一篇讀懂聚集索引、非聚集索引、覆蓋索引的工作原理！
「 資料庫 」和「 資料庫索引 」這兩個東西是在伺服器端開發領域應用最為廣泛的兩個概念，熟練使用資料庫和資料庫索引是開發人員在行業內生存的必備技能。
使用索引很簡單，只要能寫建立表的語句，就肯定能寫建立索引的語句，要知道這個世界上是不存在不會建立表的伺服器端程式設計師的。然而， 會使用索引是一回事， 而深入理解索引原理又能恰到好處使用索引又是另一回事，這完全是兩個天差地別的境界（我自己也還沒有達到這層境界）。很大一部份程式設計師對索引的瞭解僅限於到“加索引能使查詢變快”這個概念為止。
1、為什麼要給表加上主鍵？
2、為什麼加索引後會使查詢變快？
3、為什麼加索引後會使寫入、修改、刪除變慢？
4、什麼情況下要同時在兩個欄位上建索引？
這些問題他們可能不一定能說出答案。知道這些問題的答案有什麼好處呢？如果開發的應用使用的資料庫表中只有1萬條資料，那麼瞭解與不瞭解真的沒有差別， 然而， 如果開發的應用有幾百上千萬甚至億級別的資料，那麼不深入瞭解索引的原理， 寫出來程式就根本跑不動，就好比如果給貨車裝個轎車的引擎，這貨車還能拉的動貨嗎？
接下來就講解一下上面提出的幾個問題，希望對閱讀者有幫助。
網上很多講解索引的文章對索引的描述是這樣的「索引就像書的目錄， 通過書的目錄就準確的定位到了書籍具體的內容」，這句話描述的非常正確， 但就像脫了褲子放屁，說了跟沒說一樣，通過目錄查詢書的內容自然是要比一頁一頁的翻書找來的快，同樣使用的索引的人難到會不知道，通過索引定位到資料比直接一條一條的查詢來的快，不然他們為什麼要建索引。
想要理解索引原理必須清楚一種資料結構「 平衡樹 」(非二叉)，也就是b tree或者 b+ tree，重要的事情說三遍：“平衡樹，平衡樹，平衡樹”。當然， 有的資料庫也使用雜湊桶作用索引的資料結構 ， 然而， 主流的RDBMS都是把平衡樹當做資料表預設的索引資料結構的。
我們平時建表的時候都會為表加上主鍵， 在某些關係資料庫中， 如果建表時不指定主鍵，資料庫會拒絕建表的語句執行。 事實上， 一個加了主鍵的表，並不能被稱之為「表」。一個沒加主鍵的表，它的資料無序的放置在磁碟儲存器上，一行一行的排列的很整齊， 跟我認知中的「表」很接近。 如果給表上了主鍵，那麼表在磁碟上的儲存結構就由整齊排列的結構轉變成了樹狀結構，也就是上面說的「平衡樹」結構，換句話說，就是整個表就變成了一個索引。 沒錯， 再說一遍， 整個表變成了一個索引，也就是所謂的「聚集索引」。
這就是為什麼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」的資料格式轉換成「索引（平衡樹）」的格式放置 。
上圖就是帶有主鍵的表（聚集索引）的結構圖。圖畫的不是很好， 將就著看。其中樹的所有結點（底部除外）的資料都是由主鍵欄位中的資料構成，也就是通常我們指定主鍵的id欄位。最下面部分是真正表中的資料。 假如我們執行一個SQL語句：
首先根據索引定位到1256這個值所在的葉結點，然後再通過葉結點取到id等於1256的資料行。 這裡不講解平衡樹的執行細節， 但是從上圖能看出，樹一共有三層， 從根節點至葉節點只需要經過三次查詢就能得到結果。如下圖：
假如一張表有一億條資料 ，需要查詢其中某一條資料，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，用大O標記法就是O(n)最壞時間複雜度，這是無法接受的，而且這一億條資料顯然不能一次性讀入記憶體供程式使用， 因此， 這一億次匹配在不經快取優化的情況下就是一億次IO開銷，以現在磁碟的IO能力和CPU的運算能力， 有可能需要幾個月才能得出結果 。
如果把這張錶轉換成平衡樹結構（一棵非常茂盛和節點非常多的樹），假設這棵樹有10層，那麼只需要10次IO開銷就能查詢到所需要的資料， 速度以指數級別提升，用大O標記法就是O(log n)，n是記錄總樹，底數是樹的分叉數，結果就是樹的層次數。換言之，查詢次數是以樹的分叉數為底，記錄總數的對數，用公式來表示就是
用程式來表示就是Math.Log(100000000,10)，100000000是記錄數，10是樹的分叉數（真實環境下分叉數遠不止10）， 結果就是查詢次數，這裡的結果從億降到了個位數。因此，利用索引會使資料庫查詢有驚人的效能提升。
然而， 事物都是有兩面的， 索引能讓資料庫查詢資料的速度上升， 而使寫入資料的速度下降，原因很簡單的， 因為平衡樹這個結構必須一直維持在一個正確的狀態， 增刪改資料都會改變平衡樹各節點中的索引資料內容，破壞樹結構 ， 因此，在每次資料改變時， DBMS必須去重新梳理樹（索引）的結構以確保它的正確，這會帶來不小的效能開銷，也就是為什麼索引會給查詢以外的操作帶來副作用的原因。
講完聚集索引，接下來聊一下 非聚集索引 ， 也就是我們平時經常提起和使用的常規索引。
非聚集索引和聚集索引一樣， 同樣是採用平衡樹作為索引的資料結構。索引樹結構中各節點的值來自於表中的索引欄位， 假如給user表的name欄位加上索引 ， 那麼索引就是由name欄位中的值構成，在資料改變時， DBMS需要一直維護索引結構的正確性。 如果給表中多個欄位加上索引 ， 那麼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。 如下圖：
image
每次給欄位建一個新索引， 欄位中的資料就會被複制一份出來， 用於生成索引。 因此， 給表新增索引，會增加表的體積， 佔用磁碟儲存空間。
非聚集索引和聚集索引的區別在於， 通過聚集索引可以查到需要查詢的資料， 而通過非聚集索引可以查到記錄對應的主鍵值 ， 再使用主鍵的值通過聚集索引查詢到需要的資料，如下圖：
不管以任何方式查詢表， 最終都會利用主鍵通過聚集索引來定位到資料， 聚集索引（主鍵）是通往真實資料所在的唯一路徑。
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資料， 這種非主流的方法 稱之為「 覆蓋索引 」查詢， 也就是平時所說的複合索引或者多欄位索引查詢。 文章上面的內容已經指出， 當為欄位建立索引以後， 欄位中的內容會被同步到索引之中， 如果為一個索引指定兩個欄位， 那麼這個兩個欄位的內容都會被同步至索引之中。
先看下面這個SQL語句：
這句SQL語句的執行過程如下:
1、首先，通過非聚集索引index_birthday查詢birthday等於1991-11-1的所有記錄的主鍵ID值
2、然後，通過得到的主鍵ID值執行聚集索引查詢，找到主鍵ID值對就的真實資料（資料行）儲存的位置
3、最後， 從得到的真實資料中取得user_name欄位的值返回， 也就是取得最終的結果
我們把birthday欄位上的索引改成雙欄位的覆蓋索引
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查詢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欄位的值也在裡面， 因此不需要通過主鍵ID值的查詢資料行的真實所在， 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詢的方式， 可以省略不使用覆蓋索引查詢的後面兩個步驟， 大大的提高了查詢效能，如下圖：
資料庫索引的大致工作原理就是像文中所述， 然而細節方面可能會略有偏差，這但並不會對概念闡述的結果產生影響 。