索引 B + 树
一索引到底是干嘛的？
索引就是数据库里的 目录 ，帮你快速找到数据，不用把整张表翻一遍
二为什么要用B+树做索引
1.查找快：每次查询都能少一半工作量
2.稳定：不管查哪条数据，速度都差不多
3.适合范围查询：比如查【价格100-200】的商品，速度特别快
三极简版B+树
咱们把 B + 树想象成一个多层目录：
- 最顶层：根目录（最顶层节点）
- 中间层：二级目录（中间节点）
- 最底层：数据页（叶子节点，存真实数据 / 数据地址）
1.一个简单的例子
设我们存了 10 条数据的主键 ID：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]B + 树会这样组织：
- 根节点：存关键数字，比如
[7]，用来帮你判断往左还是往右找 - 中间节点：比如左边存
[3,5]，右边存[11,15] - 叶子节点：存完整的所有数据，并且用「链表」连起来，顺序是
1→3→5→7→9→11→13→15→17→19
2. 怎么用 B + 树查数据？
比如我们要找 ID=9 的数据：
- 先看根节点的
7：9>7，去右边的中间节点 - 看右边中间节点的
11：9<11，去左边的叶子节点 - 直接在叶子节点的链表上找到
9，拿到数据地址
整个过程，我们只需要访问 3 个节点，而不用把 10 条数据全看一遍。
四B+树的核心原理
1.【分层+有序】结构
所有数据都存在最底层的叶子结点，中间节点只存【导航用的关键值】，不存真实数据
叶子节点是有序的链表，比如按主键从小到大排好，相邻节点之间有指针连接起来
2.为什么叫B+树
- B：Balance（平衡），树的左右两边高度差不超过 1，不会一边倒，保证查询速度稳定。
- +：和普通 B 树的区别，数据只存在叶子节点，中间节点不存数据，这样中间节点能存更多关键值，树的高度更低，查找更快。
3.B+树为什么比链表，普通二叉树好用？
| 结构 | 查找 ID=9 的过程 | 缺点 |
|---|---|---|
| 普通链表 | 从 1 开始一个个往后找，要找 5 次 | 数据越多越慢，100 万条数据要找 50 万次 |
| 普通二叉树 | 可能变成 “歪脖子树”，比如 1→3→5→7→9，退化成链表 | 极端情况下和链表一样慢 |
| B + 树 | 根→中间→叶子，只需要 3 次访问 | 不管数据多少，树的高度一般只有 3-4 层，超快 |
五索引优化的关键
1. 什么是全表扫描？
就是没有索引的时候，数据库只能从第 1 条数据开始，一条一条对比，直到找到你要的数据。比如你在一个 100 万条数据的表里，找name='张三'，没有索引的话，数据库要把 100 万条数据都看一遍，慢到怀疑人生。
2. 怎么用索引避免全表扫描？
- 给经常用来查询的字段建索引，比如
WHERE、JOIN、ORDER BY里的字段。 - 比如你经常按
category_id查文章，就给category_id建个索引，数据库会用 B + 树快速定位，不用扫全表。
3. 建索引的小坑（新手必看）
- 索引不是越多越好：索引会占磁盘空间，而且增删改数据时，数据库还要更新索引，会变慢。
- 不要给低区分度的字段建索引：比如性别（男 / 女），建了索引也没用，数据库还是会扫全表。
- 索引要建在经常用的字段上：比如主键、外键、经常用来过滤的字段。
六用SQL验证索引效果
-- 1. 创建一个用户表（100万条数据模拟） CREATE TABLE users ( id INT PRIMARY KEY AUTO_INCREMENT, -- 主键自带B+树索引 username VARCHAR(20), age INT ); -- 2. 没有索引时，按age查询（全表扫描，很慢） EXPLAIN SELECT * FROM users WHERE age = 25; -- 结果里type列会是ALL，代表全表扫描 -- 3. 给age字段建索引（B+树索引） CREATE INDEX idx_age ON users(age); -- 4. 再查一次，就会走索引了 EXPLAIN SELECT * FROM users WHERE age = 25; -- 结果里type列会是ref，代表走了索引，速度大幅提升