【MySQL10】进阶篇 | 索引_#1

一、前置环境准备

本次索引实验环境：Linux 环境安装好 MySQL，环境就绪。

二、索引概述

2.1 索引是什么

索引（index）是帮助 MySQL 高效获取数据的数据结构。

举个查询示例

sql

sql 复制代码

select *from user where age = 45

数据表没有索引 ：执行查询需要进行全表扫描，查询性能极差
数据表建立索引（例如二叉树结构）：经过几次匹配即可定位目标数据，检索效率大幅提升

2.2 索引优缺点

优点

大幅加快数据查询速度，降低磁盘 IO 消耗
借助索引完成排序，减少排序开销、降低 CPU 资源占用

缺点

索引本身占用磁盘存储空间（日常开发该开销基本可以忽略）
数据表新增、修改、删除的时候，需要同步维护索引结构，降低增删改的执行速度

三、MySQL 索引底层数据结构

索引是在存储引擎层实现，不同存储引擎支持的索引结构不一样

3.1 四类主流索引结构

B+Tree 索引（最常用、默认索引）
Hash 索引
R‑tree 空间索引
Full‑text 全文索引

3.2 各存储引擎支持清单

InnoDB：B+Tree 索引
MyISAM：B+Tree、R‑tree、全文索引
Memory：B+Tree、Hash 索引

创建索引不指定类型时，MySQL 默认选用 B+Tree 索引，下面重点解析 InnoDB 的 B+Tree

3.3 树结构演进：二叉树 → 红黑树 → B‑Tree → B+‑Tree

二叉树、红黑树：海量数据场景下树的层级过高，搜索耗时变长，不适合作数据库索引
B‑Tree（多路平衡查找树）
- 以最大度数 = 5 的 B‑Tree 举例：1 个节点最多 4 个 key、5 个子节点指针
- 通用公式：N个key → N+1个分支指针
- 节点元素溢出时，中间 key 向上分裂
- B 树可视化网站：https://www.cs.usfca.edu/~galles/visualization/BTree.html
B+‑Tree（InnoDB 索引底层）
1. 所有行数据 / 主键 key 全部存放在叶子结点
2. 全部叶子节点依靠指针组成单向链表，方便范围查询
3. 非叶子结点只存储索引键值，不存储完整行数据
4. 所有数据存储在磁盘「页 / 块」当中

InnoDB 存储层级关系：表空间 → 段 → 区 → 页 → 行

3.4 Hash 索引原理

通过哈希算法，把索引键换算成哈希值，映射至哈希表对应的槽位存储
Hash 冲突：多个键值计算之后指向同一个槽位，一般使用链表法解决冲突

Hash 索引特性

仅支持等值查询，不能用于范围检索
无法借助索引完成排序操作
查询速度极快，大多一次寻址即可命中

InnoDB 自带自适应哈希索引：引擎在运行期间，会根据 B+Tree 索引的访问情况，自动构建 Hash 索引优化热点查询

3.5 为什么 InnoDB 优先选用 B+Tree 而不选择其他结构

对比二叉树：B + 树分支多、树高度低，磁盘 IO 次数更少，搜索效率更高
对比普通 B‑Tree：B‑Tree 非叶子节点存放行数据，单个节点存放的索引键变少；海量数据场景树高度飙升，性能下降；B + 树非叶子结点只存主键，节点可以存放大量索引 key，树层级极低
对比 Hash 索引：B+Tree 支持范围查找、索引排序、前缀匹配，适配绝大多数业务场景

四、InnoDB 索引分类

4.1 按照索引功能划分

表格

索引类型	说明	约束	关键字
主键索引	数据表主键建立索引	一张表只能 1 个	`PRIMARY`
唯一索引	索引字段数值不可重复	一张表可创建多个	`UNIQUE`
全文索引	检索文本关键词，而非等值比对	一张表可创建多个	`FULLTEXT`

4.2 按索引存储形式划分（InnoDB 核心概念）

（1）聚集索引（聚簇索引）

索引结构叶子节点直接存放完整行数据
InnoDB 强制一张表必须有且仅有一个聚簇索引

聚簇索引选定优先级

手动设置的主键，优先作为聚集索引

无主键，则选取第一个唯一非空索引

没有合适索引，InnoDB 自动生成隐藏 row_id 充当聚集索引

（2）二级索引（普通索引 / 辅助索引）

索引叶子结点只存储主键 ID，不存储整行数据

4.3 回表查询原理

举个案例：user 表主键 id、name 建立普通二级索引

sql

sql 复制代码

select *from user where name = 'Arm';

在 name 二级索引 B + 树查到叶子结点保存的主键 id
使用 id 再去聚集索引 B + 树，读取完整行数据该过程就叫做回表查询

4.4 案例：两条 SQL 效率对比

sql

sql 复制代码

-- 语句1
select *from user where id = 10;
-- 语句2
select *from user where name = 'Arm';

语句 1：id 为主键聚集索引，直接读取叶子结点行数据，一次索引查找
语句 2：name 属于二级索引，需要先查到主键 id、再回表检索，两次 B + 树查询，速度慢于主键查询

4.5 InnoDB B+Tree 索引树高度推算

前提条件

InnoDB 一页大小默认 16KB，一行数据 1KB，一页存放 16 行记录
bigint 主键占用 8 字节；子节点指针占用 6 字节

设非叶子节点 key 数量为 n

\(n\times8 + (n+1)\times6=16\times1024\) 计算得出 n ≈ 1170

树高为 2：可存放 1170 * 16 条数据
树高为 3：可存放 1170 * 1170 *16，量级足够支撑日常业务，因此 InnoDB 索引树高度大多维持在 3 层

五、索引实操 SQL 语法

5.1 基础命令

sql

sql 复制代码

-- 创建索引
CREATE [UNIQUE | FULLTEXT] INDEX index_name ON table_name (index_col_name,...);

-- 查看表全部索引
SHOW INDEX FROM table_name;

-- 删除索引
DROP INDEX index_name ON table_name;

5.2 实战练习（tb_user 数据表）

name 字段允许重复，创建普通单列索引

sql

sql 复制代码

create index idx_user_name on tb_user(name);

phone 手机号唯一非空，建立唯一索引

sql

sql 复制代码

create unique index idx_user_phone on tb_user(phone);

建立 (profession, age, status) 联合索引

sql

sql 复制代码

create index idx_user_pro_age_sta on tb_user(profession, age, status);

email 字段普通索引优化查询

sql

sql 复制代码

create index idx_user_email on tb_user(email);

查看 tb_user 所有索引

sql

sql 复制代码

show index from tb_user;