Mysql索引结构与索引原理

Mysql索引主要包括四种，Btree索引、Hash索引、full-text全文索引、R-tree索引，因为作为一名PHP开发者，并不是专业的DBA，在这里只需要了解第一种开发相关的BTree索引。

索引的本质：MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据和排序的数据结构。

数据库查询是数据库的主要功能之一，最基本的查询算法是顺序查找（linear search）时间复杂度为O(n)，显然在数据量很大时效率很低。优化的查找算法如二分查找（binary search）、二叉树查找（binary tree search）等，虽然查找效率提高了。但是各自对检索的数据都有要求：二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织）。所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构。这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构就是索引。

如上图左边是横列表格，也就是真是的数据，右边是一棵树。数据越来越多，表格增长的越来越高，相反，如果树越来越高，查找的层次越来越多，我们如果能用三次找到，尽量别用四次，尽量减少一次磁盘I/O，也就是这棵树广度越来越广，广度广了同一层就代表枝叶多。

在数据库里面，在物理存储上，有单位的说法叫段、区、块，就是一种衡量单位。 上图中的磁块也就是相当于存储一段范围的数据。

看上图中，一棵B+树，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针P1、P2、P3。

我如果要找29这个数字，那么从根找，P1表示小与17的，P2表示大于17小与35的，P3表示大于35的，那么往下走，真实的数据存在于叶子节点，也就是第三层，即3、5、9、10、13...依次往右看。假设我要查找非叶子节点（第二层），不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不存在真实的数据表中，也就是相当于一个参考值。如果查找29，但是我们先给参考项，那么根据图示，29在17和35之间，锁定磁盘块1的P2指针，找到指针P2，内存时间非常短，相比磁盘的IO可以忽略不计，那么下来之后，找到磁盘块3，也就是不见得加载磁盘块2，这里就第二次IO了，那么看图，29在26和30之间，那么又指向指针P2,再往下就加载到了磁盘块8的内存，发生第三次IO，同时内存中做二分查找找到29，结束查询，总共三次IO。

看Btree也就是三层楼那么高，也就是尽量把数据横向扩，高度矮比较好，真实的情况是，3层的B+树 可以表示上百万的数据，如果上百万的数据查找只需三次IO，性能提高将是巨大的，如果没有所用，每个数据项都要发生一次IO，那么总共需要上百万次的IO，显然成本非常高。