Mysql 索引概述
索引（index）是帮助Mysql高效获取数据的数据结构
索引优点：1. 提高排序效率 2. 提高查询效率
索引缺点：1.索引占用空间（可忽略）2.索引降低了更新表的速度，如进行insert,update,delette 时效率降低（也可忽略，因为实际很少用，大部分还是select）
我们平常所说的索引，如果没有特别指明，都是B+树结构组织的索引
B+树
1.所有的数据都会出现在叶子结点
2.叶子结点形成一个单向链表
键值是不存储数据的，数据存储在叶子结点上
非叶子节点：仅存储索引值（键） ，不存储实际数据。
叶子节点：存储索引值和实际数据 。
查找过程
- 定位叶子节点：从根节点开始，根据待查找的键值与非叶子节点中键值的比较结果，选择对应的子节点指针向下层查找 ，不断重复这个过程，直到找到叶子节点 。
- 在叶子节点查找：在叶子节点中，由于叶子节点存储了数据或指向数据的指针，所以可以在叶子节点中找到目标数据 。如果是范围查询，比如查找某个区间内的用户记录，找到区间起始值对应的叶子节点后，通过叶子节点间的双向链表顺序遍历，就能获取该区间内的所有数据 。
哈希索引
优点
- 等值查询速度极快：在理想状况下（不发生哈希冲突），哈希索引的查找时间复杂度为 O (1) ，能在常数时间内直接定位目标记录。比如在用户表中，查找用户 ID 为特定值的记录时，使用哈希索引可迅速找到对应数据，比一些树形索引结构（如 B - 树、B + 树 ）更高效 。这是因为哈希索引通过哈希函数直接计算出存储位置，无需像树结构那样逐层查找 。
- 适合精确匹配场景：特别适用于精确匹配查询，像查找特定订单号、某个具体的商品编号等场景 。只要给出准确的键值，就能快速定位到对应的数据行 。
- 实现相对简单：相比一些复杂的树形索引结构（如 B + 树 ），哈希索引的原理和实现方式较为简单 。其主要依赖哈希函数和哈希表来组织和查找数据 。
- 缓存场景应用佳：由于查找速度快，在高频率的缓存场景中表现出色 。例如在缓存系统中，使用哈希索引能快速判断缓存中是否存在目标数据，提升缓存的读写率 。
缺点
- 不支持范围查询：哈希算法无法维护数据的排序关系，所以哈希索引仅适用于等值查询，不支持范围查询（如 <、>、BETWEEN 等操作 ） 。
- 存在哈希冲突问题：哈希函数可能将多个不同的键值映射到相同的位置，即产生哈希冲突 。解决哈希冲突通常采用链表法（将冲突的键值存储在链表中 ）、开放地址法等 。但即便如此，哈希冲突仍可能导致性能下降，比如使用链表法解决冲突时，若链表过长，查询效率会受到影响 。
- 无法支持排序操作：因为哈希索引没有维护元素的顺序，所以无法直接支持 ORDER BY 或 GROUP BY 操作 。如果需要对数据进行排序或分组，必须在查询后对结果集进行额外处理 。
- 内存开销较大：通常需要较大的内存来存储哈希表，尤其是数据量较大时，内存占用会更加显著 。这限制了它在一些内存资源有限环境中的应用 。
- 存储引擎支持有限：在 MySQL 中，只有 MEMORY 存储引擎直接支持哈希索引 ，InnoDB 和 MyISAM 等常用存储引擎不直接支持 。虽然 InnoDB 提供了自适应哈希索引（在某些条件下自动创建 ），但并非完全等同于手动创建的哈希索引 。
为什么InnoDB引擎选择使用B+tree索引结构？
1.相对于二叉树来说层级更少，搜索效率高
2.B-tree 不管是叶子结点还是非叶子结点，都会存储数据，这样导致一页中存储的键值减少，指针跟着减少，在相同数据量的情况下占用了更多的空间。
3.相对于Hash索引，B+tree支持范围匹配及排序操作
索引分类
| 分类 | 含义 | 特点 | 关键字 |
|---|---|---|---|
| 主键索引 | 针对于表中主键创建的索引 | 默认自动创建，只能有一个 | PRIMARY |
| 唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
| 常规索引 | 快速定位特定数据 | 可以有多个 | 无 |
| 全文索引 | 全文索引查找的是文本中的关键词，而不是比较索引中的值 | 可以有多个 | FULLTEXT |
在 InnoDB 存储引擎中，根据索引的存储形式，又可以分为以下两种：
| 分类 | 含义 | 特点 |
|---|---|---|
| 聚集索引 (Clustered Index) | 将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据 | 必须有，而且只有一个 |
| 二级索引 (Secondary Index) | 将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
聚集索引选取规则:
- 如果存在主键，主键索引就是聚集索引。
- 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
- 如果表没有主键，或没有合适的唯一索引，则 InnoDB 会自动生成一个 rowid 作为隐藏的聚集索引。
看这条语句的查询过程 select * from user where name='Arm';
先在二级索引里 Arm与Lee与比 ，A在L之前，去前面找，找到Arm之后获得存储的数据10，然后10再去聚集索引中来比较，找到10这个索引所储存的数据
每一个节点最终落在磁盘上就会存放在一个页当中，一个页的大小是固定的16k,那么一个页存储的数据就是有限的
非叶子结点能存放多少key和指针，非叶子结点不存放数据，只存放key和指针，并且指针永远比key多一个
一行数据大小为 1k，一页中可以存储 16 行这样的数据。InnoDB 的指针占用 6 个字节的空间，主键即使为 bigint，占用字节数为 8，n代表当前结点存储的key的数量。
n*8+(n+1)*6=16*1024 解得：n=1170
所以一个结点能存储1170个key，有1171个指针，每一个指针指向下面的一个子结点，一个子结点能存储16行数据，如果树的高度为2，那么能存储的数据量就是1171*16=18736
如果树的高度为3 ，则能存储的数据量就是1171*1171*16=21,939,856