mysql教程 栏目介绍相关索引。 一、 索引数据结构 面试的时候肯定会问这一个问题，mysql为什么会选择b+树作为索引呢？而不选择其他索引，例如b树？hash？ 下面说的磁盘IO是指数据从硬
mysql教程栏目介绍相关索引。
.markdown-body{word-break:break-word;line-height:1.75;font-weight:400;font-size:15px;overflow-x:hidden;color:#333}.markdown-body h1,.markdown-body h2,.markdown-body h3,.markdown-body h4,.markdown-body h5,.markdown-body h6{line-height:1.5;margin-top:35px;margin-bottom:10px;padding-bottom:5px}.markdown-body h1{font-size:30px;margin-bottom:5px}.markdown-body h2{padding-bottom:12px;font-size:24px;border-bottom:1px solid #ececec}.markdown-body h3{font-size:18px;padding-bottom:0}.markdown-body h4{font-size:16px}.markdown-body h5{font-size:15px}.markdown-body h6{margin-top:5px}.markdown-body p{line-height:inherit;margin-top:22px;margin-bottom:22px}.markdown-body img{max-width:100%}.markdown-body hr{border:none;border-top:1px solid #ddd;margin-top:32px;margin-bottom:32px}.markdown-body code{word-break:break-word;border-radius:2px;overflow-x:auto;background-color:#fff5f5;color:#ff502c;font-size:.87em;padding:.065em .4em}.markdown-body code,.markdown-body pre{font-family:Menlo,Monaco,Consolas,Courier New,monospace}.markdown-body pre{overflow:auto;position:relative;line-height:1.75}.markdown-body pre>code{font-size:12px;padding:15px 12px;margin:0;word-break:normal;display:block;overflow-x:auto;background:#f8f8f8}.markdown-body a{text-decoration:none;color:#0269c8;border-bottom:1px solid #d1e9ff}.markdown-body a:active,.markdown-body a:hover{color:#275b8c}.markdown-body table{display:inline-block!important;font-size:12px;width:auto;max-width:100%;overflow:auto;border:1px solid #f6f6f6}.markdown-body thead{background:#f6f6f6;color:#000;text-align:left}.markdown-body tr:nth-child(2n){background-color:#fcfcfc}.markdown-body td,.markdown-body th{padding:12px 7px;line-height:24px}.markdown-body td{min-width:120px}.markdown-body blockquote{color:#666;padding:1px 23px;margin:22px 0;border-left:4px solid #cbcbcb;background-color:#f8f8f8}.markdown-body blockquote:after{display:block;content:""}.markdown-body blockquote>p{margin:10px 0}.markdown-body ol,.markdown-body ul{padding-left:28px}.markdown-body ol li,.markdown-body ul li{margin-bottom:0;list-style:inherit}.markdown-body ol li .task-list-item,.markdown-body ul li .task-list-item{list-style:none}.markdown-body ol li .task-list-item ol,.markdown-body ol li .task-list-item ul,.markdown-body ul li .task-list-item ol,.markdown-body ul li .task-list-item ul{margin-top:0}.markdown-body ol ol,.markdown-body ol ul,.markdown-body ul ol,.markdown-body ul ul{margin-top:3px}.markdown-body ol li{padding-left:6px}@media (max-width:720px){.markdown-body h1{font-size:24px}.markdown-body h2{font-size:20px}.markdown-body h3{font-size:18px}}
一、 索引数据结构
面试的时候肯定会问这一个问题，mysql为什么会选择b+树作为索引呢？而不选择其他索引，例如b树？hash？
下面说的磁盘IO是指数据从硬盘加载到内存中的操作
hash索引的话，不支持范围查询，因为hash就是一个键对应一个值的，没办法范围查询
二叉树的话，它的特点就是左子树小于根节点小于右子树，如果根节点取值有问题的话，有可能会退化成链表，就是树不分叉了，树一直往左或者一直往右，这样就不能折半查找从而减少IO次数了，不支持范围查询，要是范围查询的话，每次都要从根部遍历，树也太高了，树越高，IO操作越频繁，浪费资源
平衡二叉树的话，它就没有了二叉树的这种退化成链表的缺点，因为他左右子节点最多相差1层，可是他也不支持范围查找这一点和二叉树的问题一样
b树的话，和二叉树比起来树是很矮胖，IO操作减少了，是个多叉树，它每个节点都存了对应的行数据，可是如果这一行的数据的列不断的增加，那么这一页存储的节点就会变少，因为所占的空间不断的变大，树也会越来越高，增加IO操作次数，同时是也不支持范围查找。要是相同大小的空间可以存很多的节点数据的话就更好了，所以就有了下面的b+树
b+树 它非叶子节点只存索引的数据，不存整行数据，但是叶子节点是冗余的，冗余了非叶子节点，叶子节点还都用双向链表链接起来，这样有助于顺序查找，b+树和b树比起来，更加矮胖，磁盘IO次数更少
二、 mysql中索引类型
聚簇索引与非聚簇索引
我们可以简单的理解为
聚簇索引就是主键索引，非聚簇索引就是普通索引
本质的区别是
聚簇索引的叶子节点存储的是整行数据
innodb是通过主键来实现聚簇索引的，如果没有主键的话，那么他就会选择一个唯一非空的索引来实现，如果再没有的话，他就会隐式生成一个主键来实现聚簇索引
非聚簇索引存储的是索引值和主键值
普通索引一张表中可以有多个普通索引，随便一个字段都可以建立的索引，我们平常建立的索引大部分都是普通索引
联合索引好几个字段联合起来建立的索引
唯一索引业务中唯一的字段适合建立唯一索引，一个表中可以有多个唯一索引
主键索引和唯一索引一样，主键索引也是唯一的，不同的就是，一个表只能有一个主键索引
三、关于索引的sql
创建主键索引
ALTER TABLE test add PRIMARY KEY (id)复制代码
创建唯一索引
ALTER TABLE test add UNIQUE idx_id_card(id_card)复制代码
创建普通索引
ALTER TABLE test add INDEX idx_name(name)复制代码
创建联合索引
ALTER TABLE test add INDEX idx_age_name(age,name)复制代码
修改索引名称 ：先删除再添加
删除索引 （两种方式）
ALTER TABLE test DROP INDEX idx_id_cardDROP INDEX idx_id_card on test --删除主键索引DROP PRIMARY key on test ALTER TABLE test DROP PRIMARY key复制代码
查看表中索引
SHOW INDEX FROM test复制代码
分析索引
EXPLAIN SELECT * from test WHERE name = "xhJaver"复制代码
我们先给name字段添加一个索引,索引名字叫做idx_name
ALTER TABLE test add INDEX idx_name(name)复制代码
查看test表中的索引
SHOW INDEX FROM test复制代码
其中的属性
table: 表名
Non_unique: 能重复的话为1，不能重复的话为0，我们主键的那里是0，而name那里是1，因为name可以重复，而主键不能重复
Key_name: 索引名称
Seq_in_index:索引中列的顺序
Column_name:列名称
Collation:列以什么方式存储的，A升序，null无序
Cardinality:数目越大，则使用该索引的可能性越大
Sub_part:如果列只是部分的编入索引，则被编入索引的字符数目，如果整列被编入索引，则为null
Packed：关键字是否被压缩，null表示没有被压缩
Null:如果该列含有null,则为yes,如果没有null,则为no
Index_type:索引数据结构
Comment:多种评注
四、回表查询
select * from test where name = "xhJaver"复制代码
假如说我们name字段建立了索引，然后当我们运行这一句sql语句的时候，因为建立的是普通索引，所以我们的b+树的叶子节点存储的数据是id，我们会找到name是xhJaver的这条记录的id，再根据这个id,去主键索引的那棵b+树去查询，查询到叶子节点时即查询出这条记录，可见这个过程中，我们从一棵树跑到了另一棵树继续查，这样就叫做“回表查询”，那有没有办法只查一棵树就可以查询出结果呢？
五、覆盖索引
办法当然是有的啦，那就是覆盖索引，我们注意到，刚才这个sql语句时查询出来了所有元素，假如说我们这样写的话
select address from test where name = "xhJaver"复制代码
假如说我们建立的索引是（name,address）那么这个时候（name,address）这棵b+树的叶子节点存储的数据就包括address了，此时就不需要再根据name = "xhJaver"的id去第二棵树查了，这样就避免了回表查询
六、最左匹配原则
假如说现在我们写一个这样的sql语句
select * from test where name = "xhJaver" and age =23 and address="京东"复制代码
并且我们建立的索引是（name,address,age）这样是会用到（name,address,age）索引的，可是如果要这样写的话
select * from test where name = "xhJaver" and age >23 and address="京东"复制代码
这样只会用到（name，age）这两个索引，从左边开始匹配，如果要是遇到范围查询的话，则不继续往右匹配索引
七、explain分析索引语句
我们用explain语句解析一下下面这条sql语句
EXPLAIN SELECT * from test WHERE name = "xhJaver"复制代码
它的属性有
id: 执行的顺序
id相同时，顺序从上到下执行id不同时，id大的先执行
select_type: 查询的类型
primary: 最外层的查询被标记为primarysimple: 简单查询，没有关联其他表，就一张表subquery: 在where或者select中的子查询derived: 衍生虚拟表 例如from(子查询) t,这个子查询的结果就被放在虚拟表t中
table: 关于哪张表的
partitions: 分区相关（还没搞懂呜呜呜）
type:访问类型
性能由好至坏依次是
system > const > eq_ref > ref > fulltext > ref_or_null > index_merge > unique_subquery > index_subquery > range > index > ALL一般来说，好的sql查询至少达到range级别，最好能达到ref
system:表中只有一行数据
const:常量查询 通常用于比较主键等于一个常量，用索引查询一次就查到了
eq_ref:唯一性索引，每个索引对应一条数据，例如主键索引
ref:非唯一索引，每个索引有可能对应多行数据，例如普通索引
range: 范围查询，用到了>，<，in,between等查询
index：全表扫描，但是是遍历整棵索引树
all:全表扫描，没有用到索引
possible_keys：查询的字段上有索引的话，就会显示出来，
key : 具体用到的索引，若用到了覆盖索引，则possible_keys为null,只会显示在key中
key_len:索引中使用的字节数，最大可能长度，并非实际长度，key_len是根据表定义计算而得的，不是通过表内检索出的
ref: 表示使用索引的是哪一个字段
rows:大致估算出所需要读取的行数
filtered:显示了通过条件过滤出的行数的百分比估计值。
Extra:
Using filesort ： mysql无法利用索引完成的排序被称为文件排序
Using temporary： 使用临时表存储了下中间结果，mysql对查询结果排序时是使用了临时表，常见于order by 和 group by
Using index：使用了覆盖索引，查询内容在索引内
如果出现了Using where，表示对查询出来的数据进行了过滤如果没有出现Using where，表示对查询出来的数据没有进行过滤
只有Using where 查询内容不在索引内，且对查出来的数据进行了过滤
1. EXPLAIN SELECT (select student.id from student WHERE student.`name`="xhJaver") FROM teacher2. EXPLAIN SELECT * FROM teacher where teacher.id = (select student.id from student WHERE student.`name`="xhJaver")
复制代码
我们写几个sql语句实际分析下
1.SELECT后面
2.where后面
我们就拿后面这个图来实战分析一下,挑几个重要的属性说一下
select_type：
我们最外层的查询是 from teacher 所以table为teacher的那个表的select_type就是primary
select/where后面的括号中的查询语句中的表是student，所以table为student的那个表的select_type就是subquery
table: 这条sql查询用到的表
type: 访问类型
第一行const : teacher.id =巴拉巴拉巴拉（这个是常数）主键和常数比较时，这个表最多有一个匹配数据，只读取一次
第二行ref：代表用到了普通索引，就是这个索引name和xhJaver匹配,可能匹配到很多相同的值
possible_key: 代表可能用到的索引，但是不一定会用到
key: 代表用到的索引， 用到了idx_name，PRIMARY索引
ref: 这一列显示了在key列记录的索引中，表查找值所用到的列或常量，
常见的有：const，字段名
extra：
using index: 一般是使用了覆盖索引，看我们这个sql语句，select student.id from student WHERE student.`name`="xhJaver"复制代码
name字段有索引，查询的是id，b+树叶子节点存的数据就是id，所以不需要回表查询了，用到了覆盖索引
八、索引失效原因
遇到范围查询（>,<,like,beetwon），右边的索引列会失效
索引字段不能有函数操作或者不能是表达式的一部分
索引字段隐式类型转换
索引字段类型是string，我们传进来个int
使用时or,is null ,is not null , !=, <>, like "%xxx" 索引会失效
但是用覆盖索引就可以解决 like左模糊查询走不到索引的情况
如果只select索引字段，或者select索引字段和主键，也会走索引的。
更多推荐：mysql教程(视频)
以上就是mysql可以靠索引，而我只能靠打工....的详细内容，更多请关注每日运维其它相关文章！
