索引这一个章节将分为以下几个部分来学习：
- 索引概述
- 索引结构
- 索引分类
- 索引语法
- SQL性能分析
- 索引使用
- 索引设计原则
索引概述
介绍
索引（index）是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
在没有索引的情况下，对表数据进行查询时（例如查询年龄等于45），
需要对整个表进行扫描，一条一条地匹配是否符合查询的条件 ；
如果运用了二叉搜索树的结构去索引，查询时就不需要进行全表扫描，很快就能找到表中年龄等于45的信息。
优缺点
| 优势 | 劣势 |
| 提高数据检索的效率，降低数据库的IO成本 | 索引列也需要占用空间 |
| 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗 | 索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低。 |
若频繁修改表中索引字段数据，索引的维护工作也会随之而频繁，甚至数据的不一致性问题出现
索引结构（1）
介绍
前面我们在学习存储引擎的时候了解到，MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种（有一些数据结构基础的更好理解）： 
B+树是使用得最多的，我们重点研究B+树，
接下来，我们再来看看不同的存储引擎对于索引结构的支持情况： 
注意：我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。
二叉树
假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：
如果主键是顺序插入的，则会形成一个单向链表，结构如下：
所以，如果选择二叉树作为索引结构，会存在以下缺点：
- 顺序插入时，会形成一个链表，查询性能大大降低。
- 大数据量情况下，层级较深，检索速度慢。
此时可能会想到，可以选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树，结构如下：
但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：
- 大数据量情况下，层级较深，检索速度慢。
所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree。
在学习B+Tree之前，先来介绍一个B-Tree。
B-Tree
B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。
以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针。
注：树的度数指的是一个节点的子节点个数。
我们可以通过一个数据结构可视化的网站来简单演示一下。
插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250 。然后观察一些数据插入过程中，节点的变化情况。
特点：
- 5阶的B树，每一个节点最多存储4个key，对应5个指针。
- 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
- 在B树中，非叶子节点和叶子节点都会存放数据。
END
