当前位置：首页 > news >正文

【MySQL体系】第2篇：MySQL索引类型和原理

news 2025/9/29 6:58:06

引言
第 1 节索引类型
- 1.1 普通索引
- 1.2 唯一索引
- 1.3 主键索引
- 1.4 复合索引
- 1.5 全文索引
第 2 节索引原理
- 2.1 二分查找法
- 2.2 Hash 结构
- 2.3 B+Tree 结构
- 2.4 聚簇索引和辅助索引

引言

在 MySQL 数据库的日常使用中，索引是提升查询效率的 “利器”。想象一下，没有索引的数据库就像一本没有目录的厚书，想要找到特定内容只能逐页翻阅，效率极低。而索引就如同书的目录，能快速定位到目标数据。本文将从索引类型和索引原理两大维度，全方位拆解 MySQL 索引的核心知识。

第 1 节索引类型

MySQL 提供了多种类型的索引，不同索引适用于不同的业务场景，理解各类索引的特性是合理使用索引的基础。

1.1 普通索引

普通索引是 MySQL 中最基础的索引类型，其唯一的作用就是加速数据的查询，没有任何其他限制条件。它允许在索引列中插入重复值和 NULL 值。

使用场景：适用于大多数普通的查询场景，例如查询用户的基本信息、商品的详情等。

示例：假设存在一张user表，包含id、name、age字段，为name字段创建普通索引：

CREATE INDEX idx_user_name ON user(name);

创建索引后，执行SELECT * FROM user WHERE name = '张三';查询时，MySQL 会通过idx_user_name索引快速定位到name为 ' 张三 ' 的记录，避免全表扫描。

1.2 唯一索引

唯一索引与普通索引的最大区别在于，它要求索引列的值必须是唯一的，不允许重复值，但允许 NULL 值（可以有多个 NULL 值，因为 NULL 不等于任何值）。这种索引在保证数据唯一性的同时，也能加速查询。

使用场景：常用于需要保证数据唯一性的字段，如用户的邮箱、手机号等。

示例：为user表的email字段创建唯一索引：

CREATE UNIQUE INDEX idx_user_email ON user(email);

此时，如果尝试插入两条email相同的记录，MySQL 会抛出错误，从而保证email字段的唯一性。同时，执行SELECT * FROM user WHERE email = '``zhangsan@163.com``';查询时，也能通过索引快速找到目标记录。

1.3 主键索引

主键索引是一种特殊的唯一索引，它要求索引列的值既唯一又非 NULL。一张表只能有一个主键索引，因为主键是表中记录的唯一标识。在 InnoDB 存储引擎中，主键索引与表的数据物理存储紧密关联（后续在聚簇索引中详细说明）。

使用场景：每张表都应该设置主键索引，用于唯一标识表中的每条记录，如用户表的id字段、订单表的order_id字段等。

示例：创建user表时指定id字段为主键：

CREATE TABLE user (id INT NOT NULL AUTO_INCREMENT,name VARCHAR(50) NOT NULL,age INT,PRIMARY KEY (id)
);

此时，MySQL 会自动为id字段创建主键索引。当执行SELECT * FROM user WHERE id = 1;查询时，能以极高的效率定位到记录。

1.4 复合索引

复合索引（也叫联合索引）是由多个字段组合而成的索引。与单个字段的索引相比，复合索引能更精准地定位数据，但在使用时需要遵循 “最左前缀原则”。

最左前缀原则：指在使用复合索引进行查询时，MySQL 只会使用索引中从最左边开始的连续字段。如果查询条件中不包含最左边的字段，或者跳过了中间的字段，索引将无法被有效使用。

使用场景：适用于经常根据多个字段组合进行查询的场景，例如经常查询 “年龄为 25 岁且姓名为张三的用户”，就可以为age和name字段创建复合索引。

示例：为user表的age和name字段创建复合索引：

CREATE INDEX idx_user_age_name ON user(age, name);

有效使用索引的查询：
- SELECT * FROM user WHERE age = 25;（使用了索引的age字段）
- SELECT * FROM user WHERE age = 25 AND name = '张三';（使用了索引的age和name字段）
无法有效使用索引的查询：
- SELECT * FROM user WHERE name = '张三';（未使用索引的最左字段age，索引失效）
- SELECT * FROM user WHERE age > 25 AND name = '张三';（age使用了范围查询，后续的name字段无法使用索引）

1.5 全文索引

全文索引主要用于对文本类型的字段进行全文搜索，它能快速定位包含特定关键词的文本记录。MySQL 中的 MyISAM 和 InnoDB（5.6 版本及以上）存储引擎支持全文索引，仅适用于CHAR、VARCHAR、TEXT类型的字段。

使用场景：适用于博客、新闻、论坛等需要对文章内容进行关键词搜索的场景。

示例：创建article表并为content字段创建全文索引：

CREATE TABLE article (id INT NOT NULL AUTO_INCREMENT,title VARCHAR(100) NOT NULL,content TEXT,PRIMARY KEY (id),FULLTEXT INDEX idx_article_content (content)
);

使用全文索引进行查询：

SELECT * FROM article WHERE MATCH(content) AGAINST('MySQL 索引' IN NATURAL LANGUAGE MODE);

该查询会快速返回content字段中包含 “MySQL” 或 “索引” 关键词的文章记录。

第 2 节索引原理

了解了索引的类型后，我们还需要深入底层，探究索引是如何实现快速数据定位的。MySQL 中索引的实现基于不同的数据结构，常见的有二分查找法、Hash 结构和 B+Tree 结构，其中 B+Tree 结构是目前应用最广泛的。

2.1 二分查找法

二分查找法是一种基础的查找算法，其前提是数据必须是有序的。它的核心思想是：将有序数据序列分成两部分，与中间元素比较，如果目标值小于中间元素，则在左半部分继续查找；如果大于中间元素，则在右半部分继续查找，重复此过程，直到找到目标值或确定目标值不存在。

原理示例：假设有一个有序数组[1,3,5,7,9,11,13]，要查找值为7的元素。

数组的中间位置为 3（索引从 0 开始），中间元素为7，与目标值相等，查找成功。如果要查找值为5的元素：
中间元素为7，5 < 7，在左半部分[1,3,5]中查找；
左半部分的中间位置为 1，中间元素为3，5 > 3，在右半部分[5]中查找；
中间元素为5，与目标值相等，查找成功。

在 MySQL 中的应用局限：虽然二分查找法的时间复杂度为 O (logn)，效率较高，但它仅适用于有序的线性数据结构。而数据库中的数据经常需要进行插入、删除操作，维护一个有序的线性结构会导致大量的数据移动，效率极低。因此，二分查找法并不是 MySQL 索引的实际实现方式，更多的是作为一种基础查找思想存在。

2.2 Hash 结构

Hash 索引是基于哈希表实现的，其核心原理是：通过哈希函数将索引列的值映射为一个哈希码，哈希码对应哈希表中的一个位置，该位置存储着指向数据行的指针。

查询过程：当执行查询时，MySQL 会对查询条件中的索引列值计算哈希码，根据哈希码快速定位到哈希表中的位置，然后通过指针找到对应的数据行。

特点：

等值查询效率极高：由于哈希表的查找时间复杂度接近 O (1)，对于WHERE column = value这样的等值查询，Hash 索引的效率非常高。
不支持范围查询：哈希码是随机分布的，无法通过哈希码确定数据的有序性，因此无法支持WHERE column > value、WHERE column BETWEEN a AND b等范围查询。
不支持排序：同样因为数据无序，无法利用 Hash 索引进行排序操作。
存在哈希冲突：不同的索引列值可能通过哈希函数计算出相同的哈希码，此时需要通过链表等方式解决冲突，会影响查询效率。

在 MySQL 中的应用：MySQL 中的 Memory 存储引擎支持 Hash 索引，而 InnoDB 和 MyISAM 存储引擎不支持显式创建 Hash 索引（InnoDB 有自适应哈希索引，但由系统自动管理）。由于 Hash 索引的局限性，其应用场景相对狭窄，仅适用于频繁进行等值查询且无范围查询、排序需求的场景。

2.3 B+Tree 结构

B+Tree 是一种平衡多路查找树，是 MySQL 中 InnoDB 和 MyISAM 存储引擎默认的索引数据结构。它在 B 树的基础上进行了优化，更适合数据库的读写操作。

B+Tree 的结构特点

层级结构：B+Tree 由根节点、叶子节点和非叶子节点组成，层级通常较低（一般为 3-4 层），即使数据量很大，也能通过少数几次 IO 操作找到目标数据。
非叶子节点：仅存储索引值，不存储数据行指针，这样每个非叶子节点能容纳更多的索引值，减少树的层级。
叶子节点：存储所有的索引值和对应的 data 指针（指向数据行的地址），并且叶子节点之间通过双向链表连接，形成一个有序的链表结构。

B+Tree 的查询过程

假设一棵 3 层的 B+Tree，根节点有 2 个索引值10和20，分别指向两个子节点。第一个子节点包含索引值1-9，第二个子节点包含索引值11-19，第三个子节点包含索引值21-30，叶子节点之间通过双向链表连接。

查询id = 15的记录：

从根节点开始，15 > 10且15 < 20，定位到第二个子节点；
在第二个子节点中，15介于11-19之间，定位到对应的叶子节点；
在叶子节点中找到id = 15的索引值，通过其对应的 data 指针找到数据行。

B+Tree 相比 B 树的优势

查询效率稳定：无论查询哪个数据，都需要遍历到叶子节点，查询路径长度相同，效率稳定。
支持范围查询：由于叶子节点是有序的双向链表，进行范围查询时，只需找到范围的起始和结束位置，通过链表即可快速获取所有符合条件的记录。例如查询id BETWEEN 12 AND 18，找到12和18对应的叶子节点后，直接遍历两者之间的链表节点即可。
存储效率更高：非叶子节点仅存储索引值，节省了存储空间，能容纳更多索引项，降低树的高度，减少 IO 操作。