert into exam values(1, 56),(2,76),(11, 8);

查询所有学生的成绩，如果这个学生没有成绩，也要将学生的个人信息显示出来

mysql> select * from stu left join exam on stu.id = exam.id;
+------+------+------+-------+
| id   | name | id   | grade |
+------+------+------+-------+
|    1 | jack |    1 |    56 |
|    2 | tom  |    2 |    76 |
|    3 | kity | NULL |  NULL |
|    4 | nono | NULL |  NULL |
+------+------+------+-------+
4 rows in set (0.00 sec)

1.2.2右外连接

如果联合查询，右侧的表完全显示我们就说是右外连接。

select 字段 from 表名1 right join 表名2  on 连接条件；

样例：

对stu表和exam表联合查询，把所有的成绩都显示出来，即使这个成绩没有学生与它对应，也要显示出来

mysql> select * from stu right join exam on stu.id = exam.id;
+------+------+------+-------+
| id   | name | id   | grade |
+------+------+------+-------+
|    1 | jack |    1 |    56 |
|    2 | tom  |    2 |    76 |
| NULL | NULL |   11 |     8 |
+------+------+------+-------+
3 rows in set (0.00 sec)

二、没有索引的情况

2.1 索引是什么？

索引是数据库中用于提升数据检索性能的核心机制，被称为 "物美价廉" 的优化手段：

• 优势：无需额外扩容内存、修改业务代码或复杂调优 SQL，仅通过正确创建索引，即可让查询速度提升数百倍甚至上千倍，尤其在海量数据场景下效果显著。
• 代价：查询性能的提升并非无成本 ------ 索引会降低INSERT/UPDATE/DELETE等写操作的效率，因为每次数据变更都需要额外维护索引结构，会增加大量磁盘 IO 开销。

2.2 没有索引会有什么问题？

当表中数据量较大时，无索引的查询会触发全表扫描：数据库需要逐行遍历表中所有数据，直到找到目标记录，查询效率会随数据量增长急剧下降，甚至导致服务响应超时、数据库 CPU/IO 资源耗尽。

2.3 常见索引类型

索引类型	关键字	核心特点
主键索引	PRIMARY KEY	非空、唯一，一张表只能有一个，是 InnoDB 聚簇索引的核心
唯一索引	UNIQUE	索引列的值必须唯一（允许一个 NULL 值），避免数据重复
普通索引	INDEX	最基础的索引，无唯一性约束，仅用于提升查询效率
全文索引	FULLTEXT	专门用于解决大文本字段（如文章、描述）的模糊检索问题，支持全文搜索

2.4实战验证

先整一个海量表，在查询的时候，看看没有索引时有什么问题？

构建一个8000000条数据（先不用理解这个创造代码）

-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin 
 declare chars_str varchar(100) default
   'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
 declare return_str varchar(255) default '';
 declare i int default 0;
 while i < n do 
   set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
   set i = i + 1;
   end while;
 return return_str;
 end $$
delimiter ;
--产生随机数字
delimiter $$
create function rand_num()
returns int(5)
begin 
 declare i int default 0;
 set i = floor(10+rand()*500);
return i;
end $$
delimiter ;
--创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0; 
 set autocommit = 0;  
 repeat
  set i = i + 1;
  insert into EMP values ((start+i) 
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
 until i = max_num
 end repeat;
 commit;
end $$
delimiter ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

• 查询员工编号为998877的员工

  mysql> select * from EMP where empno=998877;
  +--------+--------+----------+------+---------------------+---------+--------+--------+
  | empno | ename | job | mgr | hiredate | sal | comm | deptno |
  +--------+--------+----------+------+---------------------+---------+--------+--------+
  | 998877 | reuNDE | SALESMAN | 0001 | 2026-05-19 00:00:00 | 2000.00 | 400.00 | 114 |
  +--------+--------+----------+------+---------------------+---------+--------+--------+
  1 row in set (5.01 sec)

可以看到耗时5.01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。

• 解决方法，创建索引

  alter table EMP add index(empno);

• 换一个员工编号，测试看看查询时间

  mysql> select * from EMP where empno=123456;
  +--------+--------+----------+------+---------------------+---------+--------+--------+
  | empno | ename | job | mgr | hiredate | sal | comm | deptno |
  +--------+--------+----------+------+---------------------+---------+--------+--------+
  | 123456 | UoLNFM | SALESMAN | 0001 | 2026-05-19 00:00:00 | 2000.00 | 400.00 | 455 |
  +--------+--------+----------+------+---------------------+---------+--------+--------+
  1 row in set (0.02 sec)

三、认识磁盘

在我的另一篇博客中有详细说明，这里不再叙述

链接：深度拆解 Linux Ext 系列文件系统：从硬件底层到软硬链接全流程-CSDN博客

我们整理并理解，得出结论：

为什么不直接按扇区交互 IO？

• 避免硬件强耦合如果直接用扇区（512 字节 / 4096 字节）交互，IO 代码会和硬件绑定。一旦磁盘硬件规格变化，系统必须跟着修改，可移植性极差。
• 解决效率问题单次 IO 512 字节的粒度太小，读取相同数据需要更多次磁盘访问，会大幅降低效率。
• 文件系统的抽象层设计 文件系统在磁盘物理结构之上做了抽象，它的读写基本单位是数据块（Block），而非物理扇区。Linux 系统中常见的基本单位是 4KB。

磁盘访问方式：随机访问 vs 连续访问

访问方式	定义	特点
随机访问	两次 IO 请求的扇区地址不连续	磁头需要大幅移动才能完成读写，定位开销大
连续访问	两次 IO 请求的扇区地址连续	磁头无需大幅移动，可快速完成读写，开销极低

机械磁盘的磁头移动是最耗时的操作，因此连续访问的效率远高于随机访问；随机访问需要频繁移动磁头定位，开销大、效率低。

四、MySQL与磁盘交互基本单位

MySQL InnoDB 的基本单位是数据页（默认 16KB）这是数据库为了适配高并发、高 IO 场景，在文件系统之上做的更高层级抽象。

mysql> mysql> show global stat 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 |
+------------------+-------+
1 row in set (0.03 sec)

拓展：InnoDB 页的工作流程

1. 加载：查询数据时，InnoDB 先检查 Buffer Pool 中是否有目标数据所在的页，没有则从磁盘加载整个 16KB 页到内存。
2. 修改：数据修改在内存中的页内完成，修改后的页会被标记为 "脏页"。
3. 刷盘：脏页不会立即写回磁盘，而是在合适时机（如内存不足、定期刷盘）一次性写回磁盘，进一步减少 IO 次数。

五、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的数据。
• 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当中。
• 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

磁盘数据页 → 加载到Buffer Pool（内存） → CPU操作内存中的数据页 → 脏页按策略批量刷回磁盘

整个流程的核心，就是通过「页为单位的 IO 交互」和「Buffer Pool 缓存」，尽可能避开机械硬盘的性能短板。

六、索引的理解

• 建立测试表-------一定添加主键！

  mysql> create table user(
  -> id int primary key,
  -> age int not null,
  -> name varchar(16) not null
  -> );
  Query OK, 0 rows affected (0.08 sec)

  mysql> show create table user\G
  *************************** 1. row ***************************
  Table: user
  Create Table: CREATE TABLE user (
  id int NOT NULL,
  age int NOT NULL,
  name varchar(16) COLLATE utf8mb4_unicode_ci NOT NULL,
  PRIMARY KEY (id)
  ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci
  1 row in set (0.01 sec)

• 插入多条记录

  mysql> insert into user value(3,19,'cc');
  Query OK, 1 row affected (0.02 sec)

  mysql> insert into user value(4,13,'aa');
  Query OK, 1 row affected (0.00 sec)

  mysql> insert into user value(2,43,'jj');
  Query OK, 1 row affected (0.01 sec)

  mysql> insert into user value(5,54,'ww');
  Query OK, 1 row affected (0.01 sec)

  mysql>
  mysql> insert into user value(1,65,'dd');
  Query OK, 1 row affected (0.01 sec)

• 查看插入结果

发现竟然默认是有序的!!!!

mysql> select * from user;
+----+-----+------+
| id | age | name |
+----+-----+------+
|  1 |  65 | dd   |
|  2 |  43 | jj   |
|  3 |  19 | cc   |
|  4 |  13 | aa   |
|  5 |  54 | ww   |
+----+-----+------+
5 rows in set (0.00 sec)

这里我们先理解接下来几个问题：

6.1为什么必须以 Page 为单位？

先看一个极端的例子：假设我们的表中有 5 条记录，id 分别是 1~5，都存在磁盘上。如果 MySQL 真的做到 "用多少加载多少"，也就是每次只加载需要的那一条记录，会发生什么？

• 当查询id=2的记录时：第一次 IO 加载 id=1，第二次 IO 加载 id=2，总共需要2 次 IO；
• 当查询id=5的记录时：需要依次加载 id=1~5，总共需要5 次 IO。

这种方式看似 "精准高效"，但实际上会带来灾难性的后果：数据量越大、查询越分散，IO 的次数就越多，性能会被直接拉到谷底。

那 MySQL 的真实设计是什么？答案是：以 **Page（页）** 为单位和磁盘进行 IO 交互，默认大小为 16KB。还是上面的例子：如果这 5 条记录（甚至更多）都存在同一个 Page 里，会发生什么？

• 当第一次查询id=2时：MySQL 会一次性把整个 Page 加载到内存的Buffer Pool中，只需要1 次 IO；
• 后续再查询id=1/3/4/5时：数据已经在内存里了，完全不需要再走磁盘 IO，直接内存访问即可。

可以看到，通过一次加载整个 Page，后续同 Page 内的所有查询都变成了无 IO 的内存操作，IO 次数被大幅减少。

看到这里你可能会问：凭什么保证用户下次查询的数据，刚好就在这次加载的 Page 里？我们无法 100% 保证，但基于计算机科学中的局部性原理，这种 "预加载" 的命中率极高：

1. 空间局部性：如果一个数据被访问，那么它附近的数据也大概率会被很快访问（比如按 id 顺序查询、范围查询，都是访问相邻的数据）；
2. 时间局部性：如果一个数据被访问，那么它在短期内大概率会被再次访问（比如热点数据、频繁被查询的记录）。

正因为局部性原理的存在，一次加载整个 Page 的收益极高：只付出一次 IO 的成本，就能换来大量后续查询的性能提升。

MySQL 以 Page 为单位和磁盘交互，本质上是一个用 "单次 IO 的微小额外开销"，换取 "整体 IO 次数大幅减少" 的性能优化方案。它完美利用了局部性原理，直击磁盘 IO 的核心瓶颈，也是 MySQL 能支撑高并发查询的基础设计之一。

6.2理解单个Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织 ,我们目前可以简单理解 成一个个独立文件是有一个或者多个Page构成的

回到刚开始的问题：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。

6.3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。

Page 设计解决了磁盘 IO 的问题，却把性能瓶颈转移到了 CPU 层面的线性查找上。我们需要一种新的结构，既能保留 Page 减少 IO 的优势，又能把查找效率从 O (n) 提升到 O (log n)。我们就需要下面的这些东西：

6.4页目录

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看指针章节>，找到该章节有两种做法

• 从头逐页的向后翻，直到找到目标内容
• 通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位

本质上，书中的目录，是多花了纸张的，但是却提高了效率。所以，目录，是一种"空间换时间的做法"

6.4.1单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以

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？

可以很方便引入目录

6.4.2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。

在遍历时，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？不用担心，可以再加目录页

这看起来就是B + 树！！！！没错就是这样！！！！

至此，我们已经给我们的表user构建完了主键索引。这就是InnoDB下的索引结构。

关于B+树有几点：

• 1. 非叶子节点只存 "目录项"，不存真实数据

💡 这个设计的关键价值：

非叶子节点不存数据，单个节点能存储的目录项数量大幅增加，树的高度会被压得很低（通常 3-4 层就能支撑千万级数据）；查找数据时，只需顺着目录项从根节点往下走几次，就能定位到目标数据所在的叶子节点。

• 2. 所有叶子节点通过双向链表级联起来

💡 这个设计的关键价值：

所有存储真实数据的叶子节点，会按照索引键的顺序，通过双向链表串联成一个有序的链表；这个设计和 Page 的原生结构完全兼容：每个叶子节点本身就是一个 Page，节点之间的链表，正是对 Page 双向链表的优化升级。

6.5如果不是主键索引，那底层还是B+树吗

拆解了主键索引的 B + 树设计，它完美解决了 Page 线性查找的性能瓶颈，同时保留了 "按页加载减少 IO" 的优势。但日常开发中，我们建得更多的是非主键索引（也叫二级索引）：比如给name、phone这类列建的普通索引、联合索引。

很多人会有两个核心疑问：

1. 非主键索引的底层，也是 B + 树吗？
2. 都说非主键索引的叶子节点存「索引键 + 主键值」，我建索引时没加主键，这个主键值是哪里来的？

今天我们一次性把这两个问题讲透，彻底搞懂二级索引的底层逻辑。

6.5.1先给结论：非主键索引，底层依然是 B + 树

在 InnoDB 存储引擎中，所有索引的底层数据结构都是 B + 树，包括主键索引和所有非主键索引。

它和主键索引的 B + 树，共享了 B + 树的两大核心设计：

1. 非叶子节点只存目录项 ：不存任何真实数据，只存「索引键值 + 子节点指针」，用来快速定位目标数据所在的叶子节点，保证查询时间复杂度为O(log n)；
2. 叶子节点按索引键有序排列，并用双向链表串联：既支持高效的等值查询，也支持范围查询，同时兼容 Page 的有序存储，减少磁盘 IO。

6.5.2核心差异：叶子节点的存储内容，才是关键

非主键索引和主键索引的 B + 树，最大的区别，就是叶子节点里存的东西不一样，这也是疑问的核心所在。

1. 先回顾：主键索引的叶子节点

主键索引的叶子节点，存储的是完整的行数据 ，每个叶子节点就是一个数据页（Page）。比如表user的主键索引叶子节点，直接存着(id=1, name='张三', age=20, gender='男')这样的完整数据。

2. 非主键索引的叶子节点：「索引键 + 主键值」

非主键索引的叶子节点，不会存储完整的行数据，只会存储两个部分：

• 第一部分：你建索引时指定的「索引键值」（比如给name建索引，这里就是'张三'、'李四'）；
• 第二部分：表本身的主键值 （比如id=1、id=2），这部分是 InnoDB自动附加的，不需要你在建索引时声明。

举个最直观的例子：我们有一张user表，建表语句如下：

CREATE TABLE user (
    id INT PRIMARY KEY AUTO_INCREMENT, -- 主键
    name VARCHAR(20),
    age INT
);

-- 给name列建普通索引
CREATE INDEX idx_name ON user(name);

只指定了name作为索引列，但底层idx_name这个 B + 树的叶子节点，每个条目会自动变成这样：

索引键（name）	自动附加的主键值（id）
张三	1
李四	2
王五	3

这里的id，就是表本身的主键，是 InnoDB 强制存进去的，和你建索引的语句无关。

6.5.3关键疑问：为什么非要带这个主键值？

很多人会问：我只按name查数据，为什么索引里非要存id？这不是多余的吗？

其实这个设计，是 InnoDB 的核心逻辑，解决了两个关键问题：

1. 避免数据冗余，减少存储空间

主键索引（聚簇索引）的叶子节点，已经存了完整的行数据。如果非主键索引的叶子节点也存完整数据，就会导致：

• 同一份数据，在主键索引和多个二级索引里重复存储；
• 数据更新时，需要同时更新所有索引里的冗余数据，不仅占空间，还会降低写入性能。

而只存主键值，就可以让所有二级索引都指向聚簇索引里的同一份数据，完美避免了冗余。

2. 实现「回表查询」，拿到完整数据

非主键索引的 B + 树，只能帮你快速找到「索引键对应的主键值」，但你查询时如果需要完整的行数据（比如SELECT *），就必须拿着这个主键值，再去主键索引的 B + 树里，查询完整的行数据。这个过程，我们称之为回表。

举个例子：执行SELECT * FROM user WHERE name='张三';的完整流程：

1. 第一步：查二级索引 ：在idx_name的 B + 树里，找到name='张三'对应的叶子节点，拿到主键值id=1；
2. 第二步：回表查主键索引 ：拿着id=1，去主键索引的 B + 树里，查询到完整的行数据(id=1, name='张三', age=20)。

可以说，叶子节点里的主键值，就是二级索引和聚簇索引之间的 "桥梁"，没有它，二级索引根本无法拿到完整数据。

6.5.4特殊情况：如果表没有主键怎么办？

如果你的表没有显式定义主键，也没有定义非空的唯一索引，InnoDB 会自动生成一个隐藏的 6 字节row_id作为表的主键。

此时，非主键索引的叶子节点里，依然会带上这个隐藏的row_id，结构还是「索引键 + 主键值」，逻辑完全不变。你看不到这个row_id，但它会被 InnoDB 默默维护着。

很多人学索引时，会把主键索引和非主键索引当成两个完全无关的东西，但实际上，它们是紧密绑定的：

• 聚簇索引是数据的 "本体"，存着完整的行数据；
• 二级索引是数据的 "快捷方式"，通过主键值指向本体，既保证了查询效率，又避免了数据冗余。

理解了这一点，你就能明白为什么我们建表时，一定要定义主键；也能明白为什么覆盖索引能大幅提升查询性能。

6.6为什么必须要B+树，其他数据结构为何不行？

• 链表？线性遍历
• 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。
• B树？最值得比较的是 InnoDB 为何不用B树作为底层索引？

B树：

B+树：

• 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

为何选择B+

• 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。
• 叶子节点相连，更便于进行范围查找

6.7聚簇索引 VS 非聚簇索引

6.7.1先搞懂核心定义：聚簇索引 vs 非聚簇索引

1. 非聚簇索引（也叫堆表索引）

• 核心特点：索引数据与用户数据完全分离，索引树的叶子节点存储的是「数据的物理地址」，而非数据本身。
• 查询逻辑：先通过索引找到数据的物理地址，再去数据文件中读取数据。
• 典型实现：MySQL 的 MyISAM 存储引擎。

2. 聚簇索引

• 核心特点：索引数据与用户数据绑定在一起，表中的数据行按照聚簇索引键的顺序，直接存储在索引树的叶子节点中。
• 查询逻辑：直接通过索引树就能拿到完整的行数据，不需要额外的地址跳转。
• 典型实现：MySQL 的 InnoDB 存储引擎（主键索引就是聚簇索引）。

6.7.2MyISAM：非聚簇索引的典型实现

MyISAM 是 MySQL 早期的默认存储引擎，它采用的就是非聚簇索引的设计，我们从文件结构和索引结构两方面来看。

1. 文件结构：索引与数据完全分离

创建 MyISAM 表后，磁盘上会生成 3 个独立的文件：

mysql> create database myisam_test;
Query OK, 1 row affected (0.01 sec)

mysql> use myisam_test;
Database changed
mysql> create table mtest(
    -> id int primary key,
    -> name varchar(11) not null
    ->  )engine=MyISAM; 
Query OK, 0 rows affected (0.03 sec)

[root@rockylinux001 mysql]# cd /var/lib/mysql/myisam_test/
[root@rockylinux001 myisam_test]# ll
total 8
-rw-r-----. 1 mysql mysql 2842 May 20 13:27 mtest_422.sdi
-rw-r-----. 1 mysql mysql    0 May 20 13:27 mtest.MYD
-rw-r-----. 1 mysql mysql 1024 May 20 13:27 mtest.MYI

文件	作用
mtest.MYD	存储表的真实数据（MyISAM Data）
mtest.MYI	存储表的索引数据（MyISAM Index）
mtest_422.sdi	存储表的结构定义（字段、主键等）

哪怕是一张空表，只要创建了主键索引，MYI文件也会生成索引结构，而MYD文件初始为空，数据和索引是完全分开的。

创建InnoDB 表后，磁盘上会生成1个独立的文件：

[root@rockylinux001 myisam_test]# cd /var/lib/mysql/test/
[root@rockylinux001 test]# ll
-rw-r-----. 1 mysql mysql 114688 May 20 11:47 user.ibd

2. 索引结构：叶子节点存数据地址

MyISAM 的主键索引和辅助索引，底层都是 B + 树结构，但叶子节点存储的不是数据，而是数据在MYD文件中的物理地址：

• 非叶子节点：存储索引键值 + 子节点指针，和普通 B + 树一致；
• 叶子节点：存储索引键值 + 数据物理地址（如0x07、0x56），通过这个地址，才能在MYD文件中找到对应的行数据。

举个例子，查询主键id=15的数据：

1. 在主键索引的 B + 树中找到叶子节点，拿到地址0x07；
2. 拿着0x07去MYD文件中读取对应的行数据(15, 34, Bob)。

3. 辅助索引：和主键索引没有本质区别

MyISAM 的辅助索引（普通索引）和主键索引的结构几乎完全一致，叶子节点同样存储数据的物理地址，只是索引键换成了辅助索引的列值。比如基于Col2建立的辅助索引，查询Col2=34的数据：

1. 在辅助索引的 B + 树中找到叶子节点，拿到地址0x07；
2. 同样去MYD文件中读取数据，和主键索引的查询逻辑没有区别。

七、索引的操作

7.1查询索引

• show keys from 表名

  mysql> show keys from user3\G
  *************************** 1. row ***************************
  Table: user3
  Non_unique: 0
  Key_name: PRIMARY
  Seq_in_index: 1
  Column_name: id
  Collation: A
  Cardinality: 0
  Sub_part: NULL
  Packed: NULL
  Null:
  Index_type: BTREE
  Comment:
  Index_comment:
  Visible: YES
  Expression: NULL
  1 row in set (0.00 sec)

• show index from 表名

• desc 表名

7.2创建主键索引

• 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));

• 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));

• 创建表以后再添加主键

  mysql> create table user3(id int, name varchar(30));
  Query OK, 0 rows affected (0.03 sec)

  mysql> alter table user3 add primary key(id);
  Query OK, 0 rows affected (0.06 sec)
  Records: 0 Duplicates: 0 Warnings: 0

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

7.3唯一索引的创建

• 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);

• 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));

• 创建表以后再添加unique

  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

7.4普通索引的创建

• 在表的定义最后，指定某列为索引

  mysql> create table user4(id int primary key,
  -> name varchar(20),
  -> email varchar(30),
  -> index(name)
  -> );
  Query OK, 0 rows affected (0.03 sec)

• 创建完表以后指定某列为普通索引

  mysql> create table user5(id int primary key,
  -> name varchar(20),
  -> email varchar(30));
  Query OK, 0 rows affected (0.05 sec)

  mysql> alter table user5 add index(name);
  Query OK, 0 rows affected (0.02 sec)
  Records: 0 Duplicates: 0 Warnings: 0

• 创建一个索引名为 idx_name 的索引

  mysql> create table user6(id int primary key,
  -> name varchar(20),
  -> email varchar(30));
  Query OK, 0 rows affected (0.03 sec)

  mysql> create index idx_name on user6(name);
  Query OK, 0 rows affected (0.02 sec)
  Records: 0 Duplicates: 0 Warnings: 0

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

7.5全文索引的创建

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)。

CREATE TABLE articles (
 id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
 title VARCHAR(200),
 body TEXT,
 FULLTEXT (title,body)
)engine=MyISAM;

INSERT INTO articles (title,body) VALUES
 ('MySQL Tutorial','DBMS stands for DataBase ...'),
 ('How To Use MySQL Well','After you went through a ...'),
 ('Optimizing MySQL','In this tutorial we will show ...'),
 ('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
 ('MySQL vs. YourSQL','In the following database comparison ...'),
 ('MySQL Security','When configured properly, MySQL ...');

• 查询有没有database数据

如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引:

mysql> select * from articles where body like '%database%';
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
+----+-------------------+------------------------------------------+

可以用explain工具看一下，是否使用到索引:

mysql> explain select * from articles where body like '%database%'\G
*************************** 1. row ***************************
           id: 1
 select_type: SIMPLE
       table: articles
         type: ALL
possible_keys: NULL
         key: NULL <== key为null表示没有用到索引
     key_len: NULL
         ref: NULL
         rows: 6
       Extra: Using where
1 row in set (0.00 sec)

• 如何使用全文索引呢？

  mysql> SELECT * FROM articles
  -> WHERE MATCH (title,body) AGAINST ('database');
  +----+-------------------+------------------------------------------+
  | id | title | body |
  +----+-------------------+------------------------------------------+
  | 5 | MySQL vs. YourSQL | In the following database comparison ... |
  | 1 | MySQL Tutorial | DBMS stands for DataBase ... |
  +----+-------------------+------------------------------------------+

通过explain来分析这个sql语句:

mysql> explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST 
('database')\G
*************************** 1. row ***************************
           id: 1
 select_type: SIMPLE
       table: articles
         type: fulltext
possible_keys: title
         key: title <= key用到了title
     key_len: 0
         ref: 
         rows: 1
       Extra: Using where

7.6删除索引

• 删除主键索引：

  alter table 表名 drop primary key;

• 其他索引的删除：

索引名就是show keys from 表名中的 Key_name 字段

alter table 表名 drop index 索引名

• 第三种方法方法：

  drop index 索引名 on 表名

7.7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