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

索引用于加快在数据库中的搜索速度。MySQL有一些关于这个主题的很好的文档(也适用于其他SQL服务器): http://dev.mysql.com/doc/refman/5.0/en/mysql-indexes.html

索引可用于高效地查找查询中与某列匹配的所有行，然后仅遍历表的该子集以查找精确匹配。如果WHERE子句中的任何列上都没有索引，SQL server必须遍历整个表并检查每一行以查看是否匹配，这在大表上可能是一个缓慢的操作。

索引也可以是UNIQUE索引，这意味着在该列中不能有重复的值，也可以是PRIMARY KEY，在某些存储引擎中，PRIMARY KEY定义了值在数据库文件中的存储位置。

在MySQL中，你可以在SELECT语句前使用EXPLAIN来查看你的查询是否使用了任何索引。这是排除性能问题的良好开端。点击此处阅读更多信息: http://dev.mysql.com/doc/refman/5.0/en/explain.html

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。

首先，我们需要了解正常(没有索引)查询是如何运行的。它基本上是逐个遍历每一行，当它找到数据时就返回。参考下图。(图片来自视频)

假设查询要找到50条记录，那么作为线性搜索，它必须读取49条记录。

参考下图。(图片来自视频)

当我们应用索引时，查询将快速找到数据，而不需要读取每个数据，只需要在每次遍历中消除一半的数据，就像二进制搜索一样。mysql索引存储为b -树，其中所有数据都在叶节点中。

索引-轻松找到数据

UNIQUE INDEX -不允许重复的值

INDEX的语法

CREATE INDEX INDEX_NAME ON TABLE_NAME(COLUMN);

UNIQUE INDEX的语法

CREATE UNIQUE INDEX INDEX_NAME ON TABLE_NAME(COLUMN);

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。