开启掘金成长之旅！这是我参与「掘金日新计划 · 12 月更文挑战」的第5天，点击查看活动详情
什么是索引
所谓索引，就像一本书的目录，当我们看某一章某一节时，不需要从第一页开始翻，而是根据目录定位直接翻到目标页数。数据库的索引也是这样，查询某一行数据，不是全盘扫描，而是根据索引快速定位数据所在数据。因此，索引的定义就是帮助存储引擎快速获取数据的一种数据结构，形象的说就是索引是数据的目录。
下图是 MySQL 的结构图，索引和数据就是位于存储引擎中：
索引分类
按数据结构分类
从数据结构的角度来看，MySQL 常见索引有 B+Tree 索引、hash 索引、full-text 索引。 InnoDB 是在 MySQL 5.5 之后成为默认的 MySQL 存储引擎，B+Tree 索引类型也是 MySQL 存储引擎采用最多的索引类型。
在创建表时，InnoDB 存储引擎会根据不同的场景选择不同的列作为索引：
- 如果有主键，默认会使用主键作为聚簇索引的索引键（key）；
- 如果没有主键，就选择第一个不包含 NULL 值的唯一列作为聚簇索引的索引键（key）；
- 在上面两个都没有的情况下，InnoDB 将自动生成一个隐式自增 id 列作为聚簇索引的索引键（key）；
按物理存储分类
从物理存储的角度来看，索引分为聚簇索引（主键索引）、二级索引（辅助索引）。
两者主要区别在于：
- 聚簇索引中叶子节点存储的是主键和数据
- 二级索引中叶子节点存储的是二级索引和主键值
所以，在查询时使用了二级索引，如果查询的数据能在二级索引里查询的到，那么就不需要回表，这个过程就是覆盖索引。
如果查询的数据不在二级索引里，就会先检索二级索引，找到对应的叶子节点，获取到主键值后，然后再检索主键索引，就能查询到数据了，这个过程就是回表，也就是说需要查询两次B+tree，如下图所示。
按字段特性分类
从字段特性的角度来看，索引分为主键索引、唯一索引、普通索引、前缀索引。
- 主键索引就是建立在主键字段上的索引，通常在创建表的时候一起创建，一张表最多只有一个主键索引，索引列的值不允许有空值。
PRIMARY KEY (index_column_1) USING BTREE
- 唯一索引建立在 UNIQUE 字段上的索引，一张表可以有多个唯一索引，索引列的值必须唯一，但是允许有空值。
UNIQUE KEY(index_column_1,index_column_2,...)
- 普通索引就是建立在普通字段上的索引，既不要求字段为主键，也不要求字段为 UNIQUE。
INDEX(index_column_1,index_column_2,...)
- 前缀索引是指对字符类型字段的前几个字符建立的索引，而不是在整个字段上建立的索引，前缀索引可以建立在字段类型为 char、 varchar、binary、varbinary 的列上，通过使用前缀索引可以减少索引占用的存储空间，提升查询效率。
INDEX(column_name(length))
按字段个数分类
从字段个数的角度来看，索引分为单列索引（主键索引）、联合索引（复合索引）。
创建联合索引
CREATE INDEX index_student_no_name ON product(student_no, name);
所谓联合索引，就是将多个字段组合成一个索引，该索引就被称为联合索引。如下图所示：
可以看到，联合索引的非叶子节点用两个字段的值作为 B+Tree 的 key 值。当在联合索引查询数据时，先按 student_no 字段比较，在 student_no 相同的情况下再按 name 字段比较。
也就是说，联合索引查询的 B+Tree 是先按 student_no 进行排序，然后再student_no 相同的情况再按 name 字段排序。
MySQL为什么使用B+树
数据库的索引是保存到磁盘上的，因此当我们通过索引查找某行数据的时候，就需要先从磁盘读取索引到内存，再通过索引从磁盘中找到某行数据，然后读入到内存，也就是说查询过程中会发生多次磁盘 I/O，而磁盘 I/O 次数越多，所消耗的时间也就越大。
所以总结有两点原因：
- B+Tree 只在叶子节点存储数据，B+Tree 的非叶子节点需要存储的数据就很少，在相同的磁盘 I/O 次数下，能够读取更多的节点，就能查询更多的数据。
- B+Tree 叶子节点采用的是双链表连接，适合 MySQL 中常见的基于范围的顺序查找
B+Tree 存储千万级的数据只需要 3-4 层高度就可以满足，这意味着从千万级的表查询目标数据最多需要 3-4 次磁盘 I/O，所以B+Tree 相比于 B 树和二叉树来说，最大的优势在于查询效率很高，因为即使在数据量很大的情况，查询一个数据的磁盘 I/O 依然维持在 3-4次。
