数据库中的索引，原理是什么？为什么查询使用索引就会快，友情链接搜读。

各位网友好，小编关注的话题，就是关于友情链接索引量的问题，为大家整理了1个问题友情链接索引量的解答内容来自网络整理。

数据库中的索引，原理是什么？为什么查询使用索引就会快

索引简单来说就是一本字典的目录，数据量小的时候，字典比较薄，全部一扫而过，瞬间就能查询到你指定的数据，但是随着数据量的增加，字典越来越厚，全部扫，费时费力（消耗大量的系统内存，磁盘瞬间IO也会越来越吃紧，占用大量系统资源，进程得不到释放），这时候如果给字典新增加个对应章节（表）目录，我们直接通过目录就能快速检索到有用数据，不会漫无边际的全部扫，再去过滤。当然由于你新建了目录（索引），肯定会占用一定的字典空间，当然针对你的查询来说，通过空间换时间，这个还是很值得的。针对插入，由于你需要往指定目录（有索引的表）插入数据，字典（数据库系统）需要重新更新制定目录并且维护目录信息，因此插入这个过程会慢，如何解决这一问题呢，我们可以删除指定目录（索引或者分区），数据全部处理好以后重新创建目录。

数据库索引可以理解成图书馆的书架，书架按书目分类，或者理解成一本书的目录。想想如果没有这些目录，要找一本书中内容，就要从头把书翻一遍，或者把图书馆的书都找一遍，这样会有多慢？

数据库建立索引也是这个原理，数据有了分类目录了，查询数据的时候，先查找目录就会快了很多。

不过对现在的海量数据来讲，有了索引还是杯水车薪，查询依然很慢，而且建立索引要占用额外的存储空间，对数据库来讲存贮空间是非常值钱的，商业数据库存贮空间收费昂贵。

真正的海量数据存贮，查询效率都是用计算机硬件堆起来的，就是用钱堆起来的，不要想在软件上做点优化就会有多少本质的提高。

具体硬件优化有很多手段，前端查询，数据库缓存，分布式应用等等，要想掌握好数据库的优化，去看看实际的商业应用案例最好，书本上的那些东西，没多大意义。

相信很多程序员朋友对数据的索引并不陌生，最常见的索引是 B+ Tree 索引，索引可以加快数据库的检索速度，但是会降低新增、修改、删除操作的速度，一些错误的写法会导致索引失效等等。

但是如果被问到，为什么用了索引之后，查询就会变快？B+ Tree 索引的原理是什么？这时候很多人可能就不知道了，今天我就以 MySQL 的 InnoDB 引擎为例，讲一讲 B+ Tree 索引的原理。

索引的基础知识

MySQL 的基本存储结构是页，大概就是这个样子的：

在这里，我们需要了解以下几点（非常重要）：

• 当我们用 MySQL 的 InnoDB 引擎创建表，有且只能有一个主键；如果我们没有显示地指定之间，那么MySQL 会自动生成一个隐含字段作为主键；

• 聚集索引：以主键创建的索引；聚集索引的叶子节点存储的是表中的数据；

• 非聚集索引：非主键创建的索引；非聚集索引在叶子节点存储的是主键和索引列；使用非聚集索引查询数据，会查询到叶子上的主键，再根据主键查到数据（这个过程叫做回表）。

页和页之间、页和数据之间的关系

我们以聚集索引做讲解，页和页之间、以及页和数据之间的关系是这样的：

• 数据页和数据页之间，组成一个双向链表；

• 每个数据页中的记录，是一个单向链表；

• 每个数据页都根据内部的记录生成一个页目录（Page directory），如果是主键的话，可以在页目录中使用二分法快速定位；

• 如果我们根据一个非主键、非索引列进行查询，那么需要遍历双向链表，找到所在的页；再遍历页内的单向链表；如果表内数据很大的话，这样的查询就会很慢。

B+ Tree 索引的原理

先让我们看看 B+ Tree 索引大概是什么样子（以聚集/主键索引为例）：

• 假如这时候我们要查询 id = 16 的数据：

• 查询页-1，找到页-2 存储的是小于 30 的数据；

• 查询页-2，找到页-5 存储的是 10~20 的数据；

• 查询页-5，找到 id = 16 的数据。

很显然，没有用索引的时候，需要遍历双向链表来定位对应的页，而有了索引，则可以通过一层层“目录”定位到对应的页上。

为什么 B+ Tree 索引会降低新增、修改、删除的>速率/strong>

• B+ Tree 是一颗平衡树，如果对这颗树新增、修改、删除的话，会破坏它的原有结构；

• 我们在做数据新增、修改、删除的时候，需要花额外的时间去维护索引；

• 正因为这些额外的开销，导致索引会降低新增、修改、删除的速度。

思考题，欢迎留言讨论

现在你是否理解了 B+ Tree 索引的原理？

最后再留一个思考题：为什么官方建议使用自增长主键作为索引？大家可以在留言中写下你的答案。

我将持续分享Java开发、架构设计、程序员职业发展等方面的见解，希望能得到你的关注；关注我后，可私信发送数字【1】，获取海量学习资料。

索引是存储引擎用于快速查找记录的数据结构，MySQL 数据库内部索引是由不同的引擎实现的，主要说一下最常用的InnoDB引擎中的索引，InnoDB引擎中的索引是使用B+ 树的结构来存储的，B+ 树结构如下图：

先来说一下B+ 树的特点：

• 叶子节点（最下面一层）存储关键字（索引字段的值）信息及对应的全部数据记录。

• 非叶子节点只存储关键字的信息及子节点的指针。

• 每个叶子节点相当于MySQL中的一个数据页，同层级的叶子节点以双向链表的形式连接。

• 每个节点中存储了多条记录，记录之间用单链表的形式连接组成了一条有序的链表。

• 在 B+ 树中检索数据时：每次检索都从根节点开始，一直搜索到叶子节点。

InnoDB 的数据是按数据页为单位来读写的。也就是说，当需要读取一条记录的时候，并不是将这个记录本身从磁盘读取出来，而是以页为单位，将整个也加载到内存中，一个页中可能有很多记录，然后在内存中对页通过二分法进行检索。在InnoDB 中，每个页的大小默认是16kb。

总体来说，MySQL中的索引用到了B+树、链表、二分法，实现了快速查找数据。

MySQL索引>范例/strong>

InnoDB 中有两种索引>范例strong>：主键索引与辅助索引。

• 主键索引（聚集索引）：每个表只有一个主键索引，叶子节点同时保存了主键的值以及对应的全部记录。

• 辅助索引（非聚集索引）：叶子节点保存了索引字段的值以及主键的值。

我们以上图中Person表 为例，其中id 是主键，name 是辅助索引，接下里我们来看一下InnoDB引擎中数据检索过程：

• 若需要查询 id=1 的数据，只需要使用主键索引中检索就可以查询到数据。（红色线）
  

• 若需要搜索 name='Jacy' 的数据，需要使用非聚集索引与聚集索引，需要2步（蓝色线）：
  

1. 先通过辅助索引中检索 name='Jacy'的数据，获取 id 的值。

2. 再通过id值 到主键索引中 检索id=12的数据。

接下来，我们再看下以下查询的数据检索过程。

主键索引（或唯一索引）查询

上图中所有的数据都是唯一的，我们查询26的记录，过程如下：

• 首先把page1 页加载到内存中通过二分法查找。

• 确定26位于[20,40)中间，然后加载20所关联的page3 页.

• 将page3 页加载到内存中，采用二分法找到26的记录后退出。

非唯一索引查询

上图中查询26的所有记录，数据不唯一，过程如下：

• 将page1 页加载到内存中通过二分法查找。

• 确定26位于[20,40)中间，然后加载20所关联的page3 页。

• 将page3 页加载到内存中通过二分法找到最后一个小于26的记录是23，然后通过链表从23开始向后访问，找到所有的26记录，直到遇到第一个大于26的值退出。

模糊查询

上图中查询以 b字母开头的所有记录，过程如下：

• 将page1页加载到内存中，通过二分法查找最后一个小于等于b的值(b)，和第一个大于b的(z)，b指向叶节点page3，z指向叶节点page5。

• 如此一来，可以确定以 b 开头的记录存在于[page3,page5) 这个范围内。

• 最后依次加载page3 到内存中，通过二分法找到第一条b开头的记录，然后以链表方式继续向后访问page4 中的记录，直至遇到一个字母为z的值退出。