一、索引是什么？

索引是一种特殊的文件，包含着对数据表里所有记录的引用指针。可以对表中的一列或多列创建索引，并指定索引的类型，各类索引有各自的数据结构实现。

索引的作用

1.数据库中的表，数据，索引之间的关系，类似于书架上的图书，图书内容，图书目录的关系。
2.顾名思义，索引类似于图书目录，可以快速的定位我们想要看的位置。
3.索引可以大大提高数据库的性能。

索引我们可以例比着书的目录去理解，当我们有了目录的时候，我们就可以很快的找到对应内容的位置。
索引的效果:
加快了查找的速度，进行数据库操作时，常用的操作是增删查改，但是查询是日常业务中最最频繁的操作

同时，索引提高查询速度的同时，也增加了增删改的开销，因为当我们修改操作时，索引也会跟着改变。空间的开销也会增大，需要额外的空间来保存索引。

二、索引的使用

查看索引

show index from 表名;

-- 创建一个学生表
create table student(id int primary key,name varchar(50));

我们可以发现在学生表中，我们未手动添加索引，但是它会自带一个索引。
创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）时，会自动创建对应列的索引。其实也很好理解，上面这几种情况，在进行相关操作时，都会先对表中相应的列去查询，如果不去添加索引，就会去一条一条去遍历表中的数据，那么效率将大大的低下.

创建索引

create index 索引名 on 表名(字段名);

-- 给学生表名字创建一个索引create index idx_stu_name on student(name);

我们可以发现成功给name加入了一个索引。
注意事项；
索引虽然是一个很便捷的东西，但是我们使用它的时候一定得小心，我们如果需要加索引的话尽量在创表的时候就搞好，否则将是一个十分危险的操作，如果我们这个时候去创建一个索引的话，就会占据大量的资源(磁盘IO等),就跟我们在写一本书，在写好书之后再去编写目录，索引是同理，是一件很麻烦的事情，会花费大量时间，时间取决于数据量的大小

加上索引后查询一定快吗?
不一定，当数据量特别少，一行行查询可能会更快。
如果你是给大量重复的数据加索引(如性别)，也是无法提高查询速度的。

删除索引

drop index 索引名 on 表名;

-- 删除学生表name索引
drop index idx_stu_name on student;

同样的删除索引也是会耗费大量的资源，是一项危险的操作

三、索引的底层

那么索引在MySQL中的数据结构是什么呢?
1.哈希表

哈希表是一项查询为常数项的数据结构，但是哈希表不适合去当做数据库的索引。因为哈希表虽然查找速度很快，但无法进行between and这样的范围查询。
2.二叉搜索树

这里我们在查询元素的时候，时间复杂度是多少?
long(N),当这个二叉搜索树是单分支最差情况下，二叉树因为前序遍历是有序的，因次可以满足between and 的范围查询，但是当元素个数增多时，树的高度高时，元素的比较的次数也会增多，硬盘的操作也会增多，因此也不太适合。
3.N叉搜索树

我们可以发现N叉搜索树(B树)，在二叉搜索树的基础上，每个节点有多个值，同时有多个分叉，树的高度降低了，比较次数虽然没有减少，但是在硬盘上读的次数减少了许多(因为每次读的操作都是在硬盘上).我们发现B树已经能够做数据库的索引，但是在实际开发中对性能要求远不止此，B+树就是为了索引量身定做。
4.B+树

1.B+树是N叉搜索树的一个升级版，每个节点的最后一个值就是局部最大值了。
2.叶子节点会用一个双链表首尾相连，当我们需要进行between and的操作时，只需要root tail 指针指向相应节点，然后遍历即可。
3.父元素会在子节点重复出现，并且是最大值。

B+树的优势:
1.除了叶子节点都是简单的存储了id，最终都会落到叶子结点，所以无论查询那个元素，比较次数大差不差，查询操作不会出现大差异。
2.因为叶子结点存储了所有的key，所以我们只需把真正的数据只存储在叶子结点即可。
3.更适合范围查询，双链表连接。
4.N叉搜索树高度降低了，硬盘上的IO操作大幅度减少。

如果是多索引怎么办?
比如主键索引是id，非主键索引的姓名。
那么姓名索引的B+树的叶子节点存储的都是主键id，找到id后，再去主键索引idB+树去遍历，主键idB+树的叶子节点存储的是完整数据行，此操作成为回表

我们在此处所谈的B+树只是在MySQL的InnDB这个数据库引擎所使用的典型数据结够。不同的数据库有不同的引擎，索引的数据结构也会有所差异。