MySQL 索引分类 实现原理

MySQL索引是优化查询速度的关键机制，其分类和实现原理如下

索引分类

按数据结构划分

B+Tree索引

最常见类型，InnoDB和MyISAM引擎的默认索引。

支持范围查询、排序和模糊匹配（如LIKE 'abc%'）。

哈希索引

基于哈希表实现，仅Memory引擎显式支持。

仅支持等值查询（=、IN()），速度快但不支持范围查询。

全文索引（FULLTEXT）

用于文本内容的搜索（如MATCH ... AGAINST），基于倒排索引实现。

支持分词和关键词匹配，适用于大段文本检索。

空间索引（R-Tree）

用于地理空间数据（如GIS类型的GEOMETRY），支持空间范围查询。

按功能约束划分

主键索引（PRIMARY KEY）：唯一且非空，每个表只能有一个，叶子节点存储行数据（InnoDB聚簇索引）。

唯一索引（UNIQUE）：列值唯一，允许NULL值，用于保证数据唯一性。

普通索引（INDEX/KEY）：无唯一性约束，仅加速查询。

组合索引（复合索引）：多列组合的索引，遵循最左前缀原则（如索引(a,b,c)可优化WHERE a=1 AND b=2，但无法优化WHERE b=2）。

按存储方式划分

聚簇索引 （Clustered Index）：数据行直接存储在索引的叶子节点（如InnoDB的主键索引），表数据按索引顺序物理存储。

非聚簇索引（Secondary Index）：叶子节点存储主键值，需回表查询数据（如InnoDB的二级索引）。

底层实现原理

B+Tree索引

结构特点

多路平衡搜索树：非叶子节点仅存储键值和子节点指针，叶子节点存储数据（或主键）并按顺序双向链接。

高扇出性：单个节点可存储大量键，降低树的高度（通常3~4层即可存储亿级数据）。

优势

范围查询高效（叶子节点链表顺序扫描）。

查询稳定性高（所有查询均需遍历到叶子节点，时间复杂度稳定为O(log N)）。

InnoDB实现细节

主键索引为聚簇索引，叶子节点存储行数据。

二级索引叶子节点存储主键值，查询时需通过主键回表获取数据。

哈希索引

实现方式：哈希表结构，通过哈希函数将键值映射到桶中，每个桶存储指向数据行的指针。

局限性：

无法支持范围查询、排序及部分模糊查询（如LIKE '%abc'）。

等值查询快（O(1)），但哈希冲突可能影响性能。

全文索引

倒排索引（Inverted Index）

记录单词到文档ID的映射，并存储单词位置信息。

分词后建立索引，支持关键词匹配和相关性评分。

组合索引与最左前缀

最左前缀原则

索引(a,b,c)可优化以下查询：

✅ WHERE a=1

✅ WHERE a=1 AND b=2

✅ WHERE a=1 AND b=2 AND c=3

❌ WHERE b=2（无法使用索引）

索引跳跃扫描（MySQL 8.0+）

部分场景下可绕过最左前缀限制，但通常建议按索引顺序编写查询条件。

存储引擎差异

关键优化点

覆盖索引：查询列均在索引中时，避免回表（如SELECT a FROM table WHERE a=1）。

索引下推（ICP）：MySQL 5.6+将过滤条件推送到存储引擎，减少回表次数。

索引选择性：高唯一性（如ID）的列更适合建索引，区分度低的列（如性别）效果差。