1.索引概念

在这里插入图片描述

1.数据库索引，是数据库的一个排序的数据结构，以协助快速查询、 更新数据库表中数据。

在这里插入图片描述

1.首先数据是以文件的形式存放在磁盘上面的，每一行数据都有它的磁盘地址。如果没有索引的话，
  要从 500 万行数据里面检索一条数据，只能依次遍历这张表的全部数据， 直到找到这条数据。 
2.但是有了索引之后，只需要在索引里面去检索这条数据就行了，因为它是一种特殊的专门用来快速检索的数据结构，
  我们找到数据存放的磁盘地址以后，就可以拿到数据 了。就像我们从一本 500 页的书里面去找特定的一小节的内容，
  肯定不可能从第一页开 始翻。那么这本书有专门的目录，它可能只有几页的内容，它是按页码来组织的，
  可以根据拼音或者偏旁部首来查找，只要确定内容对应的页码，就能很快地找到我们想要的内容。

2.索引类型与创建

在这里插入图片描述

2.1.普通索引（Normal）又称非唯一索引（None-Unique）

1.普通索引，就是最常规的索引，对于某一列的值来讲，可以重复，对于数据值没有限制，又称非唯一索引
2.例如我们在user表中对name字段进行创建索引idx_user_name(Nonoe-Unique索引)，也就是说name这一列的值是可以重复的
  因为对于用户来讲，名字是可能重复的；

在这里插入图片描述

2.2.唯一索引（Unique）

1.唯一索引实际上跟普通索引是相对应的，意味着这一列的值是不能重复的；
2.例如user表中的身份证号字段idno是不能重复的，因此我们创建唯一索引；

在这里插入图片描述

2.3.全文索引（Fulltext）

针对比较大的数据，比如我们存放的是消息内容，有几 KB 的数 据的这种情况，如果要解决 like 查询效率低的问题，可以创建全文索引。
只有文本类型 的字段才可以创建全文索引，比如 char、varchar、text。

在这里插入图片描述

select * from gpmysql.user u where match(u.remark) against('胡天钰' IN NATURAL LANGUAGE MODE);

在这里插入图片描述

3.索引数据结构存储模型推演

3.1.二分查找

1.比如我买了一部手机3000块钱，现在找一个人来猜一下，看看几次能猜对？
2.1000低了，猜10000，高了猜5000还高，猜2000低了，猜2500，如此循环N次

在这里插入图片描述

1.二分查找也叫折半查找，这种方式对于应排好序的数据是比较好的一种方式，如同我们的书本一样
  考虑用有序数组作为索引的数据结构，可以考虑这种方式；
2.有序数组的等值查询和比较查询效率非常高，但是更新数据的时候会出现一个问题， 可能要挪动大量的数据（改变 index）
  所以只适合存储静态的数据  
3.为了支持频繁的修改，比如插入数据，我们需要采用链表。链表的话，如果是单链 表，它的查找效率还是不够高。 
  所以，有没有可以使用二分查找的链表呢？ 
  为了解决这个问题，BST（Binary Search Tree）也就是我们所说的二叉查找树诞生了。

3.2.二叉查找树（BST Binary Search Tree）

1.二叉查找树的特点:
  左子树所有的节点都小于父节点，右子树所有的节点都大于父节点。投影到平面以后，就是一个有序的线性表。
  关于二叉树的一些知识大家可以去了解一下数据结构这块；

在线模拟二叉查找树

https://www.cs.usfca.edu/~galles/visualization/BST.html

1.我们现在以此插入下面的数字：19，12，17，15，13，1，4，6，2，23，21，27

在这里插入图片描述

1.二叉查找树既能够实现快速查找，又能够实现快速插入。 但是二叉查找树有一个问题： 就是它的查找耗时是和这棵树的深度相关的，
  在最坏的情况下时间复杂度会退化成 O(n)。
2.比如我们插入1-7，这时候会出现下面的情况  
3.因为左右子树深度差太大，这棵树的左子树根本没有节点——也就是它不够平衡。 所以，我们有没有左右子树深度相差不是那么大，
  更加平衡的树呢？ 这个就是平衡二叉树，叫做 Balanced binary search trees，或者 AVL 树（AVL 是 发明这个数据结构的人的名字）。

在这里插入图片描述