口试高频：MySQL索引
https://i-blog.csdnimg.cn/direct/dc5d9014a98f4f0999808f96cdc4ab05.png1 概念
索引是一种特别的文件，包罗着对数据表里所有记录的引用指针。可以对表中的一列或多列创建索引， 并指定索引的类型，各类索引有各自的数据结构实现。（具体细节在后续的数据库原理课程解说）
2 作用
数据库中的表、数据、索引之间的关系，雷同于书架上的图书、书籍内容和书籍目录的关系。
索引所起的作用雷同书籍目录，可用于快速定位、检索数据。
索引对于进步数据库的性能有很大的帮助。
3 使用场景
要考虑对数据库表的某列或某几列创建索引，需要考虑以下几点：
[*]数据量较大，且常常对这些列进行条件查询。
[*]该数据库表的插入操作，及对这些列的修改操作频率较低。
[*]索引会占用额外的磁盘空间。
满意以上条件时，考虑对表中的这些字段创建索引，以进步查询服从。
反之，如果非条件查询列，或常常做插入、修改操作，或磁盘空间不足时，不考虑创建索引。
4 使用
创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）时，会自动创建 对应列的索引。
查看索引
show index from 表名;
案例：查看门生表已有的索引
show index from student;
https://i-blog.csdnimg.cn/direct/c43f5da3fd7644ab988ab5b1e8b72af8.png
PRIMARY 是主键自动生成的索引（不需要手动输入，只要建表的时候，指定了主键，就会自动生成主键索引）
创建索引
对于非主键、非唯一约束、非外键的字段，可以创建平凡索引
create index 索引名 on 表名(字段名);
案例：创建班级表中，name字段的索引
create index idx_classes_name on classes(name);
https://i-blog.csdnimg.cn/direct/1e9181e82f524dcfa5b43366dff76539.png
https://i-blog.csdnimg.cn/direct/9ab8868ee3dd449eb68659761913d958.png
温馨提示：
创建索引,也是一个“伤害操作”
如果是针对空表,大概表中的数据比较少(几千,几万 .... )创建索引,就谈不上伤害不伤害.
一旦表的数据量比较大,万万级别 ..... 此时创建索引操作,就可能会触发大量的硬盘IO,直接把机器就搞的卡死住了 .....
在最初建表的时候,都要有哪些索引,提前规划好,创建好 .....
万一某个表,确实没有提前创建索引,如今又有了很多数据了,非加索引不可,此时咋办呢 ??
删除索引
drop index 索引名 on 表名;
案例：删除班级表中name字段的索引
drop index idx_classes_name on classes;
https://i-blog.csdnimg.cn/direct/584dc1bc71d74834b31c0b6a5d8aca51.png
只能删除,咱们本身创建的索引.不能删除 自动生成的
删除索引,也是伤害操作 !!!要能够慎重对待 ~~
5.数据库索引
二叉搜索树和哈希表,都不适合给 数据库 做索引.
1)二叉搜索树
最大的题目在于“二叉”当要生存的元素多的时候,就会使整个树的高度变的比较高~
一旦高度高了,比较次数就会变多 ~~硬盘上 ~~
2)哈希表
最大的题目在于,只能进行“相称”查询.无法进行><这样的”范围查询”,也无法进行like
模糊查询.
3）B+树
为数据库量身定做的数据结构 ~~
这里主要的目的,不是为了减少比较的次数,而是要减少 硬盘IO的次数.https://i-blog.csdnimg.cn/direct/c85c311ed1784354ad885e8e44459237.png
非叶子节点，只需要存储key值，不需要存储数据行，消耗空间不大
1）不同于B树.
B树是有N个key,分别成N+1个区间
B+树是有N个key,分别出N个区间~
2）父节点中的key的值,会在下面的子节点中再次出现 ~~ (以子节点中的最大值的身份)
重复出现的做法,看起来好像是浪费空间
现实上非常有效 ~~
[*] 快速查找：重复键可以帮助加速查找操作。由于父节点中的键是子节点中键的最大值，能够有效地引导搜索路径。
[*] 范围查询：在进行范围查询时，父节点的键可以帮助快速定位到包罗范围的子节点，从而加速范围查询的过程。
[*] 同等性：这种做法有助于保持树的平衡和同等性，使得所有节点都能保持相同的结构，简化插入和删除操作。
固然这种重复看起来像是浪费空间，但现实上它为高效的查找和查询操作提供了很大的帮助。
3）B+树把叶子结点,像链表一样首尾相连了 ~~
此时,进行“范围查询”就会非常方便 !!!
B+树的上风
1.N叉搜索树,高度比较低,此时硬盘IO次数就比较少.
2.叶子结点是全集,并且用链表结构毗连,非常便于范围查询 ~~
3.B+树,所有的查询都是要落到叶子结点上完成的 ~~ 任何一次查询,经历的IO次数和比较次数都是差不多的,查询的开销稳定的 ~~
4.由于B+树,叶子结点是全集,非叶子节点上不必存储“数据行”,只需要存储索引列的key即可.
使得非叶子节点,消耗的空间比较少 ~~
6.口试模仿
谈谈对于数据库索引的明白 ~~
如果能连续讲30分钟,基本上就稳了 !!!
最关键的是,可否有某个点,感动口试官 ~~
1)索引是啥,解决啥题目的~
索引相称于书的目录,能够进步查询的速率
2)索引付出了什么代价
a)需要更多的存储空间
b)可能会影响增编削的服从(不是肯定会影响)
整体来说,索引利大于弊,日常开发还是会常常使用的.
3)如何使用sql 操作索引,是否有留意事项
a) show index from表名;查看索引 (主键,外键,unique,会自动生成索引)
b) create index 索引名 on表名(列名)
c)drop index 索引名 on表名;
4)索引背后的数据结构=>B+树特点和上风 .-
特点:
a)N叉搜索树,每个节点上包罗N个key,分别出N个区间.
b)每个父节点中的元素,都会下沉到子节点中,作为该子节点中最大值的脚色来存在.
c)叶子结点这一层就构成了数据集合的全集 ~~
d)使用雷同于链表这样的结构,把叶子结点串起来.
上风
a)N叉搜索树,高度比较低,降低了硬盘IO次数
b)范围查询非常方便&高效
c)所有的查询都落到叶子结点上,开销非常稳定.容易预估本钱.
d)叶子结点存储数据行,非叶子节点只存储索引列的key值,非叶子节点占据空间小,可以加载到内存中
进一步的减少查询时IO的访问次数.
https://i-blog.csdnimg.cn/blog_migrate/30295a368774ae9bfe6c4ecfde0259ba.jpeg
如果您觉得有失偏颇请您在批评区指正，如果您觉得不错的话留个好评再走吧！！
您的鼓励就是对我最大的支持! ！ ！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]