1. MySQL

索引是在存儲引擎層實現的，而不是在服務器層實現的，所以不同存儲引擎具有不同的索引類型和實現。

1.1 B+Tree 索引

是大多數 MySQL 存儲引擎的默認索引類型。

因為不再需要進行全表掃描，只需要對樹進行搜索即可，因此查找速度快很多。

除了用于查找，還可以用于排序和分組。

可以指定多個列作為索引列，多個索引列共同組成鍵

適用于全鍵值、鍵值范圍和鍵前綴查找，其中鍵前綴查找只適用于最左前綴查找。

如果不是按照索引列的順序進行查找，則無法使用索引。

InnoDB 的 B+Tree 索引分為主索引和輔助索引。

1.1.1 主索引

主索引的葉子節點 data 域記錄著完整的數據記錄，這種索引方式被稱為聚簇索引。因為無法把數據行存放在兩個不同的地方，所以一個表只能有一個聚簇索引。

1.1.2 輔助索引

輔助索引的葉子節點的 data 域記錄著主鍵的值，因此在使用輔助索引進行查找時，需要先查找到主鍵值，然后再到主索引中進行查找。

1.2 哈希索引

哈希索引能以 O(1) 時間進行查找，但是失去了有序性，它具有以下限制：

• 無法用于排序與分組；
• 只支持精確查找，無法用于部分查找和范圍查找。

InnoDB 存儲引擎有一個特殊的功能叫“自適應哈希索引”：

• 當某個索引值被使用的非常頻繁時，會在 B+Tree 索引之上再創建一個哈希索引，
• 這樣就讓 B+Tree 索引具有哈希索引的一些優點，比如快速的哈希查找。

1.3 全文索引

MyISAM 存儲引擎支持全文索引，用于查找文本中的關鍵詞，而不是直接比較是否相等。

查找條件使用 MATCH AGAINST，而不是普通的 WHERE。

全文索引一般使用倒排索引實現，它記錄著關鍵詞到其所在文檔的映射。

InnoDB 存儲引擎在 MySQL 5.6.4 版本中也開始支持全文索引。

1.4 空間數據索引

MyISAM 存儲引擎支持空間數據索引（R-Tree） ，可以用于地理數據存儲。

空間數據索引會從所有維度來索引數據，可以有效地使用任意維度來進行組合查詢。

必須使用 GIS 相關的函數來維護數據。

2. 索引優化

2.1 獨立的列

在進行查詢時，索引列不能是表達式的一部分，也不能是函數的參數，否則無法使用索引。

例如下面的查詢不能使用 actor_id 列的索引：

SELECT actor_id FROM sakila.actor WHERE actor_id + 1 = 5;

2.2 多列索引

在需要使用多個列作為條件進行查詢時，使用多列索引比使用多個單列索引性能更好。

例如下面的語句中，最好把 actor_id 和 film_id 設置為多列索引。

SELECT film_id, actor_ id FROM sakila.film_actorWHERE actor_id = 1 AND film_id = 1;

2.3 索引列的順序

讓選擇性最強的索引列放在前面。

索引的選擇性是指：

• 不重復的索引值和記錄總數的比值。
• 最大值為 1，此時每個記錄都有唯一的索引與其對應。
• 選擇性越高，查詢效率也越高。

例如下面顯示的結果中 customer_id 的選擇性比 staff_id 更高，因此最好把customer_id 列放在多列索引的前面。

SELECT COUNT(DISTINCT staff_id)/COUNT(*) AS staff_id_selectivity,COUNT(DISTINCT customer_id)/COUNT(*) AS customer_id_selectivity, COUNT(*) FROM payment;

staff_id_selectivity: 0.0001
customer_id_selectivity: 0.0373
COUNT(*): 16049

2.4 前綴索引

對于 BLOB、TEXT 和 VARCHAR 類型的列，必須使用前綴索引，只索引開始的部分字符。

對于前綴長度的選取需要根據索引選擇性來確定。

2.5 覆蓋索引

索引包含所有需要查詢的字段的值。

具有以下優點：

• 索引通常遠小于數據行的大小，只讀取索引能大大減少數據訪問量。
• 一些存儲引擎（例如 MyISAM） 在內存中只緩存索引，而數據依賴于操作系統來緩存。因此，只訪問索引可以不使用系統調用（通常比較費時） 。
• 對于 InnoDB 引擎，若輔助索引能夠覆蓋查詢，則無需訪問主索引。

3.索引優點

大大減少了服務器需要掃描的數據行數。

幫助服務器避免進行排序和分組，也就不需要創建臨時表（B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。臨時表主要是在排序和分組過程中創建，因為不需要排序和分組，也就不需要創建臨時表） 。

將隨機 I/O 變為順序 I/O（B+Tree 索引是有序的，也就將相鄰的數據都存儲在一起） 。

4.索引的使用場景

對于非常小的表、大部分情況下簡單的全表掃描比建立索引更高效。

對于中到大型的表，索引就非常有效。

但是對于特大型的表，建立和維護索引的代價將會隨之增長。這種情況下，需要用到一種技術可以直接區分出需要查詢的一組數據，而不是一條記錄一條記錄地匹配，例如可以使用分區技術。

總結

以上是生活随笔為你收集整理的MySQL索引（B+Tree 索引、哈希索引、全文索引、 空间数据索引）、索引优化、优点、使用场景的全部內容，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。