你有没有想过，为什么数据库查询时速度这么快？其实，这背后离不开索引这个“幕后英雄”。索引就像是图书馆的目录，帮你快速找到想要的书（数据）。但索引的实现原理可不是那么简单，它有B-Tree、B+Tree、Hash等多种底层结构。B+Tree之所以成为主流，主要是因为它在查找大量数据时，IO次数少，效率高。比如，3层B+Tree就能搞定上百万条数据，只需3次IO，这比没有索引时的百万次IO快多了！

那么问题来了，为什么有时Mysql会“选错索引”呢？这就涉及到查询优化器的“小脾气”了。优化器会根据统计信息来选择索引，但如果统计信息不准确，或者查询条件复杂，它可能会误判。比如，你明明觉得用索引A更快，但优化器偏偏选了索引B，结果查询效率反而变慢了。这时，你可以通过强制指定索引或更新统计信息来“纠正”优化器的错误。

再来聊聊InnoDB和MyIsam的索引区别。InnoDB的索引是“聚簇索引”，数据和索引是绑在一起的，而MyIsam的索引只是指向数据的指针。简单概括，InnoDB的索引更像“内容目录”，而MyIsam的索引则是“页码目录”。所以，InnoDB在数据查找时更高效，但MyIsam在插入和删除时更快。你可能会问，那我该用哪个？这得看你的业务场景，是查询多还是更新多。

最后，唯一索引和普通索引的区别也很值得探讨。唯一索引保证了数据的唯一性，但它的插入速度可能会慢一点，因为要检查唯一性。普通索引则没有这个限制，插入更快，但可能会带来重复数据。所以，选择哪种索引，取决于你是更看重数据的唯一性，还是更看重性能。总之，索引的世界很大，了解它的原理和应用场景，才能让数据库跑得更快！

一、索引是什么 

二、索引的底层实现原理

三、InnoDB的存储结构是怎样的？ 

四、InnoDB索引和MyIsam索引对比 

 五、Mysql为什么会选错索引

六、唯一索引和普通索引的区别

导读:本博文讲解了索引是什么和索引的底层原理，提到了 BTREE和 B+TREE hash底层实现以及mysql选错索引的原因和解决方式。同时涵盖高频面试题之InnoDB索引和MyIsam索引对比区别，唯一索引和普通索引的区别。

一、索引是什么 

索引的概念：索引是一种特殊的文件，它们包含着对数据表里所有记录的引用指针。更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度

索引的作用：索引的目的在于提高查询效率，使原始的随机全表扫描变成快速顺序锁定数据

常用索引的分类：
普通索引：这是最基本的索引，它没有任何限制
唯一索引：引列的值必须唯一，但允许有空值（注意和主键不同）
组合索引：多个数据列组成的索引，遵守最左匹配原则

索引高性能保证：
    把查询过程中的随机事件变成顺序事件
    数据保存在磁盘上，而为了提高性能，每次又可以把部分数据读入内存来计算，访问磁盘的成本大概是访问内存的十万倍左右

磁盘IO与预读:
        考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k

二、索引的底层实现原理

hash索引 无法满足范围查找，优点：等值检索快，范围检索很慢，因为hash值是不连续的

B-TREE 每个节点都是一个二元数组: [key, data]，所有节点都可以存储数据。key为索引key,data为除key之外的数据

 B-TREE的缺点:插入删除新的数据记录会破坏B-Tree的性质，因此在插入删除时，需要对树进行一个分裂、合并、转移等操作以保持B-Tree性质。造成IO操作频繁。区间查找可能需要返回上层节点重复遍历，IO操作繁琐

B+Tree的改进：非叶子节点不存储data，只存储索引key；只有叶子节点才存储data

B+树高性能保证：

        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要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高
在B+Tree的每个叶子节点增加一个指向相邻叶子节点的指针，就形成了带有顺序访问指针的B+Tree
B+TREE 只在叶子节点存储数据 & 所有叶子结点包含一个链指针 & 其他内层非叶子节点只存储索引数据。只利用索引快速定位数据索引范围，先定位索引再通过索引高效快速定位数据。

三、InnoDB的存储结构是怎样的？ 

InnoDB物理存储结构分析

InnoDB以表空间Tablespace(idb文件)结构进行组织，每个Tablespace 包含多个Segment段，每个段(分为2种段：叶子节点Segment&非叶子节点Segment), 一个Segment段包含多个Extent，一个Extent占用1M空间包含64个Page（每个Page 16k），InnoDB B+Tree 一个逻辑节点就分配一个物理Page,一个节点一次IO操作。,一个Page里包含很多有序数据Row行数据，Row行数据中包含Filed属性数据等信息

 索引值匹配检索过程：确定定位条件, 找到根节点Page No, 根节点读到内存, 逐层向下查找, 读取叶子节点Page,通过 二分查找找到记录或未命中。（select * from user_info where id = 23） 

索引范围查找：读取根节点至内存, 确定索引定位条件id=18, 找到满足条件第一个叶节点, 顺序扫描所有结果, 直到终止条件满足id >=21 （select * from user_info where id >= 16 and id < 21）

 全表扫描：直接读取叶节点头结点， 顺序扫描， 返回符合条件记录， 到最终节点结束（select * from user_info where user_name = 'daniel'）

四、InnoDB索引和MyIsam索引对比 

MyISAM引擎使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址，MyISAM的索引文件仅仅保存数据记录的地址。在MyISAM中，主索引和辅助索引（Secondary key）在结构上没有任何区别，只是主索引要求key是唯一的，而辅助索引的key可以重复

在InnoDB中，表数据文件本身就是按B+Tree组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此InnoDB表数据文件本身就是主索引
第二个与MyISAM索引的不同是InnoDB的辅助索引data域存储相应记录主键的值而不是地址。换句话说，InnoDB的所有辅助索引都引用主键作为data域

MyIsam叶子data域放的是指针

InnoDB 主键索引，又是聚簇索引 （就是数据 和索引放在一起，我们称之为聚簇索引，性能最高）

 InnoDB非主键索引，非聚簇索引 data中存储的是id