为什么需要索引？

数据库索引就像是给数据表建立的"目录"，帮助数据库快速定位到需要的数据行。没有索引的查询过程，查询数据走的是全表扫描。有了索引之后，数据库可以通过索引结构快速定位到目标数据，大大减少了需要检查的数据量。

MySQL索引的底层结构

MySQL的InnoDB存储引擎主要使用B+树作为索引结构，其优点如下：

1. 磁盘友好：B+树的节点可以存储更多的键值，减少了树的高度，也就减少了磁盘I/O次数
2. 范围查询高效：叶子节点通过指针连接，形成有序链表，范围查询只需要在叶子层遍历
3. 稳定的查询性能：所有数据都在叶子节点，查询效率稳定

索引的分类

按数据结构分类

1. B+树索引
最常见的索引类型，适用于大部分查询场景。

2. Hash索引
基于哈希表实现，等值查询速度极快，但不支持范围查询。

3. 全文索引
专门用于文本搜索，支持关键词匹配。

按物理存储分类

1. 聚簇索引（主键索引）
数据行直接存储在索引的叶子节点中，每个表只能有一个聚簇索引。

2. 非聚簇索引（二级索引）
叶子节点存储的是主键值，需要回表查询获取完整数据。

-- 创建表时的聚簇索引
CREATE TABLE user (
    id INT PRIMARY KEY,  -- 聚簇索引
    name VARCHAR(50),
    email VARCHAR(100),
    INDEX idx_name(name)  -- 非聚簇索引
);

按字段数量分类

1. 单列索引

CREATE INDEX idx_name ON user(name);

2. 复合索引（联合索引）

CREATE INDEX idx_name_age ON user(name, age);

联合索引与最左前缀原则

复合索引是实际开发中经常用到的优化手段，但需要理解最左前缀原则。

-- 创建复合索引
CREATE INDEX idx_name_age_city ON user(name, age, city);

这个索引实际上相当于创建了三个索引：

• (name)
• (name, age)
• (name, age, city)

能用到索引的查询：

SELECT * FROM user WHERE name = '张三';  
SELECT * FROM user WHERE name = '张三' AND age = 25; 
SELECT * FROM user WHERE name = '张三' AND age = 25 AND city = '北京'; 
SELECT * FROM user WHERE name = '张三' AND city = '北京'; 

不能用到索引的查询：

SELECT * FROM user WHERE age = 25; 
SELECT * FROM user WHERE city = '北京'; 
SELECT * FROM user WHERE age = 25 AND city = '北京'; 

索引失效的常见场景

在实际开发中，经常会遇到明明创建了索引，但查询还是很慢的情况。以下是一些常见的索引失效场景：

1. 函数操作

-- 索引失效
SELECT * FROM user WHERE YEAR(create_time) = 2023;

2. 类型转换

-- phone字段是VARCHAR类型，索引失效
SELECT * FROM user WHERE phone = 13800138000;

-- 正确写法
SELECT * FROM user WHERE phone = '13800138000';

3. 模糊查询

-- 索引失效
SELECT * FROM user WHERE name LIKE '%张%';

-- 可以使用索引
SELECT * FROM user WHERE name LIKE '张%';

4. 范围查询影响后续字段

-- 对于复合索引 (name, age, city)
-- age使用了范围查询，city字段的索引会失效
SELECT * FROM user WHERE name = '张三' AND age > 20 AND city = '北京';

5. 使用OR连接

-- 如果OR两边的字段都有索引才能使用索引
SELECT * FROM user WHERE name = '张三' OR email = 'zhangsan@email.com';

索引设计原则

• 选择性高的字段：重复值少的字段更适合创建索引
• 频繁查询的字段：WHERE、ORDER BY、GROUP BY中经常出现的字段
• 小的数据类型：使用更小的数据类型可以减少索引空间

注意事项

1. 不是索引越多越好

每个索引都会占用存储空间，增加写操作的开销。

2. 小表不一定需要索引

对于数据量很小的表（几百条记录），全表扫描可能比索引查询更快。

3. 联合索引的字段顺序很重要

根据查询条件的使用频率和选择性来决定字段顺序。

4. 注意索引的维护成本

频繁的INSERT、UPDATE、DELETE操作会影响索引性能，需要权衡查询性能和写入性能。

总结

索引是数据库性能优化的重要手段，但也不是万能的。要掌握最左前缀原则，合理设计复合索引，避免常见的索引失效场景，在优化方面通过EXPLAIN分析执行计划。