索引经常使用的数据结构为B+树。结构例如以下

如上图，是一颗b+树，关于b+树的定义能够參见B+树，这里仅仅说一些重点。浅蓝色的块我们称之为一个磁盘块，能够看到每一个磁盘块包括几个数据项（深蓝色所看到的）和指针（黄色所看到的），如磁盘块1包括数据项17和35。包括指针P1、P2、P3。P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。

非叶子节点仅仅不存储真实的数据，仅仅存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

b+树的查找过程

如图所看到的，假设要查找数据项29，那么首先会把磁盘块1由磁盘载入到内存，此时发生一次IO。在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，内存时间由于很短（相比磁盘的IO）能够忽略不计，通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘载入到内存。发生第二次IO，29在26和30之间，锁定磁盘块3的P2指针。通过指针载入磁盘块8到内存。发生第三次IO，同一时候内存中做二分查找找到29，结束查询，总计三次IO。

真实的情况是，3层的b+树能够表示上百万的数据。假设上百万的数据查找仅仅须要三次IO，性能提高将是巨大的，假设没有索引，每一个数据项都要发生一次IO，那么总共须要百万次的IO。显然成本很很高。

b+树性质

1.通过上面的分析，我们知道IO次数取决于b+数的高度h。假设当前数据表的数据为N，每一个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小。而m = 磁盘块的大小 / 数据项的大小。磁盘块的大小也就是一个数据页的大小，是固定的。假设数据项占的空间越小，数据项的数量越多，树的高度越低。

这就是为什么每一个数据项，即索引字段要尽量的小，比方int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降。导致树增高。当数据项等于1时将会退化成线性表。
2.当b+树的数据项是复合的数据结构，比方(name,age,sex)的时候，b+数是依照从左到右的顺序来建立搜索树的。比方当(张三,20,F)这种数据来检索的时候。b+树会优先比較name来确定下一步的所搜方向。假设name同样再依次比較age和sex。最后得到检索的数据。但当(20,F)这种没有name的数据来的时候，b+树就不知道下一步该查哪个节点，由于建立搜索树的时候name就是第一个比較因子，必须要先依据name来搜索才干知道下一步去哪里查询。

比方当(张三,F)这种数据来检索时。b+树能够用name来指定搜索方向，但下一个字段age的缺失，所以仅仅能把名字等于张三的数据都找到，然后再匹配性别是F的数据了。 这个是很重要的性质，即索引的最左匹配特性。

建索引的几大原则

1.最左前缀匹配原则，很重要的原则。mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比方a = 1 and b = 2 and c > 3 and d = 4 假设建立(a,b,c,d)顺序的索引，d是用不到索引的。假设建立(a,b,d,c)的索引则都能够用到，a,b,d的顺序能够随意调整。
2.=和in能够乱序，比方a = 1 and b = 2 and c = 3 建立(a,b,c)索引能够随意顺序。mysql的查询优化器会帮你优化成索引能够识别的形式
3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不反复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问。这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般须要join的字段我们都要求是0.1以上，即平均1条扫描10条记录
4.索引列不能參与计算，保持列“干净”。比方from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很easy，b+树中存的都是数据表中的字段值，但进行检索时，须要把全部元素都应用函数才干比較，显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);
5.尽量的扩展索引，不要新建索引。比方表中已经有a的索引，如今要加(a,b)的索引。那么仅仅须要改动原来的索引就可以