【MYSQL】索引、存储引擎

📚 博主的专栏

🐧 Linux   |   🖥️ C++   |   📊 数据结构  | 💡C++ 算法 | 🅒 C 语言  | 🌐 计算机网络 |🗃️ mysql

文章摘要：本文全面剖析MySQL索引的核心机制与优化策略。从索引缺失导致的查询性能问题切入，详解索引如何通过B+树结构提升检索效率，对比B树与B+树的优劣，并分析InnoDB的聚簇索引与MyISAM的非聚簇索引实现差异。结合磁盘交互原理，阐述MySQL以Page为单位的IO机制及内存管理逻辑。此外，系统讲解主键、唯一、普通及全文索引的创建、删除操作，总结索引设计原则（如最左匹配、覆盖索引）及实战优化建议。通过理论结合案例，帮助开发者深入理解索引底层逻辑，合理设计高效数据库方案。

目录

1. 没有索引，可能会有什么问题

2.认识磁盘

MySQL与存储

3.MySQL 与磁盘交互基本单位

4. 建立共识

5. 索引的理解

对表进行乱序插入并查找：为什么默认按照id有序排序？

为何IO交互要是 Page

理解单个Page

id有序排序的原因是为了优化查询效率

页目录

单页情况

多页情况

复盘（B+树）

细节：

1.叶子节点存储实际数据，而非叶子节点仅保存目录项。

B+ vs B

B树​编辑 B+树

为何选择B+

聚簇索引 VS 非聚簇索引

6.索引操作

 删除主键索引：

创建主键索引

主键索引的特点：

唯一索引的创建

 唯一索引的特点：

其他删除索引的办法：

普通索引的创建

普通索引的特点：

全文索引的创建（了解）

索引创建原则

查询索引总结：

其他概念：

---

1. 没有索引，可能会有什么问题

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

注意：

MySQL服务器的核心运行机制基于内存操作，所有数据库的增删改查（CURD）操作均在内存中执行，索引的构建与维护同样依赖于内存处理。

提高算法效率的因素：

1.组织数据的方式（数据结构）

2.算法本身

索引是内存当中的一种以特定数据结构组织的结构（链表、二叉树...）

常见索引分为：

• 主键索引(primary key)
• 唯一索引(unique)
• 普通索引(index)
• 全文索引(fulltext)--解决中子文索引问题

案例：

先整一个海量表，在查询的时候，看看没有索引时有什么问题？

首先我们先导入一个准备好的数据库：bit_index;

在导入的时候可能会遇见这样的问题

ERROR 1418 (HY000): This function has none of DETERMINISTIC, NO SQL, or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)
ERROR 1418 (HY000): This function has none of DETERMINISTIC, NO SQL, or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)
Query OK, 0 rows affected, 2 warnings (0.01 sec)Query OK, 0 rows affected, 6 warnings (0.04 sec)ERROR 1305 (42000): FUNCTION bit_index.rand_string does not exist

ERROR 1418：MySQL启用了二进制日志（binary logging），但自定义函数（如rand_string）未声明为DETERMINISTIC、NO SQL或READS SQL DATA，导致安全性检查失败。

ERROR 1305：因上述错误导致函数未能创建，后续调用该函数时出现“不存在”的错误。

临时允许不安全函数创建

在导入前执行：

SET GLOBAL log_bin_trust_function_creators = 1;

或在MySQL配置文件（如my.cnf）中添加：

[mysqld]
log_bin_trust_function_creators = 1

然后重启MySQL服务。

再导入sql文件，这个过程有些久，数据量比较庞大8000000条数据

到此，已经创建出了海量数据的表了

查询员工编号为998877的员工

select * from EMP where empno=998877;

可以看到耗时4.93秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机。

解决方法，创建索引

alter table EMP add index(empno);

换一个员工编号，测试看看查询时间

select * from EMP where empno=123456;

2.认识磁盘

MySQL与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提交效率，是 MySQL 的一个重要话题。

先来研究一下磁盘：可以看看这篇文章，非常详细的讲解了磁盘：这里就做省略一部分

【Linux】深入理解Linux文件系统：从磁盘结构到inode与挂载_inode和mount-CSDN博客

结论

• 我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？不是
• 如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化
• 从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。
• 之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。
• 故，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

• 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。
• 连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。
• 因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。
• 磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

3.MySQL 与磁盘交互基本单位

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB (后面统一使用 InnoDB 存储引擎讲解)

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
+------------------+-------+
| Variable_name | Value |
+------------------+-------+
| Innodb_page_size | 16384 | -- 16*1024=16384
+------------------+-------+
1 row in set (0.01 sec)

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎 使用 16KB 进行IO交互。即， MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分）

4. 建立共识

• MySQL（C\C++写的，开空间就是在malloc或new） 中的数据文件，是以page为单位保存在磁盘当中的。
• MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。
• 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存中。
• 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位就是Page。
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。
• 为更高的效率，一定要尽可能的减少系统和磁盘IO的次数

5. 索引的理解

建立测试表

create table if not exists user (
id int primary key, --一定要添加主键哦，只有这样才会默认生成主键索引
age int not null,
name varchar(16) not null
);
mysql> show create table user \G
*************************** 1. row ***************************
Table: user
Create Table: CREATE TABLE `user` (
`id` int(11) NOT NULL,
`age` int(11) NOT NULL,
`name` varchar(16) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 --默认就是InnoDB存储引擎
1 row in set (0.00 sec)

对表进行乱序插入并查找：为什么默认按照id有序排序？

1.我们向一个具有主键的表中，乱序插入数据，发现数据会自动排序。

谁做的？为什么这么做？

2.重谈page

如何理解mysql中page的概念？

mysql内部，一定需要并且会存在大量的page，也就决定了，mysql必须要将多个同时存在的page管理起来。因此要管理mysql中所有的page。就需要先组织，再描述。

所以，不要简单的将page认为是一个内存块，page内部也必须写入对应的管理信息
 

struct Page
{struct page *next;string page *prev;char buffer[NUM];
};

--->16KB，new page，将所有的page用“链表”的形式统一管理起来 ---- 在 buffer pool 内部对mysql的page进行了一个建模。

为何IO交互要是 Page

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢?用多少，加载多少不香吗?

• 如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。
• 但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录)，那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。
• 你怎么保证，用户一定下次找的数据，就在这个Page里面？我们不能严格保证，但是有很大概率，因为有局部性原理。
• 往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

理解单个Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织 ,我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表
因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

id有序排序的原因是为了优化查询效率

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？
插入数据时排序的目的，就是优化查询的效率。
页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。
正式因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。
如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

页目录

可以看这篇博客：虚拟地址->物理地址的最终理解

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法从头逐页的向后翻，直到找到目标内容通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位本质上，书中的目录，是多花了纸张的，但是却提高了效率
所以，目录，是一种“空间换时间的做法”。

单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以

那么当前，在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？

可以很方便引入目录

多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。
需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。

使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的主键值，索引。
和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
其中，每个目录项的构成是：键值+指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

每一个页目录page可以管理1000多个数据页

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页，这个page又可以管理1000多个页目录page

这货就是传说中的B+树（是一颗多叉树）啊！没错，至此，我们已经给我们的表user构建完了主键索引。 

随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

复盘（B+树）

Page分为目录页和数据页。目录页只放各个下级Page的最小键值。

查找的时候，自顶向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了IO次数

细节：

1.叶子节点存储实际数据，而非叶子节点仅保存目录项。

由于非叶子节点仅存储目录信息，其能够容纳更多的目录项。这种设计使得单个目录页可以管理更多的叶子页，从而构建出"矮胖型"的树状结构。

这种结构具有以下优势：

1. 减少了查询路径上的节点数量，意味着查找目标数据所需的页面更少，IO操作次数也随之降低，从而显著提升了IO效率；
2. 每个节点都对应特定的目录项，能够大幅提升搜索效率。

综合以上两点，该结构能够从整体上显著提高搜索效率。

这种结构被称为 MySQL InnoDB 存储引擎下的索引结构。一般我们建表插入数据的时候，就是在该结构下进行CRUD：我们的表没有主键怎么办？也是这样，会默认有innodb

InnoDB 在建立索引结构来管理数据的时候，其他数据结构为何不行？
链表？线性遍历
二叉搜索树？退化问题，可能退化成为线性结构
AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶B+，意味着树整体
过高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的IO Page交互。虽然你很秀，但是有更秀的。
Hash？官方的索引实现方式中， MySQL 是支持HASH的，不过 InnoDB 和 MyISAM 并不支持。Hash跟进其算法特征，决定了虽然有时候也很快(O(1))，不过，在面对范围查找就明显不行，另外还有其他差别，有兴趣可以查一下

注意：这里的BTREE就是B+树 

---

B+ vs B

B树
 B+树

目前这两棵树，对我们最有意义的区别是：

• B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和Page指针
• B+叶子节点，全部相连，而B没有

为何选择B+

节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。叶子节点相连，更便于进行范围查找

聚簇索引 VS 非聚簇索引

MyISAM 存储引擎-主键索引

MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM表的主索引， Col1 为主键。

其中， MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据的地址。

相较于 InnoDB 索引， InnoDB 是将索引和 数据放在一起的。

创建：

--终端A
mysql> create database myisam_test; --创建数据库
Query OK, 1 row affected (0.00 sec)
mysql> use myisam_test;
Database changed
mysql> create table mtest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=MyISAM; --使用engine=MyISAM
Query OK, 0 rows affected (0.01 sec)
--终端B
[root@VM-0-3-centos mysql]# ls myisam_test/ -al --mysql数据目录下
total 28
drwxr-x--- 2 mysql mysql 4096 Jun 13 13:33 .
drwxr-x--x 13 mysql mysql 4096 Jun 13 13:32 ..
-rw-r----- 1 mysql mysql 61 Jun 13 13:32 db.opt
-rw-r----- 1 mysql mysql 8586 Jun 13 13:33 mtest.frm --表结构数据
-rw-r----- 1 mysql mysql 0 Jun 13 13:33 mtest.MYD --该表对应的数据，当前没有数
据，所以是0
-rw-r----- 1 mysql mysql 1024 Jun 13 13:33 mtest.MYI --该表对应的主键索引数据

我的mysql8.0：sdi、MYD、MYI三个文件

其中， MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

--终端A
mysql> create database innodb_test; --创建数据库
Query OK, 1 row affected (0.00 sec)
mysql> use innodb_test;
Database changed
mysql> create table itest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=InnoDB; --使用engine=InnoDB
Query OK, 0 rows affected (0.02 sec)
--终端B
[root@VM-0-3-centos mysql]# ls innodb_test/ -al
total 120
drwxr-x--- 2 mysql mysql 4096 Jun 13 13:39 .
drwxr-x--x 14 mysql mysql 4096 Jun 13 13:38 ..
-rw-r----- 1 mysql mysql 61 Jun 13 13:38 db.opt
-rw-r----- 1 mysql mysql 8586 Jun 13 13:39 itest.frm --表结构数据
-rw-r----- 1 mysql mysql 98304 Jun 13 13:39 itest.ibd --该表对应的主键索引和用户
数据，虽然现在一行数据没有，但是该表并不为0，因为有主键索引数据

我的mysql8.0：只有一个idb文件文件

 其中， InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引

当然， MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。
对于 MyISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。
下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别 

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询

为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了

补充说明：

InnoDB 存储引擎文件变化

版本	文件类型	说明
MySQL 5.7	.frm	表结构定义文件（元数据）
MySQL 8.0	.sdi (Serialized Dictionary Information)	元数据以 JSON 格式嵌入 .ibd 文件（不再需要 .frm 文件）
	.ibd	独立表空间文件（数据和索引），支持原子 DDL 和元数据事务

 MyISAM 存储引擎文件变化  

版本	文件类型	说明
MySQL 5.7	.frm	表结构定义文件
MySQL 8.0	.sdi	元数据以 JSON 格式存储在 .sdi 文件中（仅当 innodb_read_only=OFF 时生成）
	.MYD	数据文件（与 5.7 相同）
	.MYI	索引文件（与 5.7 相同）

总结：

如何理解硬盘

如何理解柱面，磁道，扇区，磁头

InnoDB 主键索引和普通索引

MyISAM 主键索引和普通索引

其他数据结构为何不能作为索引结构，尤其是B+和B

索引的本质就是数据结构！B+ 

6.索引操作

 删除主键索引：

mysql> alter table test1 drop primary key;
Query OK, 0 rows affected (0.08 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> show index from test1 \G
Empty set (0.01 sec)mysql> desc test1;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int         | NO   |     | NULL    |       |
| name  | varchar(20) | NO   |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)

创建主键索引

1.-- 在创建表的时候，直接在字段名后指定 primary key

create table user1(id int primary key, name varchar(30));

2.-- 在创建表的最后，指定某列或某几列为主键索引

create table user2(id int, name varchar(30), primary key(id));

3.-- 创建表以后再添加主键

create table user3(id int, name varchar(30));alter table user3 add primary key(id);

主键索引的特点：

• 一个表中，最多有一个主键索引，当然可以使符合主键
• 主键索引的效率高（主键不可重复）
• 创建主键索引的列，它的值不能为null，且不能重复
• 主键索引的列基本上是int

唯一索引的创建

1.-- 在表定义时，在某列后直接指定unique唯一属性。

-- 在表定义时，在某列后直接指定unique唯一属性。
create table user4(id int primary key, name varchar(30) unique);

2.-- 创建表时，在表的后面指定某列或某几列为unique

-- 创建表时，在表的后面指定某列或某几列为unique
create table user5(id int primary key, name varchar(30), unique(name));

3.创建表以后再添加唯一性

create table user6(id int primary key, name varchar(30)）；
alter table user6 add unique(name);

mysql> show index from test1 \G
*************************** 1. row ***************************Table: test1Non_unique: 0Key_name: idSeq_in_index: 1Column_name: idCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: Index_type: BTREEComment: 
Index_comment: Visible: YESExpression: NULL
1 row in set (0.00 sec)

 唯一索引的特点：

• 一个表中，可以有多个唯一索引
• 查询效率高
• 如果在某一列建立唯一索引，必须保证这列不能有重复数据
• 如果一个唯一索引上指定not null，等价于主键索引

其他删除索引的办法：

第二种方法-其他索引的删除：

alter table 表名 drop index 索引名； 索引名就是show keys from 表名中的 Key_name 字段

mysql> alter table user10 drop index idx_name;

第三种方法方法：

drop index 索引名 on 表名
mysql> drop index name on user8;

普通索引的创建

1.--在表的定义最后，指定某列为索引

create table user8(id int primary key,name varchar(20),email varchar(30),index(name) --在表的定义最后，指定某列为索引
);

2. --创建完表以后指定某列为普通索引

create table user9(id int primary key, name varchar(20), email
varchar(30));
alter table user9 add index(name);

3.-- 创建一个索引名为 idx_name 的索引

create table user10(id int primary key, name varchar(20), email
varchar(30));
-- 创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);

示例：创建了一个新的列，并且给他们都添加上了普通索引index(name, email)--->共用一个B+树：以name作为key值（索引最左匹配原则），充当B+树

mysql> alter table test1 add email varchar(30) not null after name;
Query OK, 0 rows affected (0.05 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> alter table test1 add index(name, email);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> show index from test1 \G
*************************** 1. row ***************************Table: test1Non_unique: 0Key_name: idSeq_in_index: 1Column_name: idCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: Index_type: BTREEComment: 
Index_comment: Visible: YESExpression: NULL
*************************** 2. row ***************************Table: test1Non_unique: 1Key_name: nameSeq_in_index: 1Column_name: nameCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: Index_type: BTREEComment: 
Index_comment: Visible: YESExpression: NULL
*************************** 3. row ***************************Table: test1Non_unique: 1Key_name: nameSeq_in_index: 2Column_name: emailCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: Index_type: BTREEComment: 
Index_comment: Visible: YESExpression: NULL
3 rows in set (0.00 sec)

普通索引的特点：

一个表中可以有多个普通索引，普通索引在实际开发中用的比较多

如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

全文索引的创建（了解）

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL提供全文索引机制，但是有要求，要求表的存储引擎必须是MyISAM，而且默认的全文索引支持英文，不支持中文。如果对中文进行全文检索，可以使用sphinx的中文版(coreseek)

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body)
)engine=MyISAM;INSERT INTO articles (title,body) VALUES
('MySQL Tutorial','DBMS stands for DataBase ...'),
('How To Use MySQL Well','After you went through a ...'),
('Optimizing MySQL','In this tutorial we will show ...'),
('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
('MySQL vs. YourSQL','In the following database comparison ...'),
('MySQL Security','When configured properly, MySQL ...');

查询有没有database数据

如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

mysql> select * from articles where body like '%database%';
+----+-------------------+------------------------------------------+
| id | title | body |
+----+-------------------+------------------------------------------+
| 1 | MySQL Tutorial | DBMS stands for DataBase ... |
| 5 | MySQL vs. YourSQL | In the following database comparison ... |
+----+-------------------+------------------------------------------+

可以用explain工具看一下，是否使用到索引

mysql> explain select * from articles where body like '%database%'\G
*************************** 1. row ***************************
id: 1             ----------------->查询请求的id值，id越大，执行优先级越高
select_type: SIMPLE    ------------>简单查询
table: articles        ------------>显示查询涉及的表名
type: ALL              ------------>访问类型（性能关键指标）
-->常见类型从优到劣排序
system > const > eq_ref > ref > range > index > ALL
--->
possible_keys: NULL---------------->可能用到的索引列表。本例为NULL表示未使用索引
key: NULL <== key------------------>实际使用的索引名，本例为null表示没有用到索引
key_len: NULL    ------------------>使用的索引长度（字节数），组合索引中实际使用的部分长度
ref: NULL        ------------------>显示索引的哪些列被使用了，常见值（const、NULL、列名）
rows: 6          ------------------>预估要检查的行数
Extra: Using where    ------------->额外信息，
-->常见值：
-->Using where：使用WHERE条件过滤
-->Using index：使用覆盖索引
-->Using temporary：使用临时表
-->Using filesort：使用文件排序
1 row in set (0.00 sec)

如何使用全文索引呢？

mysql> SELECT * FROM articles
-> WHERE MATCH (title,body) AGAINST ('database');
+----+-------------------+------------------------------------------+
| id | title | body |
+----+-------------------+------------------------------------------+
| 5 | MySQL vs. YourSQL | In the following database comparison ... |
| 1 | MySQL Tutorial | DBMS stands for DataBase ... |
+----+-------------------+------------------------------------------+

通过explain来分析这个sql语句

mysql> explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST
('database')\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: articles
type: fulltext
possible_keys: title
key: title <= key用到了title
key_len: 0
ref:
rows: 1
Extra: Using where

索引创建原则

比较频繁作为查询条件的字段应该创建索引

唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件

更新非常频繁的字段（）不适合作创建索引

不会出现在where子句中的字段不该创建索引

查询索引总结：

第一种方法： show keys from 表名
第二种方法: show index from 表名;
第三种方法（信息比较简略）： desc 表名

其他概念：

• 复合索引

        复合索引（Composite Index）是指由多个列组合而成的索引。与单列索引不同，复合索引可以同时对多个列进行索引，提高多条件查询的效率。

• 索引最左匹配原则

        索引最左匹配原则（Leftmost Prefix Principle）是指在使用复合索引时，查询条件必须从索引的最左列开始匹配，否则索引可能无法生效。

• 索引覆盖

        索引覆盖（Covering Index）是指查询只需要通过索引就能获取所需数据，而无需回表查询数据行的技术。

 结语：

       随着这篇博客接近尾声，我衷心希望我所分享的内容能为你带来一些启发和帮助。学习和理解的过程往往充满挑战，但正是这些挑战让我们不断成长和进步。我在准备这篇文章时，也深刻体会到了学习与分享的乐趣。    

         在此，我要特别感谢每一位阅读到这里的你。是你的关注和支持，给予了我持续写作和分享的动力。我深知，无论我在某个领域有多少见解，都离不开大家的鼓励与指正。因此，如果你在阅读过程中有任何疑问、建议或是发现了文章中的不足之处，都欢迎你慷慨赐教。

        你的每一条反馈都是我前进路上的宝贵财富。同时，我也非常期待能够得到你的点赞、收藏，关注这将是对我莫大的支持和鼓励。当然，我更期待的是能够持续为你带来有价值的内容。