索引原理（平衡樹數據結構）

索引索引索引

本質：通過不斷地縮小想要獲取數據的范圍來篩選出最終想要的結果，同時把隨機的事件變成順序的事件，也就是說，有了這種索引機制，我們可以總是用同一種查找方式來鎖定數據

想要了解索引的原理就必須了解一種數據結構——平衡樹（b tree或b+ tree），也有寫索引是用哈希桶作為其數據結構，但是主流的RDBMS都是把平衡樹作為默認的索引存儲結構

這里的平衡樹，類似我們熟悉的二叉樹，但不等於二叉樹，存儲結構也是有根節點，葉結點，真正的數據只存在葉子結點上，其他非葉子結點只存儲指引搜索的方向。事實上，創建表時如果未指定主鍵，則數據無序地放置在磁盤存儲器上，一列一列很整齊地存放着，但是沒有規律，如果指定了主鍵，數據存儲結構立刻變為樹狀結構，也就是所說的平衡樹結構，同時生成了一個聚集索引，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存儲格式轉換成索引（平衡樹）的格式放置。

例如這條SQL語句：

select * from kxf where id=20;

首先根據索引定位到20這個值所在的葉結點，然后再通過葉結點取到id等於20的數據行。 這里不講解平衡樹的運行細節， 但是樹有多少層， 從根節點至葉節點就只需要經過多少次查找就能得到結果，這里樹有三層，也就是說只需要三次IO，如下圖

假如一張表有一億條數據，需要查找其中某一條，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，時間復雜度就是O(n)，這顯然無法接受，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，這一億次匹配在不僅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，假設這棵樹有10層，那就只需要10次IO開銷就能查找到數據，速度以指數級別提升。

所以假設當前數據表的數據為N，每個磁盤塊的數據項的數量是m，則有h=㏒(m+1)N，當數據量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數據項的大小，磁盤塊的大小也就是一個數據頁的大小，是固定的，如果數據項占的空間越小，數據項的數量越多，樹的高度越低。這就是為什么每個數據項，即索引字段要盡量的小，比如int占4字節，要比bigint8字節少一半。這也是為什么b+樹要求把真實的數據放到葉子節點而不是內層節點，一旦放到內層節點，磁盤塊的數據項會大幅度下降，導致樹增高。當數據項等於1時將會退化成線性表。

講完聚集索引，接下來說一下非聚集索引，也就是我們平時經常用到的常規索引

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於表中的索引字段， 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。 

非聚集索引和聚集索引的區別在於，通過聚集索引可以直接查找到所需要的數據，而通過非聚集索引可以查找到記錄對應的主鍵，然后再通過聚集索引查找到所需要的記錄，查找步驟如下圖：

無論采用哪種方式查詢表，最終都會通過聚集索引來定位數據，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等於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

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等於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。

 

下面的表總結了何時使用聚集索引或非聚集索引：

動作描述	使用聚集索引	使用非聚集索引
列經常被分組排序	應	應
返回某范圍內的數據	應	不應
一個或極少不同值	不應	不應
小數目的不同值	應	不應
大數目的不同值	不應	應
頻繁更新的列	不應	應
外鍵列	應	應
主鍵列	應	應
頻繁修改索引列	不應	應

 

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