MySQL中的索引
索引是一种为了加速对表中数据行的检索而创建的数据结构。
2. 唯一索引：加速查询 + 列值唯一（可以有null）；
3. 主键索引：加速查询 + 列值唯一（不可以有null）+ 表中只有一个；
4. 组合索引：多列值组成一个索引，专门用于组合搜索，其效率大于索引合并；【最左匹配原则】
5. 全文索引：对文本的内容进行分词，进行搜索；
6. 覆盖索引：select的数据列只用从索引中就能够取得，不必读取数据行，换句话说查询列要被所建的索引覆盖；
MySQL中索引类型常见的有两种：B+树、Hash表
Q:为什么不用二叉树或红黑树？
不使用二叉树的原因：数据库在插入数据前要先维护索引，如果插入的数据中索引是递增的，那么索引就演变成一个链表，在查找的时候相当于全表扫描，没有意义。
不使用红黑树的原因：因为红黑树的度为2，所以红黑树中当表中的数据很多时，红黑树的高度会比较高（一百万条记录，结点都存满了，树高大概是20）
那么当要查找的数据在叶子结点的时候，就可能要找十几次，效率太低。
Q:为什么使用B+树而不是B-树？
B+树非叶子结点不存储data，只存储索引（冗余），所以可以放更多的索引。同时B+树的叶子结点用指针连接，可以提高区间访问的性能（如使用where id > =20 进行范围查询时，先找到20这个结点，再可以通过叶子结点的指针将其他结点取出来）
拓展：根据磁盘预读原理，B+树将一个节点的大小设为一个页的大小，MySQL中默认设置一页的大小是16KB，如果索引用的是BigInt(大小为8B)，那么加上指针（大概是6B），一个结点大概可以存储16KB/(6B+8B)≈1170个元素，假设叶子结点存储的数据为1KB，那么当树高为3时，总共大概可以存储1170*1170*16≈2190万个索引。也就是说树高为3时，可以支撑千万级表的快速查找。
Q：用Hash表做索引的数据结构有什么不好的地方？
因为Hash索引比较的是进行Hash运算后的Hash值，所以只能用于等值的过滤。而且经过Hash算法运算后的Hash值的大小关系并不一定和原始数据的大小关系一样，所以无法用来做范围查询，只支持等值比较查询（in，=，<=>）。对于组合索引，哈希索引也不支持部分索引列匹配查找，因为哈希索引始终是使用索引的全部列值内容来计算哈希值的。如：数据列（a,b）上建立哈希索引，如果只查询数据列a，则无法使用该索引。另外不同的索引键可能存在相同的Hash值，所以即使找个相同Hash值的记录，也无法从Hash索引中直接完成查询，还是要通过进行表扫描，通过访问表中的真实数据进行相应的比较并得到相应的结果。
详细点看：https://www.cnblogs.com/xiaoboluo768/p/5164342.html
常见的两种数据库存储引擎（MyISAM、InnoDB）的索引实现：
#数据库存储引擎是用来形容表的
MyISAM存储引擎索引实现
-
MyISAM索引文件和数据文件是分离的(非聚集)
InnoDB索引实现（聚集）
- 表数据文件本身就是按B+树组织的一个索引结构文件
- 叶子结点包含了完整的数据记录（聚集索引和非聚集索引的区别：索引文件和数据文件是不是分开存储的，InnoDB使用聚集索引，MyISAM使用非聚集索引，聚集索引查找效率比非聚集索引高）
- InnoDB表必须有主键（MySQL如果建表的时候没建主键，会找可以建唯一索引的一列作主键，如果找不到可以标识唯一数据的一列，那么会在表里默认加一列数据，在后台维护唯一的主键索引），并且推荐使用整型的自增主键（整型占用的磁盘空间少而且进行比较的效率高于其他数据结构（如字符串等），因为B+树的叶子结点是从左到右是依次递增的，如果不用自增的主键，那么在插入记录维护索引的时候，就有可能因为结点16KB已经放满而进行结点分裂和树平衡，这会带来性能的开销，而自增的主键永远往右边的结点加元素，那么造成结点分裂的概率就会非常小）
- 非主键索引结构叶子结点存储的是主键值（保证一致性和节省存储空间）
用MyISAM的表由三个文件组成：.frm（表结构文件） .MYD（表的数据文件） .MYI（表的索引信息文件）
用InnoDB的表由两个文件组成：.frm（表结构文件） .ibd（包含数据和索引信息）
联合索引：对多个字段同时建立的索引
很多都是看诸葛老师的视频学到的：https://www.bilibili.com/video/av73372462
