一、引言
索引是数据库系统中用于加速数据检索的关键数据结构。理解索引的分类方式，有助于我们根据不同的应用场景选择合适的索引策略，从而优化查询性能。本文将从三个核心角度------数据结构角度 、物理存储角度 和逻辑角度，对数据库索引进行系统性的分类与解析。
二、从数据结构角度分类
这是最基础、最核心的分类方式，直接决定了索引的组织形式和查询效率。
1. B-Tree 索引
B-Tree（平衡多路搜索树）及其变种（如 B+Tree）是关系型数据库中最主流的索引结构。
- 结构特点：树形结构，所有叶子节点位于同一层，保证查询效率的稳定性（O(log n)）。
- 适用场景：范围查询（BETWEEN, >, <）、排序（ORDER BY）、前缀匹配（LIKE 'abc%'）以及精确匹配（=）。
- 代表数据库：MySQL（InnoDB）、PostgreSQL、Oracle 的默认索引类型。
2. 哈希索引
基于哈希表实现，将索引键通过哈希函数映射到特定的存储桶（bucket）。
- 结构特点：键值对存储，查询时间复杂度接近 O(1)。
- 适用场景 ：仅适用于等值查询（=），不支持范围查询、排序或前缀匹配。
- 代表数据库：MySQL 的 Memory 存储引擎、Redis。
3. 位图索引
为索引列的每个可能值创建一个位图（bitmap），每一位表示表中某一行是否包含该值。
- 结构特点：空间效率高，特别适合低基数（Cardinality）列，即列中不同值数量很少的情况。
- 适用场景：数据仓库、OLAP 系统中的多条件 AND/OR 查询，可快速进行位运算。
- 代表数据库：Oracle、某些列式存储数据库。
4. 倒排索引
全文检索的核心数据结构，记录单词到包含该单词的文档列表的映射。
- 结构特点：由"词典"和"倒排列表"组成，支持高效的全文关键词搜索。
- 适用场景：文本内容的模糊匹配、相关性搜索。
- 代表：Elasticsearch、Lucene、MySQL 的 FULLTEXT 索引。
5. R-Tree 索引
用于对多维数据（如地理空间数据）进行索引。
- 结构特点：将空间对象用其最小边界矩形（MBR）表示，并组织成树形结构。
- 适用场景：地理位置查询（"查找附近5公里内的店铺"）、图形重叠查询。
- 代表数据库：MySQL（SPATIAL 索引）、PostGIS。
三、从物理存储角度分类
此角度关注索引数据与表数据在磁盘上的组织关系。
1. 聚簇索引
表数据行的物理存储顺序与索引键值的顺序一致。一张表只能有一个聚簇索引。
- 存储特点：索引的叶子节点直接存储了完整的行数据。
- 优点：对于主键或范围查询，效率极高，因为相关数据物理上相邻。
- 缺点：插入速度可能受影响，需要维护数据的有序性。
- 示例：在 InnoDB 中，主键索引就是聚簇索引。
2. 非聚簇索引
索引的叶子节点不包含行数据，而是包含指向行数据存储位置的指针（如主键值或行ID）。
- 存储特点：索引结构与数据存储完全分离。
- 优点：一张表可以创建多个非聚簇索引。更新数据时，索引结构变动小。
- 缺点：查询可能需要"回表"，即先查索引找到指针，再根据指针去数据区查找完整行，产生额外的I/O。
- 示例：MySQL InnoDB 中的二级索引（Secondary Index）。
四、从逻辑角度分类
此角度基于索引所覆盖的列数量及其功能进行划分。
1. 单列索引
只基于表中的单个列创建的索引。
- 特点：最简单、最常用的索引类型。
- 创建语法示例（MySQL） ：
CREATE INDEX idx_name ON table_name (column_name);
2. 复合索引
基于多个列组合创建的索引，也称为联合索引或多列索引。
- 特点 ：索引键的顺序至关重要，遵循最左前缀匹配原则。
- 适用场景：查询条件或排序、分组涉及多个列。
- 创建语法示例 ：
CREATE INDEX idx_name ON table_name (col1, col2, col3);
3. 唯一索引
确保索引列（或列组合）的值在整个表中是唯一的。
- 特点：除了加速查询，还强制了数据的唯一性约束。
- 与主键区别：唯一索引允许 NULL 值（具体取决于数据库实现），而主键不允许。
4. 主键索引
一种特殊的唯一索引，用于唯一标识表中的每一行。在 InnoDB 中，主键索引就是聚簇索引。
5. 覆盖索引
这不是一种独立的索引类型，而是一种查询优化技术。
- 定义：如果一个索引包含了查询语句所需要的所有字段，那么查询就可以直接在索引中完成，无需"回表"访问数据行。
- 优点：极大提升查询性能，减少 I/O。
- 示例 ：表 t 有索引 (a, b)，查询
SELECT a, b FROM t WHERE a = 5;即可使用覆盖索引。
五、总结与对比
| 分类角度 | 索引类型 | 核心特点 | 典型应用 |
|---|---|---|---|
| 数据结构 | B-Tree | 平衡树，支持范围查询 | 通用场景，关系型数据库默认 |
| 数据结构 | 哈希 | 键值映射，O(1)查询 | 内存表，等值查询 |
| 数据结构 | 位图 | 位向量，空间效率高 | 低基数列，OLAP |
| 数据结构 | 倒排 | 词项到文档的映射 | 全文检索 |
| 数据结构 | R-Tree | 多维空间索引 | 地理信息系统（GIS） |
| 物理存储 | 聚簇索引 | 数据行按索引顺序存储 | 主键查询，范围扫描 |
| 物理存储 | 非聚簇索引 | 索引与数据分离，需回表 | 辅助查询，多索引场景 |
| 逻辑 | 单列索引 | 基于单列 | 简单条件查询 |
| 逻辑 | 复合索引 | 基于多列，最左前缀 | 多条件组合查询 |
| 逻辑 | 唯一索引 | 强制唯一性 | 防止重复数据 |
| 逻辑 | 主键索引 | 特殊的唯一索引 | 行标识，常为聚簇索引 |
| 逻辑 | 覆盖索引 | 索引包含查询所有字段 | 避免回表，性能优化 |
理解这些分类有助于我们在数据库设计与优化中做出明智的选择：根据查询模式选择数据结构（如 B-Tree 用于范围查询），根据数据访问模式考虑物理存储（聚簇索引优化主键访问），并根据业务逻辑创建合适的索引（如复合索引支持多列查询）。在实际应用中，这些分类往往是交叉的，例如，InnoDB 的主键是一个基于 B+Tree 数据结构的聚簇索引，同时也是一个逻辑上的唯一索引。