01。前言看了很多关于索引的博客，说的都是同一个东西。但是关于索引的一些概念一直没搞懂，比如B-Tree索引，Hash索引，唯一索引……可能有很多人和我一样，在不了解概念的情况下开始研究B-Tree，B+Tree等结构，导致面试时回答不相关！什么是索引？索引是一种数据结构，可以帮助MySQL高效地检索数据。指数能做什么？提高数据查询效率。索引：用于快速查找的排序数据结构！索引会影响where之后的查找和orderby之后的排序。02.索引分类从存储结构上分为：BTree索引（B-Tree或B+Tree索引）、Hash索引、全索引全文索引、R-Tree索引。从应用层面划分：普通索引、唯一索引、复合索引根据数据的物理顺序和键值的逻辑（索引）顺序关系：聚簇索引、非聚簇索引。第一点描述了索引存储的形式，第二点是索引使用过程中的分类。两者分不同层次。但是，我们平时所说的索引类型，一般是指应用层面的划分。就像手机分类：安卓手机、IOS手机和华为手机、苹果手机、OPPO手机。普通索引：即一个索引只包含单列，一张表可以有多个单列索引唯一索引：索引列的值必须是唯一的，但允许空值）：它不是一个单独的索引类型，而是一种数据存储方式。具体细节取决于不同的实现。InnoDB的聚集索引实际上将B-Tree索引（技术上是B+Tree）和数据行保存在同一个结构中。非聚集索引：要么是聚集索引，要么是非聚集索引（严肃脸）。03.索引的底层实现mysql默认的存储引擎innodb只明确支持B-Tree（技术上讲，B+Tree）索引。对于频繁访问的表，innodb会透明地构建一个自适应的哈希索引，即在B树索引的基础上建立哈希索引，可以显着提高查找效率，并且对客户端透明、不可控、隐式。不谈存储引擎，只讨论基于哈希表的（抽象的）哈希索引的实现，只有与索引的所有列完全匹配的查询才有效。对于每一行数据，存储引擎会为所有的索引列计算一个哈希码（hashcode），哈希索引会将所有的哈希码存储在索引中，并在索引表中保存指向每一行数据的指针。B-Tree索引（MySQL使用B+Tree）B-Tree可以加速数据访问，因为存储引擎不再需要进行全表扫描来获取数据，数据分布在各个节点之间。B+Tree索引是B-Tree的改进版，也是数据库索引使用的存储结构。数据都在叶子节点上，加上顺序访问指针，每个叶子节点指向相邻叶子节点的地址。与B-Tree相比，在进行范围搜索时，只需要找到并遍历两个节点。B-Tree需要获取所有节点，相比之下B+Tree效率更高。与存储引擎讨论（一般默认使用B+Tree）案例：假设有一张以id为主键的student表idnamebirthday001Tom1996-01-01002Jann1996-01-04003Ray1996-01-08004Michael1996-01-10005Jack1996-01-13006Steven1996-01-23007Lily1996-01-25在MyISAM引擎中的实现（二级索引也是这样实现的）InnoDB中的实现04.问题：为什么索引结构默认使用B-Tree而不是hash、二叉树、红黑树？hash：虽然可以快速定位，但是没有顺序，IO复杂度高。二叉树：树的高度参差不齐，不能自平衡。查找效率与数据（树的高度）有关，IO成本高。红黑树：树的高度随着数据量的增加而增加，IO成本高。Q：为什么官方推荐使用自增主键作为索引。结合B+Tree的特点，自增主键连续，插入过程中尽量减少分页。即使需要分页，也只会分出一小部分。并且可以减少数据的移动，每次插入都是插入***。简而言之，就是减少分裂和移动的频率。Insertcontinuousdata：插入非时序数据
