1、什麼是索引
索引是存儲引擎用於快速找到記錄的一種數據結構。
2、索引有哪些數據結構
-
順序查找結構：這種查找效率很低，復雜度為O(n)。大數據量的時候查詢效率很低。
-
有序的數據排列：二分查找法又稱折半查找法。
通過一次比較，將查找區間縮小一半。而MySQL中的數據並不是有序的序列。
-
二叉查找樹：左子樹的鍵值總是小於根的鍵值， 右子樹的鍵值總是大於根的鍵值。通過中序遍歷得到的序列是有序序列，但如果二叉查找樹構造的不好則跟順序查找沒什麼區別
-
平衡二叉樹：如果需要二叉查找樹是平衡的，從而引出平衡二叉樹。平衡二叉樹首先得滿足二叉查找樹的定義，其次必須滿足任何結點的兩個子樹的高度的最大差為1。顯然上面的樹不是平衡二叉樹，平衡二叉樹示例如下：
平衡二叉查找樹的時間復雜度為O(logN)，查詢速度的確很快，但是維護一顆平衡二叉樹的代價也是非常大的。通常來說，需要一次或多次左旋和右旋來得到插入或更新後的平衡性。
-
B樹：B樹和平衡二叉樹稍有不同的是B樹屬於多叉樹又名平衡多路查找樹：
-
根節點至少有兩個子節點（每個節點有M-1個Key， 且以升序排列） 其它節點至少有M/2個子節點
-
葉子結點都在同一層。
-
B+樹
B+樹是B樹的變種，B+樹由B樹和索引順序訪問方法演化而來(在現實生活中幾乎沒有使用B樹的情況來)。
B+樹是為磁盤或其他直接存儲輔助設備設計的一種平衡查找樹。
在B+樹中所有記錄結點都是按鍵值的大小順序放在同一層的葉子結點上， 由各葉子節點指針進行連接。
所有查詢都要查找到葉子節點，查詢性能穩定。
所有葉子節點形成有序鏈表，便於範圍查詢。每個葉子結點都存有相鄰葉子結點的指針，葉子結點本身依關鍵字的大小自小而大順序鏈接（雙向鏈表）
3、Innodb為什麼使用B+樹做為索引
-
可以有效的利用系統對磁盤的塊讀取特性，在讀取相同磁盤塊的同時，盡可能多的加載索引數據，來提高索引命中效率，從而達到減少磁盤IO的讀取次數（局部性原理與磁盤預讀）。
-
B+樹的磁盤讀寫代價更低：B+樹的內部節點並沒有指向關鍵字具體信息的指針（只有葉子節點存儲有），因此其內部節點相對B樹更小，如果把所有同一內部節點的關鍵字存放在同一盤塊中，那麼盤塊所能容納的關鍵字數量也越多，一次性讀入內存的需要查找的關鍵字也就越多，相對IO讀寫次數就降低了。
-
B+樹的查詢效率更穩定。由於非終結點並不是最終指向文件內容的結點，而只是葉子結點中關鍵字的索引。所以任何關鍵字的查找必須走一條從根結點到葉子結點的路。所有關鍵字查詢的路徑長度相同，導致每一個數據的查詢效率相當。
-
B+樹支持範圍查詢，而B樹不支持
4、索引分類
從存儲結構上分類：BTree索引、Hash索引、全文索引
從應用上分類：主鍵索引、唯一索引、組合索引
從物理存儲角度：聚集索引和非聚集索引（輔助索引）
下面說說什麼是聚集索引， 什麼是非聚集索引：
-
聚集索引
按照每張表的主鍵構建一棵B+樹，同時葉子節點中存放的即為整張表的行記錄數據。也將聚集索引的葉子節點稱為數據頁，每個數據頁都通過一個雙向鏈表進行鏈接。
聚集索引對於主鍵的排序查找 和 範圍查找的數據非常快。
-
輔助索引
除了存儲了索引列，還存儲了葉子節點的指針。