什么是索引？

假設我們有一張數據表 employee(員工表)，該表有三個字段（列）,分別是name、age 和address。假設表employee有上萬行數據(這公司還真大），現在需要從這個表中查找出所有名字是‘ZhangSan’的雇員信息，你會快速的寫出SQL語句：

select name,age,address from employee where name='ZhangSan'

如果數據庫還沒有索引這個東西，一旦我們運行這個SQL查詢，查找名字為ZhangSan的雇員的過程中，究竟會發生什么？數據庫不得不在employee表中的每一行查找并確定雇員的名字（name）是否為‘ZhangSan’。 

由于我們想要得到每一個名字為ZhangSan的雇員信息，在查詢到第一個符合條件的行后，不能停止查詢，因為可能還有其他符合條件的行，所以必須一行一行的查找直到最后一行——這就意味數據庫不得不檢查上萬行數據才能找到所有名字為ZhangSan的雇員。這就是所謂的全表掃描（參見前文“執行計劃”中type=ALL），顯然這種模式效率太慢，技術可能覺得無所謂，業務會拿刀砍你。 

你會想為如此簡單的事情做全表掃描效率欠佳——數據庫是不是應該更聰明一點呢？這就像用人眼從頭到尾瀏覽整張表，很慢也不優雅，“索引”派上用場的時候到了，使用索引的全部意義就是：通過縮小一張表中需要查詢的記錄/行的數目來加快搜索的速度。 

在關系型數據庫中，索引是一種單獨的、物理的對數據庫表中一列或多列的值進行排序的一種存儲結構，它是某個表中一列或若干列值的集合和相應的指向表中物理標識這些值的數據頁的邏輯指針清單（定義真特么拗口）。大白話意思是索引的作用相當于圖書的目錄，可以根據目錄中的頁碼快速找到所需的內容。 

一個索引是存儲的表中一個特定列的值數據結構。索引是在表的列上創建。要記住的關鍵點是索引包含一個表中列的值，并且這些值存儲在一個數據結構中。請牢記這一點：索引是一種數據結構。一個好的數據庫表設計,從一開始就應該考慮添加索引,而不是到最后發現慢SQL了,影響業務了才來補救。其實我在工作經歷當中，由于新建表或新加字段后,忘記添加索引也造成了多次生產事故,記憶猶新!!!

在沒有GUI工具的情況下，可以使用以下命令查看索引：

上述ad_article表中有兩個索引，Key_name中有顯示:

-  PRIMARY主鍵索引，Seq_in_index索引序號為1，從1開始，Collation為“A”表示升序（或NULL無分類），對應字段是id

-   idx_cid是自建索引，由cid、available、id三個字段組成，分別對應序號1,2,3

表中大部分信息都挺好理解的，倒是Index_type=BTREE這塊內容很多人不懂其意思，其實通過GUI工具創建索引時也會有BTREE 的顯示，先著重了解一下。

BTREE

在計算機數據結構（不懂數據結構的自行充電）體系中，為了加速查找的速度，常見的數據結構有兩種：

-     Hash哈希結構，例如Java中的HashMap，這種數據組織結構可以讓查詢/插入/修改/刪除的平均時間復雜度都為O(1);

-    Tree 樹 結構 ， 這種數據組織結構可以讓查詢/插入/修改/刪除的平均時間復雜度都為O(log(n));

注：時間復雜度O是數據結構課程中的基礎內容，不明白同學的自行充電。O(1)的意思是不管N多大其速度都是恒定的，O(log(N))的意思是不管N多大，都要花費N的對數次時間。

問題來了：即然不管讀還是寫，Hash這種類型比Tree樹這種類型都要更快一些，那為什么MySQL的開發者既使用Hash類型做為索引，又使用了BTREE呢？

話說回來，還是跟SQL應用場景有關系，前文中我們找"ZhangSan"用戶的SQL：

select name,age,address from employee where name='ZhangSan'

確實用HASH索引更快，因為每次都只查詢一條信息（重名的雇員姓名也才幾條而已），但實際上業務對于SQL的應用場景是：

-      orderby 需要排個序

-      groupby 還要分個組

-     還要比較大小 大于或小于等等

這種情況下如果繼續用HASH類型做索引結構，其時間復雜度會從O(1)直接退化為O(n)，相當于全表掃描了，而Tree的特性保證了不管是哪種操作，依然能夠保持O(log(n))的高效率，有種我自巋然不動的趕腳！所以拋開應用場景談設計其實是耍流浪（比如很多java程序員被安利阿里的fastjson比jackson快，故而拋棄jackson一樣），實際上MySQL中也支持HASH類型的索引，但不是主流。

那MySQL中的BTREE和TREE又有啥聯系與區別呢？先來看看傳統的二叉樹：

二叉樹是大家熟知的一種樹，用它來做索引行不行，可以是可以，但有幾個問題：

-      如果索引數據很多，樹的層次會很高（只有左右兩個子節點），數據量大時查詢還是會慢

-     二叉樹每個節點只存儲一個記錄，一次查詢在樹上找的時候花費磁盤IO次數較多

所以它并不適合直接拿來做索引存儲，算法設計人員在二叉樹的基礎之上進行了變種，引入了BTREE的概念（詳情可自行查詢）

如上圖可知BTREE有以下特點：

-      不再是二叉搜索，而是N叉搜索，樹的高度會降低，查詢快

-      葉子節點，非葉子節點，都可以存儲數據，且可以存儲多個數據

-     通過中序遍歷，可以訪問樹上所有節點

BTREE被作為實現索引的數據結構被創造出來，是因為它能夠完美的利用“局部性原理”，其設計邏輯是這樣的：

-      內存讀寫快，磁盤讀寫慢，而且慢很多

-      磁盤預讀：磁盤讀寫并不是按需讀取，而是按頁預讀，一次會讀一頁的數據，每次加載一些看起來是冗余的數據，如果未來要讀取的數據就在這一頁中，可以避免未來的磁盤讀寫，提高效率（通常，一頁數據是4K）

-     局部性原理：軟件設計要盡量遵循“數據讀取集中”與“使用到一個數據，大概率會使用其附近的數據”，這樣磁盤預讀能充分提高磁盤IO效能

早先的MySQL就是使用的BTREE做為索引的數據結構，隨著時間推移，B樹發生了較多的變種，其中最常見的就是B+TREE變種，現在MySQL用的就是這種，示意如下：

B+TREE改進點及優勢所在：

-      仍然是N叉樹，層級小，非葉子節點不再存儲數據，數據只存儲在同一層的葉子節點上，B+樹從根到每一個節點的路徑長度一樣，而B樹不是這樣

-      葉子之間，增加了鏈表(圖中紅色箭頭指向)，獲取所有節點，不再需要中序遍歷，使用鏈表的next節點就可以快速訪問到

-      范圍查找方面，當定位min與max之后，中間葉子節點，就是結果集，不用中序回溯（范圍查詢在SQL中用得很多，這是B+樹比B樹最大的優勢）

-      葉子節點存儲實際記錄行，記錄行相對比較緊密的存儲，適合大數據量磁盤存儲；非葉子節點存儲記錄的PK，用于查詢加速，適合內存存儲

-     非葉子節點，不存儲實際記錄，而只存儲記錄的KEY的話，那么在相同內存的情況下，B+樹能夠存儲更多索引

可以來初步計算一下：假設key、子樹節點指針均占用4B，則B樹一個節點占用4 + 4 = 8B，一頁頁面大小4KB，則N = 4 * 1024 / 8B = 512，一個512叉的B樹，1000w的數據，深度最大 log(512/2)(10^7) 約等于4。對比二叉樹如AVL的深度為log(2)(10^7) 約為24，相差了5倍以上！

假如一個節點大小是4KB，一個KEY有8字節，一頁可以存4000/8=500個KEY，根據N叉樹特點,就算一層500叉節點，則：

第一層樹：1個節點，1*500KEY , 大小4K

第二層樹：500節點 500*500=25萬個KEY，500*4K=2M

第三層樹：500 * 500節點 500*500*500=1.2億KEY，500*500*4K=1G

如果沒算錯，1G空間，只用三層樹結構，可以存1.2億行數據的KEY，B+樹牛掰不？

所以B+TREE索引只用占用很少的內存空間，卻大大提升了查詢效率（不論是單個查詢、范圍查詢還是有序性查詢），并且還減少了磁盤讀寫，所以好的算法與數據結構是可以省錢的。 

說完BTREE，在'showindex from ad_article'結果集中有一列為Cardinality的值，它的作用也非常的大，稱之為：索引基數

Cardinality 索引基數

索引基數簡單的說就是:你索引列的唯一值的個數，如果是復合索引就是唯一組合的個數。這個數值將會作為MySQL優化器對語句執行計劃進行判定時依據。如果唯一性太小，那么優化器會認為這個索引對語句沒有太大幫助，而不使用索引。cardinality值越大，就意味著，使用索引能排除越多的數據，執行也更為高效。

舉個簡單例子來說明：比如有一張表有A、B、C列，數據情況如下：

A   B   C

1   1   1

1   1   2

1   2   1

1   2   2

2   1   1

2  1  2

2   2   1

2   2   2

-      如果對A列進行索引，那么它的cardinality基數值為2，因為只有1，2兩種值

-      如果對A、B兩列做復合索引，那么它的cardinality基數值為4，因為值的組合為(11),(1 2),(2 1),(2 2)

-     如果對A、B、C做復合索引，則它的cardinality基數值為8

當有多個索引可用時，mysql會自動依據cardinality大的值來進行SQL索引選擇優化。如果現在再問你“為什么數據庫都有PK”，你怎么答?因為PK的數據均不一樣啊，做索引了后查詢起來效果才快啊，因為cardinality值很高，是不是？另一種問法常見于判斷題，問你“數據庫索引通常要放在選擇性差的列上”，你以前可能還不明白為什么，其背后邏輯就是索引的cardinality值啊，選擇性差意味著重復數據少，索引才高效嘛。

但回到我們自己的例子，數據庫中有數據值61行，但是cardinality=59并不準確，是因為它不會自動更新，需要通過analyzetable來進行更新，示例如下：

mysql>analyze local table ad_article;

優化以后結果為：

索引基數更加準確一些了。

索引類型

MySQL中有以下索引類型：

UNIQUE唯一索引 該索引其含義是被標定義唯一索引的列，不允許出現重復的數據， 但可以有NULL值。舉例來講,假如有A、B兩個字段，建立唯一索引：

A B

1 1

1 2

1 1 // 這一行數據無法插入，因為與第一條數據重復，數據庫底層報錯DuplicateKeyException 1 1

唯一索引有利有弊，好處是：如果你的程序不好處理界面端的重復提交，或者因為數據的重復導致程序出錯誤，可以通過創建唯一索引來解決問題，當然不要為了設置唯一索引而設置索引，索引還是要有用處的。其次在設置了唯一索引時，萬一真要發生變更，支持重復數據怎么辦?MySQL提供了兩種補救辦法：

-      自動替換為新的值，可以用ONDUPLICATE KEY UPDATE xxx= VALUES(xxx)

-     忽略插入是 insert ignore into

INDEX普通索引允許出現相同的索引內容，平時創建的索引通常就是普通索引，利用提升查詢數據性能

PRIMARY KEY主鍵索引 不允許出現相同的值,且不能為NULL值,一個表只能有一個primary_key索引，常見于ID字段

fulltext index 全文索引 上述三種索引都是針對列的值發揮作用,但全文索引,可以針對值中的某個單詞,比如一篇文章中的某個詞,然而并沒有什么卵用,因為只有myisam引擎以及英文支持,并且效率讓人不敢恭維,要全文搜索還是建議使用Luence、Solr、ES等方案，更專業且強大一些。

索引的創建與使用

ALTER TABLE 適用于表創建完畢之后再添加

ALTERTABLE 表名 ADD 索引類型 （unique,primary key,fulltext,index）[索引名]（字段名）

CREATE INDEX可對表增加普通索引或UNIQUE索引

CREATE INDEXindex_name ON table_name (column_list)

CREATE UNIQUE INDEX index_name ON table_name(column_list)

另外,還可以在建表時添加:

CREATE TABLE mytable (

 ... //中間字段忽略

 PRIMARY KEY (`id`),

 UNIQUE KEY `unique1`(`username`), -- 索引名稱,可要可不要,不要就是和列名一樣

 KEY `index1` (`nickname`),

 FULLTEXT KEY `intro` (`intro`)

) ENGINE=MyISAMAUTO_INCREMENT=4 DEFAULT CHARSET=utf8 COMMENT='測試表';

一張表字段有多有少，該在哪些列上創建索引呢？其實新建索引也是有一定的原則的,建什么索引,建在哪些字段上,有以下一些原則與技巧可參考：

-      在維度高或選擇性差的列創建索引 說人話就是數據列中不重復值出現的個數,這個數量越高,維度就越高（如數據表中存在8行數據a,b ,c,d,a,b,c,d這個表的維度為4）。要為維度高的列創建索引,如性別和年齡,那年齡的維度就高于性別，性別這樣的列不適合創建索引,因為維度過低，只有兩三種值。

-      對 where,on,group by,order by 中出現的列使用索引，索引一般多設置在條件列上，顯示列通常少設置索引

-      對較小的數據列使用索引 ,這樣會使索引文件更小,同時內存中也可以裝載更多的索引鍵，例如有一個字段存文本內容，新聞、資訊類那種的，內容超大，你為它設置索引就是腦袋被門夾了。

-     為較長的字符串使用前綴索引，比如有個姓名字段firstname，varchar(50)個長，可以用

alter table employee add key(firstname(5))

來設置前綴索引，為什么這里只取前5個字符進行索引呢？是因為可以通過

select 1.0 *count(distinct left(firstname,5)) / count(*) from employee

算法得到前幾個字母對標數據的覆蓋率，覆蓋率超過31%黃金值就可以使用前綴索引。

-      使用組合索引,可以減少文件索引大小,在使用時速度要優于多個單列索引

-     索引也不是越多越好，不要過多創建索引,除了增加額外的磁盤空間外,對于DML操作的速度影響很大,因為其每增刪改一次就得從新建立索引

說了創建索引，接下來就是使用索引，如果認真研讀過前面的“執行計劃”，SQL用到哪些索引，用了索引沒有一目了然，但是有一些情況就是不會走索引，先來一些簡單的示例說明：

SELECT sname FROM stu WHERE age+10=30; --不會使用索引,因為有索引列參與了計算

SELECT sname FROM stu WHERE LEFT(`date`,4) <1990; -- 不會使用索引,因為使用了函數運算,原理與上面相同

SELECT * FROM table WHERE uname LIKE'前綴%' -- 走索引

SELECT * FROM table WHERE uname LIKE "%關鍵字%"-- 不走索引

SELECT * FROM table WHERE a=1 -- a列為char字符類型，用整數找不走索引，a='1'才走索引

SELECT * FROM table WHEREdname='xxx' or loc='xx' or deptno=45

-- 如果條件中有or,即使其中有條件帶索引也不會使用。換言之,就是要求使用的所有字段,都必須建立索引,建議大家盡量避免使用or關鍵字

-- 正則表達式,regexp不走索引

-- 表中數據不多，只有幾十幾百條，MySQL評估使用全表掃描要比使用索引快,也不使用索引，不要大驚小怪

以上都是單表查詢操作，多表關聯查詢才是業務開發的“常見姿勢”，假如有一個查詢：

select a,b,c from A join B join C on a=b and b=c;

三表join關聯，假設三個表每個均有2000條記錄，在沒有添加索引時，則結果會進行2000*2000*2000=8000000000一共80億次檢索(因為一不小心就是一個笛卡爾乘積的恐怖掃描),只有在加了索引后，第一張表會全表掃描2000次，其余的關聯表基本是range區間掃描，這樣掃描次數就會降低很多很多，并且關聯表時，建議多用leftjoin以少聯多減少掃描次數。

有些時候發現明明創建了索引，但是因為一些原因并沒有使用索引，mysql支持強制走索引,比如：

select* from table where a=1 force index(PRI，my_index) --強制主鍵索引和自己創建的索引

與之相反，還可以禁止某個索引：

select* from table where a=1 ignore index(PRI,my_index) --禁止使用索引

復合索引執行順序

復合索引的執行順序是有講究的，還是以之前的案例舉例：

表有一個主鍵索引及一個復合索引，復合索引名稱：idx_cid，字段順序分別是：cid,available及id

只用cid執行分析：

結果顯示用到了idx_cid，接下來再看第二個字段的分析：

沒有走idx_cid索引，全表掃描，接下來再看第三個的分析：

因為id本身就是主鍵，所以也不會走idx_cid索引，而是走主鍵索引，假設id不是主鍵索引，則也不會走idx_cid索引。

接下來再測試兩兩組合,先看cid +available組合：

結果顯示用到了idx_cid，再看cid+id組合：

結果顯示也用到了idx_cid，再看available+id組合：

結果是走的主鍵索引，并沒有走idx_cid復合索引，于是結果很清晰了，MySQL中的復合索引有順序，且很重要，查詢條件的順序不能隨意亂寫。假設A、B、C三個字段索引按A+B+C順序創建的索引：

A --走索引

B --不走索引

C --不走索引

A + B 或 B + A -- 走索引

B + C 或 C + B -- 不走索引

A + B + C 或 B + C + A 或 C + B + A --走索引

小結：在復合索引中，索引第一位的column很重要，只要查詢語句包含了復合索引的第一個條件,基本上就會使用到該復合索引（可能會使用其他索引）。在建復合索引的時候應該按照column的重要性從左往右建。

索引的坑

既然索引這么好，我們是不是應該盡可能多用索引呢？并不是。

首先，不要盲目的創建索引，應只為那些查詢操作頻繁的列創建索引,創建索引會使查詢操作變得更加快速,但是會降低增加、刪除、更新操作的速度,因為執行這些操作的同時會對索引文件進行重新排序或更新;

其次，在互聯網應用中,查詢的語句遠遠大于DML的語句,為一個大表（比如千萬級數據）新建索引時是一個需要特別慎重的事情，經常出現“翻車”導致“車毀人亡”的事故，為什么？因為線上系統在被人使用，如果這時候開發或者運維人員執行一個創建索引的語句，容易導致表被鎖死，所有操作排隊無法被響應，時間一長容易導致業務崩潰，形成鏈式連鎖反應，讓業務蒙受巨大損失。百萬或千萬級數據庫，大表加索引有一個比較好的方法：online-schema-change，有興趣可自行網上搜索，此文不再贅述。