想象力做网站seo资源网站 排名

一.概述：

1.当给某个字段创建索引后，就会把字段生成二叉排序树进行查找，大大增加了查找效率，比不创建索引时用的全表扫描好得多。

2.二叉排序树：小的在左边，大的在右边(查找和存放都遵循这个原则)。

3.注：二叉排序树仅仅是一个示意图，并不是索引真正的底层结构。

4.索引相当于一本书中的目录，有目录时很好找，没有目录时只能全书找。

---

二.数据库的优点和缺点：

1.优点：提升数据库查询的效率，提高数据库排序的效率。

2.缺点：索引会占用存储空间(但占的空间一般不大)；索引大大提高了查询效率，但同时降低了增，删，改的效率，这是因为在进行增，删，改的操作时数据会发生变化，此时就需要重新维护索引创建的二叉排序树这个数据结构->在创建索引后，增，删，改就不益用了。

---

三.结构：

1.红黑树也是平衡二叉树；

2.索引结构为什么不采用二叉搜索树和红黑树呢？原因是在数据量较大的情况下，层级会很深，导致检索(查找)速度慢；

3.B+（B+Tree）树中一个结点可以存储多个键值(key)，存储了几个键值，下面就会有几个指针，就会有几个子结点，这样相对于平衡二叉树和红黑树，相同数据量的情况下，B+树的高度就会低很多，查找效率也就高很多；

4.页是数据库进行磁盘管理的最小单位，一个页的大小为16KB；

5.B+树的非叶子结点仅仅起到索引(查找)数据的作用，并不保存具体的数据，所有的数据都存储在叶子结点(最底下的结点)中，所有的key都会出现在叶子结点，这样能保证数据库服务器的查询性能稳定：

6.由于B+树是多路平衡搜索树，所以该树的叶子结点元素是按照元素从小到大的顺序排序的(从左向右)，而且在叶子结点中的元素形成了一个双向链表(是有序的)，由上一个元素可以找到下一个元素，也可以由下一个元素找到上一个元素；

7.比如查找元素53，首先查找根结点，每一个结点中查找是利用二分查找，发现53大于等于38，小于67的，所以走P2指针，到下一个磁盘块，发现53大于等于47，小于55的，所以走P2指针，继续到下一个磁盘块查找，最终找到了53并获取到对应的数据：

比如查找元素29，根结点中29大于等于6，小于38，所以走P1指针，到下一个磁盘块，发现了29，直接走P3指针，走向下一个磁盘块，最终找到了29并获取到对应的数据(只需要进行3次磁盘IO就找到了对应的数据)；

---

四.语法：

1.创建唯一索引加unique即字段被unique修饰(唯一索引不是一个字段的意思)，后面的多个字段名之间用逗号分隔；

---

五.代码演示：

1.创建索引：

-- 创建：为tb_emp表的name字段创立一个索引
create index idx_emp_name on tb_emp(name);

2.查看索引：

-- 创建：为tb_emp表的name字段创立一个索引
create index idx_emp_name on tb_emp(name);
​
​
-- 查询：查询tb_emp表的索引信息
show index from tb_emp;

运行结果：

发现结果有3条记录，但创建索引时只创建了一个索引idx_emp_name ->

第一个索引PRIMARY对应的字段名为id，id为什么会有索引呢？因为id为主键，一旦指定了某个字段为某一张表的主键，他就会自动创建一个索引(也是数据库默认创建的一个主键索引)，该索引称为主键索引，而且主键索引的性能是最高的；

第二个索引username，是因为字段username是唯一(unique)的，一旦指定了某个字段是唯一的，数据库就会自动的给该字段创建一个唯一索引即unique index：所以唯一约束本质就是唯一索引

第三个索引idx_emp_name就是刚才创建的索引；

3.删除索引：

-- 创建：为tb_emp表的name字段创立一个索引
create index idx_emp_name on tb_emp(name);
​
​
-- 查询：查询tb_emp表的索引信息
show index from tb_emp;
​
​
-- 删除：删除tb_emp表中name字段的索引
drop index idx_emp_name on tb_emp;

运行结果：

---

六.总结：

---