整体大纲
什么是索引
索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。
索引的常见模型
数据库底层存储的核心就是基于这些数据模型的。每碰到一个新数据库，我们需要先关注它的数据模型，这样才能从理论上分析出这个数据库的适用场景。
哈希表
哈希表是一种以键 - 值（key-value）存储数据的结构，我们只要输入待查找的值即 key，就可以找到其对应的值即 Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置，然后把 value 放在数组的这个位置。
既然是哈希表，我们就必须得考虑哈希冲突的问题。就是可能会有多个值经过哈希函数得到的哈希值可能会一样，但是这种概率是非常小的（这也是评定一个哈希函数的好坏的很重要的一个条件之一）。
哈希冲突解决方式有四种：
（1）拉链法：就是我们把哈希值冲突的拉成一个链表，如果再有哈希值冲突的值，我们就直接挂到链表的尾部即可。
（2）开放寻址法：从发生冲突的位置开始，去寻找一个空闲的单元进行插入。具体如何寻找这里不做概述。
（3）再哈希法：简单粗暴，就是如果哈希冲突了，就再用哈希函数进行计算一次，得到一个新的哈希值。
（4）建立公共溢出区：将哈希表分为公共表和溢出表，当哈希冲突时，将冲突的元素放到溢出表中。不用担心溢出表的元素会非常多，因为正常情况下哈希冲突是一个概率很小的事情。
查询步骤：
（1）计算出哈希值，然后根据哈希值找到对应的索引。
（2）对应的索引无哈希冲突，只有一个值，直接返回。
（3）如果对应的索引有哈希冲突了，就是已经拉出来一条链表了
（4）遍历链表，依次比对找到想要的值
假如有一种查询，比如我要查找某个范围呢？这就意味着得全部扫描一遍了。
哈希表这种结构适用于只有等值查询的场景，比如 Memcached 及其他一些 NoSQL 引擎。
有序数组
就是我们按照某一个属性依次按序排列，以数组的形式组织。
有序数组查询单个值就可以使用我们熟悉的二分查找了，时间复杂度为：O(logN)。
很显然，有序数组支持范围查询，同样使用二分查找即可。
仅仅看查询效率，有序数组就是最好的数据结构了。但是，在需要更新数据的时候就麻烦了，你往中间插入一个记录就必须得挪动后面所有的记录，成本太高。
有序数组索引只适用于静态存储引擎，意思就是你的数据不会再更改了。
二叉搜索树
如果我们又想要查找速度快，增删速度也不能差。我们脑海中会迅速冒出来一种数据结构：二叉搜索树。
二叉搜索树的特点就是：每个节点的左子节点小于父节点，每个节点的右子节点大于父节点。
基于这种特性我们查找的使用就可以使用我们熟悉的二分查找了。同样，增加和删除节点，我们需要通过左旋或者右旋的方式来位置二叉搜索树的特性。
查找和更新的时间复杂度都是：O(logN)，很显然，可以接受。
二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。其原因是，索引不止存在内存中，还要写到磁盘上。
你可以想象一下一棵 100 万节点的平衡二叉树，树高 20。一次查询可能需要访问 20 个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。也就是说，对于一个 100 万行的表，如果使用二叉树来存储，单独访问一个行可能需要 20 个 10 ms 的时间，这个查询可真够慢的。
B+ 树
为了让硬盘的访问次数变少，同时也要保证一定的查询效率和更新效率。B+ 树就登场了。
它对二叉搜索树的改变就是每一层可以存储更多的节点，这也就能减少磁盘的访问次数。
InnoDB 的索引模型
在 InnoDB 中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。
InnoDB 使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的。
主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引（clustered index）。
非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）。
基于主键查询过程：
只需要搜索主键这个 B+ 树，通过二分的方式找到对应的记录。
基于普通索引查询过程：
- 首先搜索普通索引这颗二叉树，通过二分的方式找到对应的位置。
- 然后再根据对应的位置中存的主键值，拿着主键值去做一遍主键索引的查询过程。
- 最后得到记录。
也就是说，基于非主键索引的查询需要多扫描一棵索引树。因此，我们在应用中应该尽量使用主键查询。
注意：因为普通索引的叶子节点存放的是主键值，真正的记录是存放在主键索引这颗 B+ 树的，InnoDB 会自动为主键建立一颗 B+ 树索引，叶子节点存放的就是整行记录。
索引维护
B+ 树为了维护索引有序性，在更新的时候需要做必要的维护。
有这么几个概念：
（1）页分裂：当要插入一条数据是，如果对应的数据页未满，就直接插入；如果已经满了，就会触发页分裂操作。申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受影响。除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约 50%。
（2）页合并：当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。合并的过程，可以认为是分裂过程的逆过程。
主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。
回表
回到主键索引树搜索的过程，我们称为回表。也就是说，当我们首先查的是普通索引树，因为普通索引树上的叶子节点存放的值 仅仅只有主键，所以我们需要通过这个主键值再回到主键索引树上找到我们想要的结果。
覆盖索引
假如我们要查询的值基于在索引树上得到了，就不需要再回到主键树上进行搜索了。
基于这个特性，我们可以建立覆盖索引来减少回表，提升性能。
由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。
举个例子：假如我们有一个业务是根据用户名来查询用户密码，我们就可以建立 用户名 + 密码的覆盖索引，这样我们这条 SQL 每次执行的时候就不需要进行回表了。
虽然性能提示了，但是，索引的维护也是有代价的，比如空间。
最左前缀原则
如果为每一种查询都设计一个索引，索引是不是太多了。
B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录。
这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。
在建立联合索引的时候，如何安排索引内的字段顺序。
- 第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。
- 第二考虑的原则就是空间了，因为各个字段的类型和长度是不一样的。
索引下推
在 MySQL 5.6 之前，是没有索引下推这个概念的。
而 MySQL 5.6 引入的索引下推优化（index condition pushdown)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
普通索引和唯一索引
查询过程
- 对于普通索引来说，查找到满足条件的第一个记录后，需要查找下一个记录，直到碰到第一个不满足条件的记录。
- 对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索。
那么，这个不同带来的性能差距会有多少呢？答案是，微乎其微。
InnoDB 的数据是按数据页为单位来读写的。也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。在 InnoDB 中，每个数据页的大小默认是 16KB。
如果这个记录刚好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些。但这个概率是很低的，可以忽略不计。
更新过程
change buffer
当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下，InooDB 会将这些更新操作缓存在 change buffer 中，这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行 change buffer 中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。
change buffer，实际上它是可以持久化的数据。也就是说，change buffer 在内存中有拷贝，也会被写入到磁盘上。
将 change buffer 中的操作应用到原数据页，得到最新结果的过程称为 merge。除了访问这个数据页会触发 merge 外，系统有后台线程会定期 merge。在数据库正常关闭（shutdown）的过程中，也会执行 merge 操作。
显然，如果能够将更新操作先记录在 change buffer，减少读磁盘，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用 buffer pool 的，所以这种方式还能够避免占用内存，提高内存利用率。
什么条件下可以使用 change buffer 呢？
对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束。而这必须要将数据页读入内存才能判断。如果都已经读入到内存了，那直接更新内存会更快，就没必要使用 change buffer 了。
因此，唯一索引的更新就不能使用 change buffer，实际上也只有普通索引可以使用。
change buffer 用的是 buffer pool 里的内存，因此不能无限增大。change buffer 的大小，可以通过参数 innodb_change_buffer_max_size 来动态设置。这个参数设置为 50 的时候，表示 change buffer 的大小最多只能占用 buffer pool 的 50%。
change buffer 的使用场景
普通索引的所有场景，使用 change buffer 都可以起到加速作用吗？
因为 merge 的时候是真正进行数据更新的时刻，而 change buffer 的主要目的就是将记录的变更动作缓存下来，所以在一个数据页做 merge 之前，change buffer 记录的变更越多（也就是这个页面上要更新的次数越多），收益就越大。
因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时 change buffer 的使用效果最好。这种业务模型常见的就是账单类、日志类的系统。
假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在 change buffer，但之后由于马上要访问这个数据页，会立即触发 merge 过程。这样随机访问 IO 的次数不会减少，反而增加了 change buffer 的维护代价。所以，对于这种业务模式来说，change buffer 反而起到了副作用。
索引选择和实践
这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响。所以，尽量选择普通索引。
如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭 change buffer。而在其他情况下，change buffer 都能提升更新性能。
change buffer 和 redo log
redo log 主要节省的是随机写磁盘的 IO 消耗（转成顺序写），而 change buffer 主要节省的则是随机读磁盘的 IO 消耗。
索引失效场景
条件字段函数操作
如果对字段做了函数计算，就用不上索引了，这是 MySQL 的规定。
对索引字段做函数操作，可能会破坏索引值的有序性，因此优化器就决定放弃走树搜索功能。
需要注意的是，优化器并不是要放弃使用这个索引。而是会去比较遍历哪个索引树更快，就会选择哪个索引。
不过优化器在个问题上确实有“偷懒”行为，即使是对于不改变有序性的函数，也不会考虑使用索引。
比如，对于 select * from tradelog where id + 1 = 10000 这个 SQL 语句，这个加 1 操作并不会改变有序性，但是 MySQL 优化器还是不能用 id 索引快速定位到 9999 这一行。所以，需要你在写 SQL 语句的时候，手动改写成 where id = 10000 -1 才可以。
隐式类型转换
假如索引字段是 varchar 类型，而条件却是整型，也不会走索引，因为会进行类型转换。
两个问题：
- 数据类型转换的规则是什么？
- 为什么有数据类型转换，就需要走全索引扫描？
在 MySQL 中，字符串和数字做比较的话，是将字符串转换成数字。
其实本质就是做强制转换的时候，使用了 CAST 函数，这也就转换成了使用函数的时候不会走树搜索功能。
隐式字符编码转换
当两个表的字符编码不一样时，比如一个 utf8，一个是 utf8mb4，也不会走索引。
字符集 utf8mb4 是 utf8 的超集，所以当这两个类型的字符串在做比较的时候，MySQL 内部的操作是，先把 utf8 字符串转成 utf8mb4 字符集，再做比较。
连接过程中要求在被驱动表的索引字段上加函数操作，是直接导致对被驱动表做全表扫描的原因。
参考
《MySQL 实战 45 讲》
