mysql 松散索引与紧凑索引扫描（引入数据结构）

这一篇文章本来应该是放在 mysql 高性能日记中的，并且其优化程度并不高，但考虑到其特殊性和原理（索引结构也在这里稍微讲一下）

一，mysql 索引结构 (B、B+树)

要问到 mysql 的索引用到什么数据结构，我相信大部分都能回答出来，没错，就是 B+ 树。那再问为什么要用 B+ 树呢，与红黑树，hash 表又分别有什么区别呢，问到这里可能就难住了一些没思考过的轻度玩家了。这里简单描述一下

B 树与红黑树的区别，有数据结构基础的同学应该可以讲出来，红黑树是平衡二叉树的一个变种，利用红黑树的 5 个特征保证其近乎平衡，记住，红黑树降低的左转右转的递归向上，但其并不是绝对平衡，但非极端情况下，我们也可以说红黑树的查询和插入都是 log₂n 的时间复杂度；而 B 树可以理解为平衡 n 插树，每个数的节点并不是一个值，而是一个数组，每两个数值之间指向一个在两者之间范围的新节点，这里可以看到对于相同的数据量，B 树的高度远远小于，根据官方给出一般索引的高度不会超过 5 的高度计算，3亿的数据量仅需要每个节点 50 个数据，mysql 在每个节点的遍历也是用最快的二分查找，所以查询一个 3亿 数据量的时间复杂度仅为 5log₂50，算下来几乎为常数级

B 树与 hash 表的区别，hash 的查询会比 B 树更快一些，好的 hash 表甚至可以达到 1-5 次查询得到结果，但与已经是常数级的 B 树相比，并没有太大的一个优化，但 hash 的插入却很容易产生 hash 冲突，现有解决 hash 冲突的方法无不是需要耗费大量时间进行重新 hash，相较微量的查询优化，写的效率过低导致 mysql 不可能使用 hash 表作为索引结构。

mysql 的索引结构其实本质是 B 树的一个变种结构 -- B+ 树，相较 B 树，B+ 树更适用于文件型索引，其每个非叶子节点存储的只是用于索引排序的辅助数值，而真正的数据都放在叶子节点，对于 mysql 这种不仅仅存单纯的排序值，而是关系型数据的 db，当然是 B+ 树更适合作为索引结构，当然还有一个小的优化点是子节点之间是有指针连接的，加快了范围查找的速度。

二，复合索引结构

对于主键索引，肯定索引结构是按一个主键的顺序组合的 B 树，但对于一个含有两个列的复合索引，它的树状结构是什么样呢？

对于复合索引 Index（A,B），B 树的排序是按 A 列的数值为第一要素，B 列的数值为第二要素进行排序，这也就是为什么我们查询语句时，条件语句必须保证最左原则才可以利用到索引

这里引入一些题外话，聚簇索引（Innodb）和非聚簇索引（myisam），因为讲到索引结构，这里引入这个话题，也是 mysql 中比较常用的两大引擎的一个区别，聚簇索引的索引的叶节点存放的直接是数据的叶节点，当使用辅助（符合）索引查询时，其叶子节点存放的是主键的值，所以通过符合索引查找非覆盖索引数据时，都会进行两次查询，并且查询主键的速度没有 myisam 的速度快；非聚簇索引指索引的叶节点存放的是数据的页数据指针，辅助索引存的同样是指针。两者各有千秋，不能说哪个好哪个坏，按业务自身选择即可

回到正题，那对于复合索引的查询是如何的过程，那如果真的想要只查 B 又想用到索引，该如何使用呢？引入我们的第三个话题

三，紧凑索引与松散索引

如果不遵守最左原则，where b = xxx，就会使用紧凑索引遍历的方式，进行全表扫表。而我们如果真的有些情况，需要查出符合 B 条件但对 A 不进行限制的情况，应该如何处理，可能有些同学会新开一个独立索引仅包含 B 列，这样虽然能达到我们的目的，但难免有些多余。mysql 也是也能很好的进行跳跃松散索引扫描，只是 mysql 优化器无法自动进行，必须在查询语句中进行必要的声明。 select * from xxx where B = xxx group by A; 添加 group by 字段后，会先根据 A 索引分组后，会在每个 A 的范围内使用索引进行快速查询定位所需要的 B 列，这就叫做松散索引扫描，比新建一个索引的效率会慢 A 的 distinct 倍，但省去了新索引的消耗。

--业务程序员