一般来说，索引是b树。有两种类型的索引:聚集索引和非聚集索引。

聚集索引创建了行的物理顺序(它可以只有一个，在大多数情况下它也是一个主键——如果你在表上创建了主键，你也在这个表上创建了聚集索引)。

非聚类索引也是一棵二叉树，但它不创建行的物理顺序。因此非聚类索引的叶节点包含PK(如果存在)或行索引。

索引用于提高搜索速度。因为复杂度是O(log N)。索引是一个非常大而有趣的话题。可以说，在大型数据库上创建索引有时是一种艺术。

索引用于加快查询的性能。它通过减少必须访问/扫描的数据库数据页的数量来实现这一点。

在SQL Server中，聚集索引决定了表中数据的物理顺序。每个表只能有一个聚集索引(聚集索引就是表)。表上的所有其他索引都称为非聚集索引。

SQL Server索引基础 SQL Server索引基础 SQL Server索引 指数基本知识 指数(维基)

索引的使用有几个不同的原因。主要原因是为了加快查询速度，以便更快地获取行或对行进行排序。另一个原因是定义一个主键或唯一索引，这将保证没有其他列具有相同的值。

那么，索引是如何工作的呢?

首先，当我们将索引放在列上以优化查询性能时，数据库表不会重新排序。

An index is a data structure, (most commonly its B-tree {Its balanced tree, not binary tree}) that stores the value for a specific column in a table.

b -树的主要优点是其中的数据是可排序的。与此同时，B-Tree数据结构具有时间效率，搜索、插入、删除等操作可以在对数时间内完成。

所以指数是这样的

在这里，对于每一列，它都将映射到一个数据库内部标识符(指针)，该标识符指向该行的确切位置。现在，如果我们运行同样的查询。

查询执行的可视化表示

所以，索引只是把时间复杂度从o(n)降低到o(log n)

详细信息- https://pankajtanwar.in/blog/what-is-the-sorting-algorithm-behind-order-by-query-in-mysql

INDEX是一种性能优化技术，可以加速数据检索过程。它是与表(或视图)相关联的持久数据结构，以便在从表(或视图)检索数据时提高性能。

基于索引的搜索尤其适用于查询包含WHERE过滤器的情况。否则，即没有WHERE-filter的查询将选择整个数据和过程。在没有索引的情况下搜索整个表称为表扫描。

您将以清晰可靠的方式找到Sql-Indexes的确切信息: 点击以下链接:

从概念上理解: http://dotnetauthorities.blogspot.in/2013/12/Microsoft-SQL-Server-Training-Online-Learning-Classes-INDEX-Overview-and-Optimizations.html 对于实现方面的理解: http://dotnetauthorities.blogspot.in/2013/12/Microsoft-SQL-Server-Training-Online-Learning-Classes-INDEX-Creation-Deletetion-Optimizations.html

聚集索引类似于电话簿的内容。你可以在“希尔迪奇，大卫”上打开这本书，找到所有希尔迪奇酒店的所有信息。这里聚集索引的键是(lastname, firstname)。

这使得聚集索引非常适合基于范围查询检索大量数据，因为所有数据都位于彼此相邻的位置。

由于聚集索引实际上与数据的存储方式有关，所以每个表只能使用一个索引(尽管可以模拟多个聚集索引)。

非聚集索引的不同之处在于，您可以有许多索引，然后它们指向聚集索引中的数据。例如，你可以在电话簿的后面有一个非聚集索引，键值为(城镇，地址)

想象一下，如果你必须在电话簿中搜索所有住在“伦敦”的人——只有聚类索引，你必须搜索电话簿中的每一个项目，因为聚类索引上的键是on(姓，名)，因此生活在伦敦的人随机分散在索引中。

如果在(town)上有非聚集索引，则可以更快地执行这些查询。