从零开始了解MySQL索引

索引是什么

咬文嚼字不一定是坏事，再了解MySQL索引前，我们不妨看看词典中是如何定义索引这个词语的：

根据一定需要,把书刊中的主要内容或各种题名摘录下来,标明出处、页码,按一定次序分条排列,以供人查阅的资料。

这里有几个关键点：
1. 索引的内容是主要内容或题名
2. 索引的具体手段是标明页码，按顺序排列，
3. 索引的最终目的是供人查阅

联系到我们实际生活，就是无人不知的新华字典的拼音索引：

最终目的：帮助我们快速定位到一个字的在字典中的具体位置！

MySQL中索引

和字典的索引差不多，帮助我们快速定位记录所在位置，但低层的实现和存储结构不一样。
通常说的MySQL索引就是B-Tree索引，因为它是用B-Tree这种数据结构来存储数据的。

那么到底什么是B-Tree呢？

备注：读B树，而不是B减树，国内早期翻译引起的误会。但是有B+Tree读B加树。

我们来看看它一颗二叉树如何进化成B-Tree。
二叉树：根没有父节点，最多有两个子节点；叶子节点没有子节点；其他节点最多有一个父节点，两个子节点。

二叉查找树：左子树的key值都小于根的key值，右子树的key值都大于根的key值。造成的结果就是存放的数据是有序的，通过中序遍历（左根右）出来就是从小到大的一组数据。
为什么用查找树：它是特殊的一种二叉树。根据它得存储特性，用二分查找法查找数据比线性查找要快很多。

二叉平衡树（AVL树）：左右子树的高度差不能超过1。超过1就旋转，直到平衡。如何旋转一时半会说不清，暂时抛开不管。总之最终得维持树高度的平衡。
为什么要旋转：因为二叉树有N种，和key值先后顺序有关。比如下面的两棵树都是二叉查找树，但是右边是最极端的情况，变成了线性结构，但它也满足二叉查找树的定义，但和左边的树比起来查找效率是很低的：

B-树：为了快速理解，《MySQL技术内幕》给出了最简单的解释：首先它是一种平衡二叉树，所有的记录都是按大小顺序存放在同一层的叶子节点上，各个叶子节点用指针彼此相连（B+树）。最终结果如下图：

B-Tree索引，就是B-Tree在数据库中的实现。（实际上是B+Tree）。

创建索引

根据创建时机：
1、建表时创建

CREATE TABLE mytable(    ID INT NOT NULL,       username VARCHAR(16) NOT NULL,      INDEX [indexName] (username(length))  );

2、修改表结构时

ALTER mytable ADD INDEX [indexName] ON (username(length)) 

3、单独创建索引

CREATE INDEX indexName ON mytable(username(length)); 

备注：MySQL中key和index的区别？

联合索引

创建联合索引：

alter table j_position add index idx_county_town_village(county_name,town_name,village_name);

联合索引是什么？
本质上就是上面说的B-Tree索引。只不过它得key值是(“凤阳县”,”小溪河镇”,”小岗村”)。
这些查找情况会使用索引：
A、查找”凤”开头的县
B、查找凤阳县并”小”字开头的村，是会使用索引的

但是，以下情况不会使用索引：
A、查找”阳”结尾的县
B、查找”小溪河镇”的镇

原因——最左前缀匹配。