Mysql是目前一款非常火爆的关系型数据库。
当我们谈到关系型数据库的时候，总会谈到索引（index）,在面试中也是个高频问题。
可能我们在刚刚接触数据库的时候，对于索引我们总会听说索引的优点是加快查询的速度，利用索引可以确定表中数据的唯一性，使用group by、order by等分组、排序的时候，group by、order by后面所根据的字段最好是被索引包含的字段，因为被索引包含的字段是已经排好序的了，可以减少操作时间。同时也会听说不能创建太多的索引，因为在对表的数据进行insert、update、delete操作的时候，也需要动态的维护索引。总之我们听说索引的很多优点和缺点在此就不在累述。
那么我们是否考虑过这些优缺点的依据是什么？为什么索引会有这些优缺点？
其实很简单，依据主要是数据结构中的B+tree。
那么数据库中的索引和B+tree又有什么关系？？？别着急，且听我慢慢道来。
首先我们创建一个数据table
CREATE TABLE `student`.`Untitled` (
`studentId` varchar(4) NOT NULL,
`name` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL,
`age` int(255) NOT NULL,
PRIMARY KEY (`studentId`) USING BTREE,
INDEX `studentIndex`(`studentId`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Compact;
创建了一个student表，里面有三个字段学生Id、名字、年龄，其中学生Id字段添加索引，引擎类型为InnoDB。
图1
现在我们添加上了索引，此时会根据索引来构建一个B+tree结构。类似下图结构：
图2 B+树
当然我这里这是画了一个类似图，其实在数据量足够大的时候，树的根节点里面可以存储很多的数据，这就解决了树高度的问题（此知识点后面章节会详解），如果数据的高度小了，检索数据的次数就会相应减少。
图三 数据表和索引B+树的对应图
我们通过图三就可以明白我上面所列举的索引的优缺点了。
1.当我们通过索引来查询数据的时候，例如查询studengId为6的数据，我们通过检索B+树只需要3次就能找到数据，而且树的根节点还是在内存中，检索速度很快的，但是如果不走索引，需要逐条检索信息，需要检索6次才能找到数据，因为这些数据都是存储在磁盘上的，每次检索都是一个IO，如果数据量大了，检索数据是很浪费性能的。
2.我们看图三中索引列在B+树中都是排好序的，右面叶子节点的值总是比左边叶子节点的值大（B+树的性质）。这也就解释了上面优点中排好序了。
3.当我们每次修改、删除、更新数据的时候，都会重新维护索引，其实主要就是重新构建这个B+树。
4.创建多个索引，就会生成多个B+树，每个都是需要存储的，所以不建议创建太多的索引。
所以我们平时看到的索引优缺点都是主要围绕着这个B+树结构来解释的。
后续关于索引的深度内容将继续更新，只有懂得了索引，才可能对sql进行高效的优化。
