索引理解
1、建立测试表
2、插入多条记录
注意：这里并没有按照主键的大小顺序插入
3、查看插入结果
观察上图，我们可以发现既然默认的是有序的
说明：向一个具有主键的表中乱序插入数据，发现数据会自动排序
这是谁做的？为什么这样子做？排序又有什么好处？
4、为何IO交互要是Page
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，加载多少不好吗？
- 比如上面图中的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=2，一次一次记录，那么一共需要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，就能保存很多记录），那么第一次IO查找id=2时，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。往后如果在查找id=1，3，4，5等，完全不需要IO了，而是直接在内存中进行。
- 所以就在单个Page里面，大大减少了IO的次数
怎么保证，用户一定下次找的数据就在Page里面？
我们不能严格保证，但是又很大概览，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、理解单个Page
如何理解MYSQL中Page的概念？
在MySQL内部，一定需要并且会存在大量的Page，这也就决定了MySQL必须要将多个同时存在的Page管理起来
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，再组织。所以，不要简单的将Page理解成是一个内存卡，Page内部也必须写入对应的管理信息，我们目前可以简单理解成一个独立文件是有一个或者多个Page构成的
struct page
{
struct page* next;
struct page* prev;
char buffer[NUM];
};
不同的Page，再MySQL中，都是16KB，使用prev和next进行双向链表
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内部数据记录可以看出，数据是有序彼此关联的
为什么数据库再插入数据时，要对其进行排序呢？
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。
正是因为有序，所以在查找时，从头到后都是有效查找，没有任何一个查找是浪费的，而且如果运气好的话，是可以提前结束查找过程的。
6、理解多个Page
通过上面的分析可以知道，再上面页模式中只有一个功能，就是再 某查询某跳段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 ，从而提升性能
但是，也可以看到，现在的页模式内部实际再实际上是采用了链表结构，前一条指向后一条数据，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彼此采用双链表连接起来，而且每一个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，效率太低了
7、页目录
我们在看《谭浩强 C 程序设计》这本书时，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），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"。
8、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，以前必须线性遍历 4 次，才能拿到结果。现在直接通过目录 23 可以 直接进行定位新的起始位置，提高了效率。
那么为何通过键值 MySQL 会自动排序？
可以很方便地引入目录。
9、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。
注意，上面的图是理想结构，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，这里只做演示。
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，貌似这样也存在效率问题，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。这样就显得之前 Page 内部的目录有点杯水车薪了。
那么如何解决上述问题呢？
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来找到该访问那个 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？
不用担心，可以在加目录页。
MySQL Innode db 下的索引结构：（一般建表插入数据时，就是在该结构下进行 CURD
如果表中没有主键，也是这样吗？
也是的，会有默认主键。）
这就是 B+树 。
没错，至此，我们已经给我们的表 user 构建完了主键索引。
随便找一个 id= ？可以发现，现在查找的 Page 数一定减少了，就意味着 IO 次数减少了，那么效率也就提高了。
- 叶子节点保存了数据，但路上节点没有，也就是非叶子节点不要数据，只要目录项。非叶子节点不存数据，那么就可以存储更多的目录项，目录页可以管理更多的叶子 page。这棵树一定是 "矮胖型" 的树。如果是 "矮胖型" 的树，说明途径的路上节点减少，也就说明找到目标数据只需要更少的 page，IO 次数 更少，在 IO 层面提高了效率。每一个节点都有目录项，可以大大提高搜索效率。
- 叶子节点全都用链表级联起来。（为什么？首先，这是 b+树 的特点。我们希望进行范围查找。）
10、B+ VS B
（1）B 树
（2）B+ 树
- 目前这两棵树，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。
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。
（3）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：
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。
终端 A
终端 B
其中， MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引。
终端 A
终端 B
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，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。
为什么 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？
原因是太浪费空间了。