带你慢慢理清MySQL索引那些事儿，细节和原理都有讲到

根据网络上多位技术博主，如“程序员小灰”、“JavaGuide”、“掘金社区”上的相关高赞文章，以及《高性能MySQL》书籍中的核心观点综合整理）

带你慢慢理清MySQL索引那些事儿,细节和原理都有讲到。

咱们先从一个最生活的例子开始，想象一下，你现在有一本非常厚的电话簿，里面记录了整个城市几百万人的姓名和电话号码，而且这些名字是完全没有按字母顺序排列的，是乱糟糟印上去的，让你在里面找到“张三”的电话，你该怎么办？你只能从第一页开始，一页一页地翻，一直翻到找到为止，这个过程，在MySQL里就叫“全表扫描”,效率非常低。

那怎么提高效率呢？很简单，我们给这本电话簿做一个“索引”，这个索引就像一本薄薄的小册子，里面按字母顺序列出了所有人的名字，并且在每个名字后面标明了这个人的详细信息在哪一页，你再找“张三”，就不用去翻那本厚书了，而是先拿起这本索引小册子，快速找到“张”开头的部分，然后很快找到“张三”，看到它对应的页码是第500页，你直接翻到厚书的第500页，就找到了张三的信息，这个“索引小册子”，就是MySQL里的“索引”。

在MySQL中，这个“索引小册子”的实现方式，最常用的是一种叫做“B+树”的结构，你可以把它想象成一棵倒过来的大树，有树根、树枝和树叶。

• 树根和树枝：相当于索引小册子的目录部分，树根告诉你，姓氏拼音A-L的在左边分支，M-Z的在右边分支，然后你走到M-Z这个树枝，它又告诉你，Ma-Mi在左，Mo-Mz在右……这样一层层地缩小范围。
• 树叶：相当于索引小册子里最终指向具体页码的那一行，在B+树里，这些“树叶”是顺序排列的，并且它们之间像链表一样连起来，这带来了两个巨大的好处：
  1. 查找非常快：从根节点开始，像翻书一样一层层往下找,很快就能定位到数据。
  2. 范围查找超级方便：比如你想找所有姓“张”的人，在乱序的书里你得全本翻，但在这里，你只需要在索引里找到第一个“张”，然后顺着树叶的链表顺序往下读就行了，因为所有“张”都挨在一起。

现在我们来聊聊索引的具体类型，最主要的就是两种：主键索引和普通索引。

• 主键索引（聚簇索引）：这个比较特殊，它还记着两样东西：一是你建立索引的那个字段的值（比如你的用户ID），二是这条记录完整的其他所有数据，这就好比那本厚电话簿本身，就是按照用户ID的顺序来印刷的，通过主键查数据，速度是最快的，因为一次查找就能拿到全部数据,一张表只能有一个主键索引。
• 普通索引（二级索引/辅助索引）：这个就更像我们举的例子里的那个“索引小册子”了，它只记两样东西：一是你建立索引的那个字段的值（比如你在“姓名”字段上建了索引，它就记着“张三”、“李四”），二是对应记录的主键值，你在“姓名”索引里找到“张三”，它后面标着主键ID是“101”，MySQL还得拿着这个“101”再去主键索引里查一遍，才能找到“张三”的完整信息，这个过程叫做“回表”。

理解了回表，你就能明白为什么有时候你明明建了索引，查询却还是不够快，比如你有一个查询是 SELECT * FROM users WHERE name = ‘张三’，而你在name字段上建了普通索引，那么MySQL会先在name索引里找到“张三”和其主键ID，然后再回表去主键索引里取回所有数据（ 代表所有列），如果你的查询条件只是 SELECT id FROM users WHERE name = ‘张三’（id是主键），那么MySQL在name索引里就直接找到“张三”和id了，不需要回表，速度就会快很多，这种只需要在索引里就能拿到全部所需数据的情况，叫做“覆盖索引”,是优化查询的一个重要手段。

那是不是给每个字段都加上索引就好了呢？绝对不是！索引就像一把双刃剑。

好处很明显：大大提高了查询速度。

坏处也很明显：

1. 占空间：你的“索引小册子”也是要占纸张的,数据库里就是要占磁盘空间的。
2. 降低增删改的速度：你每增加一条记录，比如新来一个“赵六”，你不仅要在厚电话簿里加上他，还得在你的“索引小册子”里按字母顺序把他的名字插进去，如果你建了多个索引，就等于有好多本不同排序方式的小册子（比如按姓名一本，按电话号码一本），每次增删改都要同时更新所有这些小册子,当然就慢了。

建立索引要有策略，通常我们会给经常用来做查询条件的字段建索引，比如WHERE子句里的字段、JOIN连接用的字段，对于重复值特别多的字段，比如性别（只有男/女），建索引的意义就不大，因为索引一筛还是出来一半的数据,不如直接全表扫描了。

再讲一个常见的面试题：为什么MySQL要选择B+树来做索引,而不是用普通的二叉树或者哈希表？

• 相比二叉树：普通的二叉树在数据是顺序增加的时候（比如主键ID一直自增），会退化成一条直线，就像一根竹竿，查找效率又变成O(n)了，而B+树会通过分裂、合并等操作始终保持树的“矮胖”形态，这样查询的路径就很短，效率稳定，而且B+树的所有数据都在叶子节点，更适合磁盘I/O（一次可以读入一个节点的多个数据）。
• 相比哈希表：哈希表查询单个值非常快，是O(1)，但是它有个致命缺点：不支持范围查询，你想找所有姓“张”的人，哈希表就无能为力了，因为它只能计算“张三”、“张四”每个值的哈希值去定位，而这些值在哈希表里是散列存放的，根本不挨着，而B+树的叶子节点是顺序链表,做范围查询简直是天生优势。

希望这些生活中的比喻和一步步的拆解，能帮你慢慢理清MySQL索引的那些核心事儿，索引是个强大的工具,但要用对地方。