数据库索引总结
求职面试中，经常问到索引相关问题。故此做个总结。
首先，为什么要用索引？很多人会回答提高查询效率，那么为什么索引能提升查询效率呢？原因是内部数据结构的设计（索引页和B- B+树）。下面进行一些概念的总结，参考了书本和博客，加入了一些自己的理解。
- 数据库基础知识
数据库是以页为存储单元的，存放数据的叫数据页，放索引的称为索引页。不难理解，无序的存储数据，必然导致查询效率的低下，所以用一种数据结构来组织数据势在必行。
2. B-树 B+树的概念
- B-树
B-树是一种平衡的多路查找树。
定义
一颗m阶的B-树，或为空树，或为满足下列特性的m叉树
- 树中每个结点至多有m棵子树；
- 若根结点不是叶子结点，则至少有两个子树
- 除根之外的所有非终端结点至少有 ⌈m/2⌉棵子树
- 每个非终端结点都包含下列信息的数据
其中: Ki(i=1...n)为关键字，且Ki<Ki+1(i=1,...,n-1);Ai(i=0,...,n)为指向子树根结点的指针，且指针Ai-1所指子树中所有结点的关键字均小于Ki（i=1,...,n),An所指子树所有结点的的关键字均大于Kn,n(⌈m/2⌉-1<=n<=m-1)为关键字的个数（或n+1为子树个数）
简单理解，非终端结点中，按照上述信息结构，以该结点为根左边的子树的所有结点的关键字，小于它，关键字右边的子树的所有关键字则大于它。例如下图，结点c，关键字43左边子树为39，39<43，右边子树关键字 是 47 53 64 都大于它，关键字78右边子树为99，99>78。
如下图是一颗4阶的B-树
\
- B+树
B+树是应文件系统所需而出的一种B-的变形树。一棵m阶的B+树和m阶的B-树的差异在于:
- 有n棵子树的结点中含有n个关键字
- 所有的叶子结点包含了全部关键字的信息，及指向含这些关键字记录的指针，且叶子结点本身依关键字的大小而自小二大顺序链接
- 所有的非终端结点可以看成是索引部分，结点中仅含有其子树（根结点）中的最大（或最小）关键字
3. 堆 聚集索引 非聚集索引
- 概念
堆是没有聚集索引的表。
聚集索引按照其作用来下定义，它使得数据行按照聚集索引的键的顺序来排序和存储。每个表只能有一个聚集索引，因为数据行只能按照一个排序顺序进行存储。(tips: ms sql server在创建 PRIMARY KEY 约束时，如果不存在该表的聚集索引且未指定唯一非聚集索引，则将自动对一列或多列创建唯一聚集索引。 主键列不允许空值。）
非聚集索引 按我的理解是对聚集索引的一种补充，以除了聚集索引键包含的列为条件来检索数据。在数据行外另外建立数据结构， 非聚集索引包含非聚集索引键值，并且每个键值项都有指向包含该键值的数据行的指针。从非聚集索引中的索引行指向数据行的指针称为行定位器。 行定位器的结构取决于数据页是存储在堆中还是聚集表中。 对于堆，行定位器是指向行的指针。 对于聚集表，行定位器是聚集索引键。（tips：ms sql server 在创建 UNIQUE 约束时，默认情况下将创建唯一非聚集索引，以便强制 UNIQUE 约束。 如果不存在该表的聚集索引，则可以指定唯一聚集索引。）
ps: 每个表只能有一个聚集索引，可以有多个非聚集索引。
4. 索引优化
- 包含索引（include）
通过包含非键列，可以创建覆盖更多查询的非聚集索引。返回具有更多列的结果。本质是返回一个全表的子集，如果返回的列刚好包含的所需要的所有数据，通常称为覆盖查询，显然效率更高。
这是因为非键列具有下列优点：
它们可以是不允许作为索引键列的数据类型。
在计算索引键列数或索引键大小时， 数据库引擎 不考虑它们
- 筛选索引
筛选索引是一种经过优化的非聚集索引，尤其适用于涵盖从定义完善的数据子集中选择数据的查询。 筛选索引使用筛选谓词对表中的部分行进行索引。 与全表索引相比，设计良好的筛选索引可以提高查询性能、减少索引维护开销并可降低索引存储开销。其实就是根据需求的一个全表非聚集索引的子集。
具体在ms sql server 使用可以参照官网点击打开链接
5. 总结
索引建立是为了提示检索效率，要知其然而且知其所以然，必须要了解索引内部的实现机制。面试问到索引优缺点等也是如此，知道了索引的实现，就知道维护的代价，这就是网上很多索引总结说的。
- 索引的建立需要额外空间
- 索引的维护需要时间和空间
这就涉及B- B+树插入时结点的拆分合并，这里不做讨论。
- 索引碎片影响数据库性能
页拆分（是指当页已存满，插入新纪录时会将大约一半的页移到新页再进行插入)、数据库更新、删除操作可能导致碎片的产生。碎片的概念参考点击打开链接