主键索引是InnoDB存储引擎默认为我们创建的一组索引结构。我们表中的数据也是直接放在主键索引中作为叶子节点的数据页。但是在开发的过程中，我们往往会根据业务需要在不同的领域建立索引。这些索引是二级索引。今天我们就给大家讲讲所有二级索引的原理。比如你给name字段加了一个索引，当你插入数据的时候，就会重建一个B+树。B+树的叶子节点也是数据页，只是在这个数据页中放置了主键字段和名称字段。叶子节点的数据页的name值和主键索引一样，都是按大小排序的。同一数据页中name字段的值大于上一个数据页中name字段的值。name字段的B+树也会构建多层索引页，其中包含下一层的页码和name字段的最小值。就这样：图1二级索引假设你要根据name字段来查找数据，比如：select*fromuserwherename='xxx'，这个过程和主键索引是一样的。从name索引的根节点开始查找，逐层查找，直到找到叶子节点，找到name字段值对应的主键值。但是此时叶子节点的数据页还没有所有的字段，所以需要根据主键在主键索引中查找。从主键索引的根节点找到叶子节点，就可以找到这一行数据的所有字段。这个过程被回调到表中。二级索引，可以为多个字段创建联合索引，比如name+age+sex，此时联合索引的原理和单个字段一样，只是放置了id+name+age在叶子节点+性别的数据页中，然后默认按姓名排序，姓名相同按年龄排序，年龄相同按性别排序。name+age+sex的每个索引页都包含下级节点的页码和最小的name+age+sex值。当你用name+age+sex来查找的时候，会走name+age+sex的联合索引树，然后回表查询。以上就是innoDB二级索引的原理。你觉得仅此而已吗？索引的优缺点随着我们不断往表中插入数据，我们也会不断往数据页中插入数据，然后当一个数据页写满时，就会拆分成多个数据页。这时候就需要索引页了。指向单个数据页。如果数据页太多，那么索引页中的数据页指针就会太多，索引页必然会满。这时候索引页也会被拆分成多个，进而形成更高层级的索引页。这个过程和主键索引是完全一样的，所以如果你理解了主键索引，二级索引也很简单。索引的好处是显而易见的。查找数据时不需要全表扫描，性能非常高。但该指数也有其缺点。如果使用不当，会产生副作用。首先，创建一个索引，它占用存储空间。我们每创建一个索引，MySQL都会创建一个B+树，而每一个B+树都会占用大量的磁盘空间，所以索引太多也会消耗磁盘空间。其次，当你增删改查的时候，每次都需要维护每个索引的数据顺序，因为每个B+树都要求页面按照值的大小排序，页面也是有序的。因此，如果不断地增删改查，就必须不断地拆分每个索引的数据页，并添加新的索引页。如果一张表的索引太多，增删改查的性能会比较差。因此，综合以上两个原因，我们不建议一张表的索引过多。联合索引查询原理之所以要讲联合索引的查询原理，是为了帮助读者更清楚地了解索引的工作原理。我们平时设计的索引，大部分都是联合索引。如果有索引KEY(class,name,course)，则为学生的班级、姓名、学科名称创建一个联合索引。联合索引的示意图如下：每个数据页包含联合索引的三个字段值和主键值，数据页也是按照顺序排序的。先按班级值排序，如果相同则按学名排序，如果相同则按学科名排序，所以数据页按这三个词的值排序。数据页内部和数据页之间也是有序的。数据页内部形成一个单向链表，数据页内部形成一个双向链表。图中，索引页分别指向两个数据页，索引页存放数据页中最小的数据值。如果我们要执行语句：select*fromstudentwhereclass='1班'andstudent_name='张强'andcourse_name='数学'。查询时，先到索引页中查找多个数据页的最小值记录。这时候可以直接在索引页中基于二分查找的方式进行查找。首先根据类名找到class1的值对应的数据页可以直接定位到所在的数据页。图2找到索引页就可以找到索引指向的数据页。数据页里面是一个单向链表。您还可以基于二进制搜索进行搜索。先根据班级1的值查询，发现有几条数据在班级1，然后根据学生张强的名字查找，发现也有多条数据，并且然后根据主题名称进行搜索。很快定位到一条数据，对应图中id=127的数据。图3找到数据再回表根据主键id=127找到完整的字段。开始对主键索引进行二分查找，快速定位到各个层级的索引页，然后逐渐定位到id=127的数据，就可以得到所有字段的值了。以上过程就是联合索引的查找过程。对于联合索引，就是把每个字段一次装上，进行二分查找。首先定位到第一个字段对应的值所在的页面。如果第一个字段的值相同，则根据第二个字段的值查找，以此类推。找到最终数据。
