数据库的架构
如何设计一个关系型数据库（数据库的架构）
索引
索引的简介
MySQL 官方对索引的定义为：索引（Index）是帮助 MySQL 高效获取数据的数据结构。
索引的数据结构（B+ 树）
- B+ 树结构图
- B+ 树的特点
1.非叶子节点的子树指针与关键字个数相同
2.非叶子节点的子树指针P[i]，指向关键字值[K[i],k[i+1])的子树
3.非叶子节点仅用来索引，数据都保存在叶子节点中（查询只在叶子节点结束）
4.所有叶子节点均有一个链指针指向下一个叶子节点（便于数据库的范围统计）
- B+ 树更适合用来做存储索引的原因
1.B+树的磁盘读写代价更低（树的深度低，IO次数少）
2.B+树的查询效率更加稳定（所有查询结果都会在叶子节点结束）
3.B+树更有利于对数据库的扫描（通过数据指针横向扫描数据）
密集索引和稀疏索引的区别
-
密集索引文件中的每个搜索码值都对应一个索引值（即可根据索引值找到对应的一条数据，因此每张表只能创建一个密集索引）
-
稀疏索引文件只为索引码的某些值建立索引项（即根据索引值找到对应一条数据的地址或主键，再根据地址或主键找到数据）
MySQL两种存储引擎的索引区别
- MyISAM
在MyISAM中不管是主键索引唯一键索引、普通索引，其索引都属于稀疏索引
- Innodb
在Innodb中 有且仅有一个密集索引
Innodb中选取规则：
1.如果一个主键被定义了,则该主键作为密集索引
2.若该主键没有被定义,则该表的第一个唯一非空索引作为密集索引
3.若不满足上述条件 则Innodb内部会生成一个隐藏主键(密集索引)
4.非主键索引存储相关键位和其对应的主键值,包含两次查找(第一次根据索引值找到对应数据的主键，然后根据主键找到相应的数据)
- 两种引擎索引的实例图
- 两种引擎会建立不同的文件
1.建立一个MyISAM引擎的数据表 test1 会建立三个文件
test1.frm 存储表的结构信息
test1.MYI 存储表的索引信息
test1.MYD 存储表的数据
2.建立一个InnoDB引擎的数据表 test2 会建立两个文件
test2.frm 存储表的结构信息
test2.ibd 存储表的数据和索引
联合索引的最左匹配原则
select * from t where a=1 and b=1 and c =1; #这样可以利用到定义的索引（a,b,c）
select * from t where a=1 and b=1; #这样可以利用到定义的索引（a,b,c）
select * from t where a=1; #这样也可以利用到定义的索引（a,b,c）
select * from t where b=1 and c=1; #这样不可以利用到定义的索引（a,b,c）
select * from t where a=1 and c=1; #这样不可以利用到定义的索引（a,b,c）
也就是说通过最左匹配原则你可以定义一个联合索引，但是使得多中查询条件都可以用到该索引。
值得注意的是，当遇到范围查询(>、<、between、like)就会停止匹配。也就是：
select * from t where a=1 and b>1 and c =1; #这样a,b可以用到（a,b,c），c不可以
总结
-
在 InnoDB 中联合索引只有先确定了前一个（左侧的值）后，才能确定下一个值。如果有范围查询的话，那么联合索引中使用范围查询的字段后的索引在该条 SQL 中都不会起作用。
-
值得注意的是，
in和=都可以乱序，比如有索引（a,b,c），语句select * from t where c =1 and a=1 and b=1，这样的语句也可以用到最左匹配，因为 MySQL 中有一个优化器，他会分析 SQL 语句，将其优化成索引可以匹配的形式，即select * from t where a =1 and a=1 and c=1
索引是建立得越多越好吗
- 不是
1.数据量小的表不需要建立索引，建立会增加额外的索引开销
2.数据变更需要维护索引，因此更多的索引意味着更多的维护成本
3.更多的索引意味着也需要更多的空间