說到索引，很多人都知道“索引是一個排序的列表，在這個列表中儲存著索引的值和包含這個值的資料所在行的實體地址，在資料十分龐大的時候，索引可以大大加快查詢的速度，這是因為使用索引後可以不用掃描全表來定位某行的資料，而是先通過索引表找到該行資料對應的實體地址然後訪問相應的資料。”

但是索引是怎麼實現的呢？因為索引並不是關係模型的組成部分，因此不同的DBMS有不同的實現，我們針對MySQL資料庫的實現進行說明。本文內容涉及MySQL中索引的語法、索引的優缺點、索引的分類、索引的實現原理、索引的使用策略、索引的優化幾部分。

一、MySQL中索引的語法

建立索引

在建立表的時候新增索引

CREATE TABLE tablename(
id INT(10) PRIMARY KEY,
content TEXT,
name CHAR(10) NOT NULL, 
[UNIQUE] INDEX name_index (name(4)))ENGION MyISAM DEFAULT CHARSE utf8;
 

在建立表以後新增索引

ALTER my_table ADD [UNIQUE] INDEX my_index(my_text);
CREATE INDEX my_index ON my_table(my_text);

根據索引查詢

SELECT * FROM tablename WHERE MATCH(content) AGAINST('word1','word2',...);

刪除索引

DROP my_index ON tablename；

查看錶中的索引

SHOW INDEX FROM tablename

二、索引的優缺點

優勢：可以快速檢索，減少I/O次數，加快檢索速度；根據索引分組和排序，可以加快分組和排序；

劣勢：索引本身也是表，因此會佔用儲存空間，一般來說，索引表佔用的空間的資料表的1.5倍；索引表的維護和建立需要時間成本，這個成本隨著資料量增大而增大；構建索引會降低資料表的修改操作（刪除，新增，修改）的效率，因為在修改資料表的同時還需要修改索引表；

三、索引的分類

常見的索引型別有：主鍵索引、唯一索引、普通索引、全文索引、組合索引

1、主鍵索引：即主索引，根據主鍵pk_clolum（length）建立索引，不允許重複，不允許空值；

ALTER TABLE 'table_name' ADD PRIMARY KEY('col')；

2、唯一索引：用來建立索引的列的值必須是唯一的，允許空值

ALTER TABLE 'table_name' ADD UNIQUE('col')；
 

3、普通索引：用表中的普通列構建的索引，沒有任何限制

ALTER TABLE 'table_name' ADD INDEX index_name('col')；

4、全文索引：用大文字物件的列構建的索引（下一部分會講解）

ALTER TABLE 'table_name' ADD FULLTEXT('col')；

5、組合索引：用多個列組合構建的索引，這多個列中的值不允許有空值

ALTER TABLE 'table_name' ADD INDEX index_name('col1','col2','col3')；

*遵循“最左字首”原則，把最常用作為檢索或排序的列放在最左，依次遞減，組合索引相當於建立了col1,col1col2,col1col2col3三個索引，而col2或者col3是不能使用索引的。

*在使用組合索引的時候可能因為列名長度過長而導致索引的key太大，導致效率降低，在允許的情況下，可以只取col1和col2的前幾個字元作為索引

ALTER TABLE 'table_name' ADD INDEX index_name(col1(4),col2（3))；

表示使用col1的前4個字元和col2的前3個字元作為索引

四、索引的實現原理

MySQL支援諸多儲存引擎，而各種儲存引擎對索引的支援也各不相同，因此MySQL資料庫支援多種索引型別，如BTree索引，B+Tree索引，雜湊索引，全文索引等等，

1、雜湊索引：

只有memory（記憶體）儲存引擎支援雜湊索引，雜湊索引用索引列的值計算該值的hashCode，然後在hashCode相應的位置存執該值所在行資料的物理位置，因為使用雜湊演算法，因此訪問速度非常快，但是一個值只能對應一個hashCode，而且是雜湊的分佈方式，因此雜湊索引不支援範圍查詢和排序的功能。

2、全文索引：

FULLTEXT（全文）索引，僅可用於MyISAM和InnoDB，針對較大的資料，生成全文索引非常的消耗時間和空間。對於文字的大物件，或者較大的CHAR型別的資料，如果使用普通索引，那麼匹配文字前幾個字元還是可行的，但是想要匹配文字中間的幾個單詞，那麼就要使用LIKE %word%來匹配，這樣需要很長的時間來處理，響應時間會大大增加，這種情況，就可使用時FULLTEXT索引了，在生成FULLTEXT索引時，會為文字生成一份單詞的清單，在索引時及根據這個單詞的清單來索引。FULLTEXT可以在建立表的時候建立，也可以在需要的時候用ALTER或者CREATE INDEX來新增：

//建立表的時候新增FULLTEXT索引
CTREATE TABLE my_table(
id INT(10) PRIMARY KEY,
name VARCHAR(10) NOT NULL,
my_text text CHARACTER SET utf8 COLLATE utf8_general_ci NULL,
FULLTEXT(my_text));

//建立表以後，在需要的時候新增FULLTEXT索引
ALTER my_table ADD FULLTEXT ft_index(my_text);
CREATE INDEX ft_index ON my_table(my_text);

*MySQL自帶的全文索引只能用於MyISAM儲存引擎，如果是其它資料引擎，那麼全文索引不會生效。

*在MySQL中，全文索引支隊英文有用，目前對中文還不支援。

*在MySQL中，如果檢索的字串太短則無法檢索得到預期的結果，檢索的字串長度至少為4位元組，此外，如果檢索的字元包括停止詞，那麼停止詞會被忽略。

3、BTree索引和B+Tree索引

• BTree索引

BTree是平衡搜尋多叉樹，設樹的度為d（d>1），高度為h，那麼BTree要滿足以一下條件：

每個葉子結點的高度一樣，等於h；

每個非葉子結點由n-1個key和n個指標point組成，其中d<=n<=2d,key和point相互間隔，結點兩端一定是key；

葉子結點指標都為null；

非葉子結點的key都是[key,data]二元組，其中key表示作為索引的鍵，data為鍵值所在行的資料；

BTree的結構如下：

在BTree的機構下，就可以使用二分查詢的查詢方式，查詢複雜度為h*log(n)，一般來說樹的高度是很小的，一般為3左右，因此BTree是一個非常高效的查詢結構。

• B+Tree索引

B+Tree是BTree的一個變種，設d為樹的度數，h為樹的高度，B+Tree和BTree的不同主要在於：

B+Tree中的非葉子結點不儲存資料，只儲存鍵值；

B+Tree的葉子結點沒有指標，所有鍵值都會出現在葉子結點上，且key儲存的鍵值對應的資料的實體地址；

B+Tree的結構如下：

一般來說B+Tree比BTree更適合實現外存的索引結構，因為儲存引擎的設計專家巧妙的利用了外存（磁碟）的儲存結構，即磁碟的一個扇區是整數倍的page（頁），頁是儲存中的一個單位，通常預設為4K，因此索引結構的節點被設計為一個頁的大小，然後利用外存的“預讀取”原則，每次讀取的時候，把整個節點的資料讀取到記憶體中，然後在記憶體中查詢，已知記憶體的讀取速度是外存讀取I/O速度的幾百倍，那麼提升查詢速度的關鍵就在於儘可能少的磁碟I/O，那麼可以知道，每個節點中的key個數越多，那麼樹的高度越小，需要I/O的次數越少，因此一般來說B+Tree比BTree更快，因為B+Tree的非葉節點中不儲存data，就可以儲存更多的key。

• 帶順序索引的B+TREE

很多儲存引擎在B+Tree的基礎上進行了優化，添加了指向相鄰葉節點的指標，形成了帶有順序訪問指標的B+Tree，這樣做是為了提高區間查詢的效率，只要找到第一個值那麼就可以順序的查詢後面的值。

B+Tree的結構如下：

分析了MySQL的索引結構的實現原理，然後我們來看看具體的儲存引擎怎麼實現索引結構的，MySQL中最常見的兩種儲存引擎分別是MyISAM和InnoDB，分別實現了非聚簇索引和聚簇索引。

首先要介紹幾個概念，在索引的分類中，我們可以按照索引的鍵是否為主鍵來分為“主索引”和“輔助索引”，使用主鍵鍵值建立的索引稱為“主索引”，其它的稱為“輔助索引”。因此主索引只能有一個，輔助索引可以有很多個。

MyISAM——非聚簇索引

• MyISAM儲存引擎採用的是非聚簇索引，非聚簇索引的主索引和輔助索引幾乎是一樣的，只是主索引不允許重複，不允許空值，他們的葉子結點的key都儲存指向鍵值對應的資料的實體地址。
• 非聚簇索引的資料表和索引表是分開儲存的。
• 非聚簇索引中的資料是根據資料的插入順序儲存。因此非聚簇索引更適合單個數據的查詢。插入順序不受鍵值影響。
• 只有在MyISAM中才能使用FULLTEXT索引。

*最開始我一直不懂既然非聚簇索引的主索引和輔助索引指向相同的內容，為什麼還要輔助索引這個東西呢，後來才明白索引不就是用來查詢的嗎，用在那些地方呢，不就是WHERE和ORDER BY 語句後面嗎，那麼如果查詢的條件不是主鍵怎麼辦呢，這個時候就需要輔助索引了。

InnoDB——聚簇索引

• 聚簇索引的主索引的葉子結點儲存的是鍵值對應的資料本身，輔助索引的葉子結點儲存的是鍵值對應的資料的主鍵鍵值。因此主鍵的值長度越小越好，型別越簡單越好。
• 聚簇索引的資料和主鍵索引儲存在一起。
• 聚簇索引的資料是根據主鍵的順序儲存。因此適合按主鍵索引的區間查詢，可以有更少的磁碟I/O，加快查詢速度。但是也是因為這個原因，聚簇索引的插入順序最好按照主鍵單調的順序插入，否則會頻繁的引起頁分裂，嚴重影響效能。
• 在InnoDB中，如果只需要查詢索引的列，就儘量不要加入其它的列，這樣會提高查詢效率。
  

*使用主索引的時候，更適合使用聚簇索引，因為聚簇索引只需要查詢一次，而非聚簇索引在查到資料的地址後，還要進行一次I/O查詢資料。

*因為聚簇輔助索引儲存的是主鍵的鍵值，因此可以在資料行移動或者頁分裂的時候降低委會成本，因為這時不用維護輔助索引。但是輔助索引會佔用更多的空間。

*聚簇索引在插入新資料的時候比非聚簇索引慢很多，因為插入新資料時需要減壓主鍵是否重複，這需要遍歷主索引的所有葉節點，而非聚簇索引的葉節點儲存的是資料地址，佔用空間少，因此分佈集中，查詢的時候I/O更少，但聚簇索引的主索引中儲存的是資料本身，資料佔用空間大，分佈範圍更大，可能佔用好多的扇區，因此需要更多次I/O才能遍歷完畢。

下圖可以形象的說明聚簇索引和非聚簇索引的區別

五、索引的使用策略

什麼時候要使用索引？

• 主鍵自動建立唯一索引；
• 經常作為查詢條件在WHERE或者ORDER BY 語句中出現的列要建立索引；
• 作為排序的列要建立索引；
• 查詢中與其他表關聯的欄位，外來鍵關係建立索引
• 高併發條件下傾向組合索引；

什麼時候不要使用索引？

• 經常增刪改的列不要建立索引；
• 有大量重複的列不建立索引；
• 表記錄太少不要建立索引；

*在組合索引中不能有列的值為NULL，如果有，那麼這一列對組合索引就是無效的；

*在一個SELECT語句中，索引只能使用一次，如果在WHERE中使用了，那麼在ORDER BY中就不要用了；

*LIKE操作中，'%aaa%'不會使用索引，也就是索引會失效，但是‘aaa%’可以使用索引；

*在索引的列上使用表示式或者函式會使索引失效，例如：select * from users where YEAR(adddate)<2007，將在每個行上進行運算，這將導致索引失效而進行全表掃描，因此我們可以改成：select * from users where adddate<’2007-01-01′。

*在查詢條件中使用正則表示式時，只有在搜尋模板的第一個字元不是萬用字元的情況下才能使用索引。

*在查詢條件中使用<>會導致索引失效。

*在查詢條件中使用IS NULL會導致索引失效。

*在查詢條件中使用OR連線多個條件會導致索引失效，這時應該改為兩次查詢，然後用UNION ALL連線起來。

*儘量不要包括多列排序，如果一定要，最好為這佇列構建組合索引；

*只有當資料庫裡已經有了足夠多的測試資料時，它的效能測試結果才有實際參考價值。如果在測試資料庫裡只有幾百條資料記錄，它們往往在執行完第一條查詢命令之後就被全部載入到記憶體裡，這將使後續的查詢命令都執行得非常快--不管有沒有使用索引。只有當資料庫裡的記錄超過了1000條、資料總量也超過了MySQL伺服器上的記憶體總量時，資料庫的效能測試結果才有意義。

六、索引的優化

1、最左字首

索引的最左字首和和B+Tree中的“最左字首原理”有關，舉例來說就是如果設定了組合索引<col1,col2,col3>那麼以下3中情況可以使用索引：col1，<col1,col2>，<col1,col2,col3>，其它的列，比如<col2,col3>，<col1,col3>，col2，col3等等都是不能使用索引的。

根據最左字首原則，我們一般把排序分組頻率最高的列放在最左邊，以此類推。

2、帶索引的模糊查詢優化

在上面已經提到，使用LIKE進行模糊查詢的時候，'%aaa%'不會使用索引，也就是索引會失效。如果是這種情況，只能使用全文索引來進行優化（上文有講到）。

為檢索的條件構建全文索引，然後使用

SELECT * FROM tablename MATCH(index_colum) ANGAINST(‘word’);