这是数据库索引相关内容的第三篇
索引
目录：
- 什么是索引
- 索引的存储
- 聚簇索引和非聚餐索引
- 索引片
1. 什么是索引
索引对于数据库，相当于目录对应于图书，我们能通过索引快速的对数据库的内容进行定位。
当没有索引，或者没有一个合适的索引，在大量的表数据中查询，将是一场灾难；
2. 索引的存储
索引实际使用时其还是占用存储空间的；
就像目录也是占用了图书的几页纸一样。
那么索引，是如何存储的呢？
其实，索引的存储就是用我在B树是个什么玩意中介绍的B树方式或者其衍生（B+ B-）方式存储。
B树索引能高效的提高磁盘IO，特别是对与数据库这种数据量比较多的情况，肯定是希望比较少的磁盘读取及每次读取得到比较多的数据；B树就很好的满足了这种特性。
3.聚簇索引和非聚簇索引
聚簇索引是比较容易混淆的概念，在不同的数据库中，其代表的意义是不一样的。
一般我们认为聚簇索引有如下特性：
1> 聚簇索引确定表中数据的物理顺序
2> 每张表只能建一个聚簇索引
3> 当聚簇索引缺失时，默认主键为聚簇索引
4> 非聚簇索引叶子节点指向聚簇索引
由此看来，聚簇索引是非常珍贵的，当查询的条件正好是聚簇索引能覆盖的范围时，是非常快速的；因为通过索引就能找到数据，不用再到磁盘上进行多次查找。
非聚簇索引，则是相反，其不限制个数，不能直接定位到数据，其叶子节点是指向数据的指针，且并不一定能唯一确定一条数据，所以指针可以是多个。
4.索引片
查询时，理想的情况是，查询条件已经覆盖在索引中了，查询是基于索引的查询，那此时查询速度会比较快；但是实际情况却很复杂，这就需要我们知道优化器是如何根据查询条件及索引来进行查询的。流程如下：
从头到尾依次检查索引列
1.在where子句中，该列是否至少拥有一个足够简单的查询与之对应？
如果有，那么这个列就是匹配列；
如果没有，那么这个列及其后面的索引列都是非匹配列
2.如果该索引对应的查询条件是范围，那么剩余的索引都是非匹配列
3.对于最后一个匹配列之后的索引列，如果拥有一个足够简单的查询条件与其对应，那么该列就是过滤列
比如索引（A,B,C,D），对应查询条件where A = 1 and B < 3 and C = 2
按照流程图，首先看A，A的查询语句是A = 1,足够简单，且不是范围条件，所以A是匹配索引
再看B，B是条件查询，B<3,所以B是匹配索引，但是B后面的索引都是非匹配索引；
再看查询条件，还有C=2，因为C虽然是索引，但是因为B是范围查询，所以其后的所有索引都是非匹配索引，所以C是非匹配索引，但是因为C也有简单的查询条件，所以C是过滤列
综上所述，对于索引（A,B,C,D），其在查询条件where A = 1 and B < 3 and C = 2中，索引片是（A,B）过滤列是C
那这个结果意味着什么？
也就是对于索引（A,B,C,D），其本身索引存储时，是 A, B, C, D
比如索引有100w条，那么根据上述流程图，A,B是索引片
那么基于这100W条，通过A,B组合查找出假设10w条，再通过C，在这10W条中进行过滤，最后剩余1w条
索引片越窄，即参与过滤的索引越多，那么效率就会越高，因为索引片本身的查找是基于索引的，即B树查找；
那是不是索引片窄了就行了呢？
其实索引涉及的内容还有很多，比如如果涉及到排序、联合查询、索引数目太多，什么才是好的索引等等
在此建议大家看《数据库索引设计与优化》（Tapio Lahdenmaki/Michael Leach）
通俗易懂的解释了索引的工作原理，以及如何设计索引
其他相关章节
数据库索引相关文章之一：《B树，一点都不神秘》
数据库索引相关文章之二：《B树很简单,插入so easy》
数据库索引相关文章之三：《索引》
数据库索引相关文章之四：《什么索引算是好的索引》
数据库索引相关文章之五：《如何发现及替换不合适的索引》
数据库索引相关文章之六：《索引总结》
