索引原理（平衡树数据结构）

索引索引索引

本质：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据

想要了解索引的原理就必须了解一种数据结构——平衡树（b tree或b+ tree），也有写索引是用哈希桶作为其数据结构，但是主流的RDBMS都是把平衡树作为默认的索引存储结构

这里的平衡树，类似我们熟悉的二叉树，但不等于二叉树，存储结构也是有根节点，叶结点，真正的数据只存在叶子结点上，其他非叶子结点只存储指引搜索的方向。事实上，创建表时如果未指定主键，则数据无序地放置在磁盘存储器上，一列一列很整齐地存放着，但是没有规律，如果指定了主键，数据存储结构立刻变为树状结构，也就是所说的平衡树结构，同时生成了一个聚集索引，这就是为什么一个表只能有一个主键， 一个表只能有一个聚集索引，因为主键的作用就是把表的数据存储格式转换成索引（平衡树）的格式放置。

例如这条SQL语句：

select * from kxf where id=20;

首先根据索引定位到20这个值所在的叶结点，然后再通过叶结点取到id等于20的数据行。 这里不讲解平衡树的运行细节， 但是树有多少层， 从根节点至叶节点就只需要经过多少次查找就能得到结果，这里树有三层，也就是说只需要三次IO，如下图

假如一张表有一亿条数据，需要查找其中某一条，按照常规逻辑，一条一条的去匹配的话，最坏的情况下需要匹配一亿次才能得到结果，时间复杂度就是O(n)，这显然无法接受，而且这一亿条数据显然不能一次性读入内存供程序使用，因此，这一亿次匹配在不仅缓存优化的情况下就是一亿次IO开销，以现在磁盘的IO能力和CPU运算能力，有可能需要几个月才能得出结果。如果把这张表转换成平衡树结构，假设这棵树有10层，那就只需要10次IO开销就能查找到数据，速度以指数级别提升。

所以假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。

讲完聚集索引，接下来说一下非聚集索引，也就是我们平时经常用到的常规索引

非聚集索引和聚集索引一样， 同样是采用平衡树作为索引的数据结构。索引树结构中各节点的值来自于表中的索引字段， 假如给user表的name字段加上索引 ， 那么索引就是由name字段中的值构成，在数据改变时， DBMS需要一直维护索引结构的正确性。如果给表中多个字段加上索引 ， 那么就会出现多个独立的索引结构，每个索引（非聚集索引）互相之间不存在关联。 

非聚集索引和聚集索引的区别在于，通过聚集索引可以直接查找到所需要的数据，而通过非聚集索引可以查找到记录对应的主键，然后再通过聚集索引查找到所需要的记录，查找步骤如下图：

无论采用哪种方式查询表，最终都会通过聚集索引来定位数据，聚集索引（主键）是通往真实数据所在的唯一路径。

然而， 有一种例外可以不使用聚集索引就能查询出所需要的数据， 这种非主流的方法 称之为覆盖索引查询， 也就是平时所说的复合索引或者多字段索引查询。 文章上面的内容已经指出， 当为字段建立索引以后， 字段中的内容会被同步到索引之中， 如果为一个索引指定两个字段， 那么这个两个字段的内容都会被同步至索引之中。

先看下面这个SQL语句

//建立索引

create index index_birthday on user_info(birthday);

//查询生日在1991年11月1日出生用户的用户名

select user_name from user_info where birthday = '1991-11-1'

这句SQL语句的执行过程如下

首先，通过非聚集索引index_birthday查找birthday等于1991-11-1的所有记录的主键ID值

然后，通过得到的主键ID值执行聚集索引查找，找到主键ID值对就的真实数据（数据行）存储的位置

最后， 从得到的真实数据中取得user_name字段的值返回， 也就是取得最终的结果

我们把birthday字段上的索引改成双字段的覆盖索引

create index index_birthday_and_user_name on user_info(birthday, user_name);

这句SQL语句的执行过程就会变为

通过非聚集索引index_birthday_and_user_name查找birthday等于1991-11-1的叶节点的内容，然而， 叶节点中除了有user_name表主键ID的值以外， user_name字段的值也在里面， 因此不需要通过主键ID值的查找数据行的真实所在， 直接取得叶节点中user_name的值返回即可。 通过这种覆盖索引直接查找的方式， 可以省略不使用覆盖索引查找的后面两个步骤， 大大的提高了查询性能。

下面的表总结了何时使用聚集索引或非聚集索引：

动作描述	使用聚集索引	使用非聚集索引
列经常被分组排序	应	应
返回某范围内的数据	应	不应
一个或极少不同值	不应	不应
小数目的不同值	应	不应
大数目的不同值	不应	应
频繁更新的列	不应	应
外键列	应	应
主键列	应	应
频繁修改索引列	不应	应

参考博主：https://www.cnblogs.com/aspwebchh/p/6652855.html