MySQL性能调优——索引详解与索引的优化
——索引优化，可以说是数据库相关优化、理解尤其是查询优化中最常用的优化手段之一。所以，只有深入索引的实现原理、存储方式、不同索引间区别，才能设计或使用最优的索引，最大幅度的提升查询效率！
B tree(b- tree) 和 B+tree
相当于一个节点可以有大于2个子节点的二叉查找数。
B tree ：是一种自平衡数，能够保持数据有序（每一层都有序），查找、删除、插入时间为O(logn)。所有叶子节点都在一层，跟记录有关的信息会放在每一个节点，所以查找一个记录跟二叉查找树一样，从根遍历。非叶子节点可以拥有可变数量的子节点（数量范围事先定好），当插入或删除导致超出范围，可能会分离或者合并。
B+ tree ：能够保持数据有序（每一层都有序），查找、删除、插入时间为O(logn)。所有叶子节点都在一层，跟记录有关的信息都放在叶子节点上，非叶子节点只存放索引，且将叶子节点通过指针连接在一起，形成一条链表。所以对整棵树的遍历只要一次线性遍历叶子节点即可。
查找[编辑]
查找以典型的方式进行，类似于二叉查找树。起始于根节点，自顶向下遍历树，选择其分离值在要查找值的任意一边的子指针。在节点内部典型的使用是二分查找来确定这个位置。
插入[编辑]
节点要处于违规状态，它必须包含在可接受范围之外数目的元素。
- 首先，查找要插入其中的节点的位置。接着把值插入这个节点中。
- 如果没有节点处于违规状态则处理结束。
- 如果某个节点有过多元素，则把它分裂为两个节点，每个都有最小数目的元素。在树上递归向上继续这个处理直到到达根节点，如果根节点被分裂，则创建一个新根节点。为了使它工作，元素的最小和最大数目典型的必须选择为使最小数不小于最大数的一半。
删除[编辑]
- 首先，查找要删除的值。接着从包含它的节点中删除这个值。
- 如果没有节点处于违规状态则处理结束。
- 如果节点处于违规状态则有两种可能情况：
- 它的兄弟节点，就是同一个父节点的子节点，可以把一个或多个它的子节点转移到当前节点，而把它返回为合法状态。如果是这样，在更改父节点和两个兄弟节点的分离值之后处理结束。
- 它的兄弟节点由于处在低边界上而没有额外的子节点。在这种情况下把两个兄弟节点合并到一个单一的节点中，而且我们递归到父节点上，因为它被删除了一个子节点。持续这个处理直到当前节点是合法状态或者到达根节点，在其上根节点的子节点被合并而且合并后的节点成为新的根节点。
一、B+Tree索引
1、概述
Mysql数据库中使用最频繁的索引类型，基本所有存储引擎都支持BTree索引。正是其优异的检索表现，才使其有这样的地位。
2、存储结构
正如其名，这类索引的物理文件大多就是以BTree结构来存储的，但会有不同的存储引擎在使用BTree索引时，对存储结构稍作修改，比如MyISAM存储引擎，使用B+Tree的数据结构，它相对与BTree结构，所有的数据都存放在叶子节点上，且把叶子节点通过指针连接到一起，形成了一条数据链表，以加快相邻数据的检索效率。
（对B树、B+树不熟悉的，可参看博客索引基础——B-Tree、B+Tree、红黑树、B*Tree数据结构 或《算法导论》）
另外，对于innoDB存储引擎，虽然同样使用B+Tree作为索引的存储结构，但具体实现却与MyISAM截然不同，这也是作为MyISAM与InnoDB存储引擎的一个重要区别反复被面试官问到。（关于MyISAM与InnoDB存储引擎可参看博客MySQL架构设计——MyISAM存储引擎与InnoDB存储引擎）
（1）MyISAM引擎索引结构的叶子节点的数据域，存放的并不是实际的数据记录，而是数据记录的地址。索引文件与数据文件分离，这样的索引称为“非聚簇索引”。MyISAM的主索引与辅助索引区别并不大，只是主键索引不能有重复的关键字。
如下图所示为非聚簇索引的主键索引：
其检索算法：先按照B+Tree的检索算法检索，找到指定关键字，则取出对应数据域的值，作为地址取出数据记录。
（2）InnoDB引擎索引结构的叶子节点的数据域，存放的就是实际的数据记录（对于主索引，此处会存放表中所有的数据记录；对于辅助索引此处会引用主键，检索的时候通过主键到主键索引中找到对应数据行），或者说，InnoDB的数据文件本身就是主键索引文件，这样的索引被称为“聚簇索引”，一个表只能有一个聚簇索引。
如下图所示为聚簇索引的主键索引：
MySQL中只有memory支持Hash索引
参考：https://blog.csdn.net/zhangliangzi/article/details/51366345
