mysql索引: 是一種幫助mysql高效的獲取資料的資料結構，這些資料結構以某種方式引用資料，這種結構就是索引。可簡單理解為排好序的快速查詢資料結構。如果要查「mysql」這個單詞，我們肯定需要定位到m字母，然後從下往下找到y字母，再找到剩下的sql。
單值索引:乙個索引包含1個列 create index idx_xx on table(f1) 乙個表可以建多個。 唯一索引: 索引列的值必須唯一，但允許有空值 create unique index idx_xx on table(f1) 復合索引: 乙個索引包含多個列 如：create index idx_xx on table(f1,f2，..)
btree hash索引 full-text全文索引
主鍵自動建立唯一索引 頻繁作為查詢條件的字段因該建立索引 查詢中與其他表關聯的字段，外來鍵關係建立索引 頻繁更新的字段不適合建立索引 where條件裡用不到的字段不建立索引 單鍵/復合索引的選擇（高併發下傾向復合） 查詢中排序的字段因建立索引 查詢中統計或分組字段
頻繁增刪改的表 表記錄太少 資料重複且分布平均的表字段。（重複太多索引意義不大）
乙個經典的b+樹索引資料結構見下圖：
b+樹是乙個平衡的多叉樹，從根節點到每個葉子節點的高度差值不超過1，而且同層級的節點間有指標相互鏈結。在b+樹上的常規檢索，從根節點到葉子節點的搜尋效率基本相當，不會出現大幅波動，而且基於索引的順序掃瞄時，也可以利用雙向指標快速左右移動，效率非常高。
因此，b+樹索引被廣泛應用於資料庫、檔案系統等場景。
而雜湊索引的示意圖則是這樣的：
簡單地說，雜湊索引就是採用一定的雜湊演算法，把鍵值換算成新的雜湊值，檢索時不需要類似b+樹那樣從根節點到葉子節點逐級查詢，只需一次雜湊演算法即可立刻定位到相應的位置，速度非常快。
從上面的圖來看，b+樹索引和雜湊索引的明顯區別是：
如果是等值查詢，那麼雜湊索引明顯有絕對優勢，因為只需要經過一次演算法即可找到相應的鍵值；當然了，這個前提是，鍵值都是唯一的。如果鍵值不是唯一的，就需要先找到該鍵所在位置，然後再根據鍊錶往後掃瞄，直到找到相應的資料； 從示意圖中也能看到，如果是範圍查詢檢索，這時候雜湊索引就毫無用武之地了，因為原先是有序的鍵值，經過雜湊演算法後，有可能變成不連續的了，就沒辦法再利用索引完成範圍查詢檢索； 同理，雜湊索引也沒辦法利用索引完成排序，以及like 『***%』 這樣的部分模糊查詢（這種部分模糊查詢，其實本質上也是範圍查詢）； 雜湊索引也不支援多列聯合索引的最左匹配規則； b+樹索引的關鍵字檢索效率比較平均，不像b樹那樣波動幅度大，在有大量重複鍵值情況下，雜湊索引的效率也是極低的，因為存在所謂的雜湊碰撞問題。
在mysql中，只有heap/memory引擎表才能顯式支援雜湊索引（ndb也支援，但這個不常用），innodb引擎的自適應雜湊索引（adaptive hash index）不在此列，因為這不是建立索引時可指定的。
還需要注意到：heap/memory引擎表在mysql例項重啟後，資料會丟失。
通常，b+樹索引結構適用於絕大多數場景，像下面這種場景用雜湊索引才更有優勢：
在heap表中，如果儲存的資料重複度很低（也就是說基數很大），對該列資料以等值查詢為主，沒有範圍查詢、沒有排序的時候，特別適合採用雜湊索引
例如這種sql：
select … from t where c1 = ?; — 僅等值查詢
在大多數場景下，都會有範圍查詢、排序、分組等查詢特徵，用b+樹索引就可以了。
索引是什麼？
資料庫引入了索引 使用者對資料庫最頻繁的操作是進行資料查詢。一般情況下，資料庫在進行查詢操作時需要對整個表進行資料搜尋。當表中的資料很多時，搜尋資料就需要很長的時間，這就造成了伺服器的資源浪費。為了提高檢索資料的能力，資料庫引入了索引機制。有關 索引 的比喻 從某種程度上，可以把資料庫看作一本書，把...
索引是什麼
mysql索引結構 哪些情況需要建立索引 哪些情況不需要建立索引 可以簡單理解為 排好序的快速查詢資料結構 一般來說，索引本身也很大，不可能全部儲存在記憶體中，因此索引往往以索引檔案的形式儲存在磁碟上。建立 create unique index indexname on mytable colum...
索引是什麼？
維基百科對資料庫索引的定義 資料庫索引，是資料庫管理系統 dbms 中乙個排序的資料結構，以協助快速查詢 更新資料庫表中資料。怎麼理解這個定義呢？首先資料是以檔案的形式存放在磁碟上面的，每一行資料都有它的磁碟位址。如果沒有索引的話，要從500 萬行資料裡面檢索一條資料，只能依次遍歷這張表的全部資料，...