數據庫索引：

索引（index）是幫助MySQL高效獲取數據的數據結構（有效），在數據之外，數據庫系統還維護著滿足特定查找算法的數據結構，這些數據結構以某種方式引用（指向）數據， 這樣就可以在這些數據結構上實現高級查找算法，這種數據結構就是索引。簡而言之：幫助MySQL高效的查詢出數據的數據結構叫做索引。

索引的優勢：

索引類似于書籍的目錄，提高數據檢索的效率，減少數據庫IO的成本

通過索引列對數據進行排序，降低數據排序的成本，降低CPU的消耗

索引的劣勢：

實際上索引也是一張表，存儲在磁盤上，該表保存了主鍵與索引字段，并指向實體類的記錄

雖然索引大大提高了查詢的速度，但是降低了增刪改的速度，對表進行update、insert、delete時，需要對索引文件進行更新

從四點講述索引功能：

為什么要給表加上主鍵？

為什么加索引后會使查詢變快？

為什么加索引后會使寫入、修改、刪除變慢？

什么情況下要同時在兩個字段上建索引？

首先我們想要了解索引的原理我們需要清楚一種數據結構（平衡樹）也就是b tree或者 b+ tree ，當然，
有的數據庫也使用哈希桶作用索引的數據結構, 然而,主流的RDBMS（關系型數據庫）都是把平衡樹當做數據表默認的索引數據結構的

聚集索引與非聚集索引

我們平時建表的時候都會為表加上主鍵， 在某些關系數據庫中， 如果建表時不指定主鍵，數據庫會拒絕建表的語句執行。
如果定義了主鍵，InnoDB會自動使用主鍵來創建聚集索引。如果沒有定義主鍵，InnoDB會選擇一個唯一的非空索引代替主鍵。如果沒有唯一的非空索引，InnoDB會隱式定義一個主鍵來作為聚集索引。）

MyISAM:

B+Tree葉節點存放的是數據記錄的地址，在檢索的時候，先找到索引對應的數據記錄的地址，再根據地址讀取相應的數據記錄，這種查找方式被稱為“非聚集索引”。

InnoDB:

它的主鍵索引是聚集索引，即主鍵和行記錄放在同一個葉節點，找到了主鍵也就找到了行記錄；而它的非主鍵索引，或者說是輔助索引，是非聚集索引，跟MyISAM引擎的非聚集索引不同的是，MyISAM葉節點保存的是地址，而InnoDB是主鍵，InnoDB非聚集索引的索引文件和數據文件分開存儲，索引文件的葉節點只保存主鍵，在查找時，要先找到葉節點中的主鍵，再根據主鍵去主索引文件查找詳細行記錄；因此，在設計表的時候，主鍵字段不宜過長。

為什么要給表加上主鍵？

事實上， 一個加了主鍵的表，并不能被稱之為「表」。
一個沒加主鍵的表，它的數據無序的放置在磁盤存儲器上，一行一行的排列的很整齊
如果給表上了主鍵，那么表在磁盤上的存儲結構就由整齊排列的結構轉變成了樹狀結構， 也就是上面說的「平衡樹」結構
換句話說，就是整個表就變成了一個索引，是所謂的「聚集索引」。
這就是為什么一個表只能有一個主鍵，一個表只能有一個「聚集索引」，因為主鍵的作用就是把「表」的數據格式轉換成「索引（平衡樹）」的格式放置。

為什么加索引后會使查詢變快？

其中樹的所有結點（底部除外）的數據都是由主鍵字段中的數據構成，也就是通常我們指定主鍵的id字段。最下面部分是真正表中的數據。

假如我們執行一個SQL語句： select * from table where id = 1256;
首先根據索引定位到1256這個值所在的葉結點，然后再通過葉結點取到id等于1256的數據行。
這里不講解平衡樹的運行細節， 但是從上圖能看出，樹一共有三層， 從根節點至葉節點只需要經過三次查找就能得到結果。如下圖

假如一張表有一億條數據 ，需要查找其中某一條數據，按照常規邏輯， 一條一條的去匹配的話，
最壞的情況下需要匹配一億次才能得到結果，用大O標記法就是O(n)最壞時間復雜度，這是無法接受的，而且這一億條數據顯然不能一次性讀入內存供程序使用。
因此， 這一億次匹配在不經緩存優化的情況下就是一億次IO開銷，以現在磁盤的IO能力和CPU的運算能力， 有可能需要幾個月才能得出結果。
如果把這張表轉換成平衡樹結構（一棵非常茂盛和節點非常多的樹），假設這棵樹有10層，那么只需要10次IO開銷就能查找到所需要的數據， 速度以指數級別提升。
n是記錄總樹，底數是樹的分叉數，結果就是樹的層次數。換言之，查找次數是以樹的分叉數為底，記錄總數的對數，用公式來表示就是

用程序來表示就是Math.Log(100000000,10)，100000000是記錄數，10是樹的分叉數（真實環境下分叉數遠不止10），
結果就是查找次數，這里的結果從億降到了個位數。因此，利用索引會使數據庫查詢有驚人的性能提升。

為什么加索引后會使寫入、修改、刪除變慢？

然而， 事物都是有兩面的， 索引能讓數據庫查詢數據的速度上升， 而使寫入數據的速度下降，原因很簡單的，
因為平衡樹這個結構必須一直維持在一個正確的狀態， 增刪改數據都會改變平衡樹各節點中的索引數據內容，破壞樹結構， 因此，在每次數據改變時，
DBMS必須去重新梳理樹（索引）的結構以確保它的正確，這會帶來不小的性能開銷，也就是為什么索引會給查詢以外的操作帶來副作用的原因。

講完聚集索引 ， 接下來聊一下非聚集索引， 也就是我們平時經常提起和使用的常規索引。

非聚集索引和聚集索引一樣， 同樣是采用平衡樹作為索引的數據結構。索引樹結構中各節點的值來自于表中的索引字段。
假如給user表的name字段加上索引 ， 那么索引就是由name字段中的值構成，在數據改變時， DBMS需要一直維護索引結構的正確性。如果給表中多個字段加上索引 ， 那么就會出現多個獨立的索引結構，每個索引（非聚集索引）互相之間不存在關聯。
如下圖

每次給字段建一個新索引， 字段中的數據就會被復制一份出來， 用于生成索引。 因此， 給表添加索引，會增加表的體積， 占用磁盤存儲空間。

非聚集索引和聚集索引的區別在于， 通過聚集索引可以查到需要查找的數據， 而通過非聚集索引可以查到記錄對應的主鍵值 ，
再使用主鍵的值通過聚集索引查找到需要的數據，如下圖

不管以任何方式查詢表， 最終都會利用主鍵通過聚集索引來定位到數據， 聚集索引（主鍵）是通往真實數據所在的唯一路徑。

然而， 有一種例外可以不使用聚集索引就能查詢出所需要的數據， 這種非主流的方法 稱之為「覆蓋索引」查詢。
也就是平時所說的復合索引或者多字段索引查詢。 文章上面的內容已經指出， 當為字段建立索引以后， 字段中的內容會被同步到索引之中。
如果為一個索引指定兩個字段， 那么這個兩個字段的內容都會被同步至索引之中。

先看下面這個SQL語句

//建立索引

create index index_birthday on user_info(birthday);

//查詢生日在1991年11月1日出生用戶的用戶名

select user_name from user_info where birthday = ‘1991-11-1’

這句SQL語句的執行過程如下

首先，通過非聚集索引index_birthday查找birthday等于1991-11-1的所有記錄的主鍵ID值

然后，通過得到的主鍵ID值執行聚集索引查找，找到主鍵ID值對就的真實數據（數據行）存儲的位置

最后， 從得到的真實數據中取得user_name字段的值返回， 也就是取得最終的結果

什么情況下要同時在兩個字段上建索引？

我們把birthday字段上的索引改成雙字段的覆蓋索引

create index index_birthday_and_user_name on user_info(birthday,
user_name);

這句SQL語句的執行過程就會變為

通過非聚集索引index_birthday_and_user_name查找birthday等于1991-11-1的葉節點的內容，然而，
葉節點中除了有user_name表主鍵ID的值以外， user_name字段的值也在里面， 因此不需要通過主鍵ID值的查找數據行的真實所在，
直接取得葉節點中user_name的值返回即可。 通過這種覆蓋索引直接查找的方式， 可以省略不使用覆蓋索引查找的后面兩個步驟，
大大的提高了查詢性能，如下圖

總結

以上是生活随笔為你收集整理的数据库索引是什么？为什么要使用索引？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。