数据库索引
数据库索引是用于提高数据库表的数据访问速度的。
数据库索引的特点：
a）避免进行数据库全表的扫描，大多数情况，只需要扫描较少的索引页和数据页，而不是查询所有数据页。而且对于非聚集索引，有时不需要访问数据页即可得到数据。
b）聚集索引可以避免数据插入操作，集中于表的最后一个数据页面。
c）在某些情况下，索引可以避免排序操作。
下面从这几个方面展开索引
-
使用索引为什么可以加快数据库的检索速度啊？
-
为什么说索引会降低插入、删除、修改等维护任务的速度。
-
Hash索引和B+树索引有什么区别？主流的使用哪一个比较多？InnoDB存储都支持吗？
-
聚集索引和非聚集索引有什么区别？
-
索引的最左匹配原则指的是什么？
1.1使用索引为什么可以加快数据库的检索速度啊？
将无序的数据变成相对有序的数据(就像查目录一样)
1.2 为什么说索引会降低插入、删除、修改等维护任务的速度。
由于MySQL在存储索引的时候，底层用的数据结构是B+树，B+树是一颗平衡树，如果我们对这颗树增删改的话，那肯定会破坏它的原有结构。要维持平衡树，就必须做额外的工作。正因为这些额外的工作开销，导致索引会降低增删改的速度
1.3Hash索引和B+树索引有什么区别？
B+树索引：
是大多数 MySQL 存储引擎的默认索引类型。
因为不再需要进行全表扫描，只需要对树进行搜索即可，所以查找速度快很多。
因为 B+ Tree 的有序性，所以除了用于查找，还可以用于排序和分组。
可以指定多个列作为索引列，多个索引列共同组成键。
适用于全键值、键值范围和键前缀查找，其中键前缀查找只适用于最左前缀查找。如果不是按照索引列的顺序进行查找，则无法使用索引。
InnoDB 的 B+Tree 索引分为主索引和辅助索引。主索引的叶子节点 data 域记录着完整的数据记录，这种索引方式被称为聚簇索引。因为无法把数据行存放在两个不同的地方，所以一个表只能有一个聚簇索引。
辅助索引的叶子节点的 data 域记录着主键的值，因此在使用辅助索引进行查找时，需要先查找到主键值，然后再到主索引中进行查找。
具有动态平衡的特点。
1.支持范围查询。
2.等长的访问路径，访问时间根据数据量的变化相对稳定。
3.有明确的查找方向。
Hash索引：
哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。本质上就是把键值换算成新的哈希值，根据这个哈希值来定位。
具有查找速度快的特点。
1.仅仅能满足”=”,”IN”和”<=>”查询，不能使用范围查询。
2.哈希索引也没办法利用索引完成排序
3.不支持最左匹配原则
4.在有大量重复键值情况下，哈希索引的效率也是极低的---->哈希碰撞问题。
主流的还是使用B+树索引比较多，对于哈希索引，InnoDB是自适应哈希索引的（hash索引的创建由InnoDB存储引擎引擎自动优化创建，我们干预不了）！
1.4聚集和非聚集索引
简单概括：
- 聚集索引就是以主键创建的索引
- 非聚集索引就是以非主键创建的索引
区别：
- 聚集索引在叶子节点存储的是表中的数据
- 非聚集索引在叶子节点存储的是主键和索引列
- 使用非聚集索引查询出数据时，拿到叶子上的主键再去查到想要查找的数据。(拿到主键再查找这个过程叫做回表)
非聚集索引也叫做二级索引，不用纠结那么多名词，将其等价就行了~
非聚集索引在建立的时候也未必是单列的，可以多个列来创建索引。
- 此时就涉及到了哪个列会走索引，哪个列不走索引的问题了(最左匹配原则-->后面有说)
- 创建多个单列(非聚集)索引的时候，会生成多个索引树(所以过多创建索引会占用磁盘空间)
1.5索引最左匹配原则
最左匹配原则：
- 索引可以简单如一个列
(a)，也可以复杂如多个列(a, b)，即联合索引。 - 如果是联合索引，那么key也由多个列组成，同时，索引只能用于查找key是否存在（相等），遇到范围查询
(>、<、between、like左匹配)等就不能进一步匹配了，后续退化为线性查找。 - 因此，列的排列顺序决定了可命中索引的列数。
例子：
- 如有索引
(a, b，c)，查询条件a = 1 and b > 4 and c > 8，则会在每个节点依次命中a、b，无法命中c。(很简单：索引命中只能是相等的情况，不能是范围匹配)