MySQL 十几种索引类型，你都清楚吗？ _MySQL

今天整理了一下 MySQL 的索引，一般人只知道3~4个，但我经常听到有10几个之多，如下图：

文章插图
索引
是不是很多都听过，但是只是想不起来。我大概归了一下类：

文章插图
索引分类
密度按照密度分，可分为稠密索引和稀疏索引，我们常见的MySQL Innodb 引擎使用的是稠密索引。一般列式数据库采用的是稀疏索引，如 Clickhouse 。
稠密索引稠密索引（Dense Index）也称为完全索引，是一种将每个记录（行）都映射到一个索引项（Index Entry）的索引方式。这种索引方式对于每一条记录都会创建一个索引项，因此它可以支持高效的查询和排序操作。但是，由于每个记录都需要一个索引项，因此它会占用更多的存储空间，特别是在大型表中使用时，可能会导致索引文件的过大，从而降低查询性能。
稀疏索引稀疏索引（Sparse Index）也称为部分索引，是一种仅为部分记录创建索引项的索引方式。它仅为某些值创建索引项，而其他值则没有索引项。这种索引方式可以减少索引文件的大?。?并且可以提高插入和更新的性能。但是，由于它需要进行更多的磁盘访问来执行查询操作，因此查询性能可能会受到影响。

文章插图
稠密索引和稀疏索引
存储按照存储分类，可以分为聚簇索引和非聚簇索引。
聚簇索引聚簇索引（Clustered Index）是一种索引方式，它将数据存储在磁盘上，并且按照索引的顺序进行排序。它可以将相邻的行存储在相邻的磁盘页上，从而提高查询的性能。聚簇索引只能为表创建一个索引，因为每个表只能以一种方式进行排序。聚簇索引对于经常需要根据特定列进行查询的表非常有用，因为它们可以快速定位数据。
非聚簇索引非聚簇索引（Non-Clustered Index）是一种索引方式，它将索引数据存储在单独的数据结构中，而不是存储在表的磁盘上。它包含了指向表中每行的指针，并按照索引列的顺序进行排序。这种索引方式可以为表创建多个索引，并且可以根据多个列进行排序。非聚簇索引对于经常需要根据不同的列进行查询的表非常有用，因为它们可以快速定位数据。
在使用聚簇索引时，需要注意以下几点：

每个表只能有一个聚簇索引。
聚簇索引的排序方式对查询性能有很大的影响，因此需要仔细选择聚簇索引的列。
聚簇索引的创建和维护可能会占用较多的磁盘空间和时间。

在使用非聚簇索引时，需要注意以下几点：

非聚簇索引可以为表创建多个索引，因此可以根据多个列进行排序。
非聚簇索引可以减少查询时间，但是需要额外的空间存储索引数据结构。
对于经常进行插入、更新和删除操作的表，非聚簇索引需要频繁更新，因此可能会影响性能。

算法按照算法分类，可以分为B+树索引和哈希索引。
B+树索引B+树索引是一种常用的数据库索引结构，它是基于B树的一种变体。B+树索引与B树的区别在于，它的非叶子节点不存储数据，只存储索引，而所有数据都存储在叶子节点中。这种结构使得B+树索引的查询速度更快，因为在进行范围查询时，只需要遍历叶子节点即可。
B+树索引的特点如下：

所有数据都存储在叶子节点中，非叶子节点只存储索引，因此可以存储更多的索引数据。
叶子节点之间形成一个有序的链表，方便进行范围查询。
B+树索引的深度较浅，因此查询速度快，同时也减少了磁盘I/O操作的次数，提高了性能。

文章插图
B+树
Hash索引Hash索引是一种基于哈希表实现的数据库索引结构。在Hash索引中，每个索引项包含两部分，一个是关键字的哈希值，另一个是指向存储该关键字的数据块的指针。
Hash索引的查询速度非常快，因为它通过哈希函数将关键字转换为固定长度的哈希值，然后根据哈希值直接访问索引项。由于哈希值是唯一的，因此可以直接找到存储数据的位置，不需要进行比较操作。