原文位址：https://www.cnblogs.com/aspwebchh/p/6652855.html
前段時間，公司一個新上線的網站出現頁面響應速度緩慢的問題， 一位負責這個項目的但并不是搞技術的妹子找到我，讓我想辦法提升網站的通路速度 ，因為已經有很多使用者來投訴了。我第一反應覺的是資料庫上的問題，假裝思索了一下，擺着一副深沉炫酷的模樣說：“是不是資料庫查詢上出問題了， 給表加上索引吧”，然後妹子來了一句：“現在我們網站通路量太大，加索引有可能導緻寫入資料時性能下降，影響使用者使用的”。當時我就楞了一下， 有種強行裝逼被拆穿的感覺，在自己的專業領域居然被非專業的同學教育， 面子上真有點挂不住。
其實， 我說這個例子并不是為展現我們公司的同僚們專業能力的強大、做的産品棒、安全性高、性能牛逼， 連非技術的同僚也懂得技術上的細節。事實上我隻是想說明，「資料庫」和「資料庫索引」這兩個東西是在伺服器端開發領域應用最為廣泛的兩個概念，熟練使用資料庫和資料庫索引是開發人員在行業内生存的必備技能，而整天和技術人員打交道的非技術人員們，由于耳濡目染久了，自然也就能講個頭頭是道了。
使用索引很簡單，隻要能寫建立表的語句，就肯定能寫建立索引的語句，要知道這個世界上是不存在不會建立表的伺服器端程式員的。然而， 會使用索引是一回事， 而深入了解索引原理又能恰到好處使用索引又是另一回事，這完全是兩個天差地别的境界（我自己也還沒有達到這層境界）。很大一部份程式員對索引的了解僅限于到“加索引能使查詢變快”這個概念為止。
- 為什麼要給表加上主鍵？
- 為什麼加索引後會使查詢變快？
- 為什麼加索引後會使寫入、修改、删除變慢？
- 什麼情況下要同時在兩個字段上建索引？
這些問題他們可能不一定能說出答案。知道這些問題的答案有什麼好處呢？如果開發的應用使用的資料庫表中隻有1萬條資料，那麼了解與不了解真的沒有差别， 然而， 如果開發的應用有幾百上千萬甚至億級别的資料，那麼不深入了解索引的原理， 寫出來程式就根本跑不動，就好比如果給貨車裝個轎車的引擎，這貨車還能拉的動貨嗎？
接下來就講解一下上面提出的幾個問題，希望對閱讀者有幫助。
網上很多講解索引的文章對索引的描述是這樣的「索引就像書的目錄， 通過書的目錄就準确的定位到了書籍具體的内容」，這句話描述的非常正确， 但就像脫了褲子放屁，說了跟沒說一樣，通過目錄查找書的内容自然是要比一頁一頁的翻書找來的快，同樣使用的索引的人難到會不知道，通過索引定位到資料比直接一條一條的查詢來的快，不然他們為什麼要建索引。
想要了解索引原理必須清楚一種資料結構「平衡樹」(非二叉)，也就是b tree或者 b+ tree，重要的事情說三遍：“平衡樹，平衡樹，平衡樹”。當然， 有的資料庫也使用哈希桶作用索引的資料結構 ， 然而， 主流的RDBMS都是把平衡樹當做資料表預設的索引資料結構的。
我們平時建表的時候都會為表加上主鍵， 在某些關系資料庫中， 如果建表時不指定主鍵，資料庫會拒絕建表的語句執行。 事實上， 一個加了主鍵的表，并不能被稱之為「表」。一個沒加主鍵的表，它的資料無序的放置在磁盤存儲器上，一行一行的排列的很整齊， 跟我認知中的「表」很接近。如果給表上了主鍵，那麼表在磁盤上的存儲結構就由整齊排列的結構轉變成了樹狀結構，也就是上面說的「平衡樹」結構，換句話說，就是整個表就變成了一個索引。沒錯， 再說一遍， 整個表變成了一個索引，也就是所謂的「聚集索引」。 這就是為什麼一個表隻能有一個主鍵， 一個表隻能有一個「聚集索引」，因為主鍵的作用就是把「表」的資料格式轉換成「索引（平衡樹）」的格式放置。
上圖就是帶有主鍵的表（聚集索引）的結構圖。圖畫的不是很好， 将就着看。其中樹的所有結點（底部除外）的資料都是由主鍵字段中的資料構成，也就是通常我們指定主鍵的id字段。最下面部分是真正表中的資料。 假如我們執行一個SQL語句：
select * from table where id = 1256;
首先根據索引定位到1256這個值所在的葉結點，然後再通過葉結點取到id等于1256的資料行。 這裡不講解平衡樹的運作細節， 但是從上圖能看出，樹一共有三層， 從根節點至葉節點隻需要經過三次查找就能得到結果。如下圖
假如一張表有一億條資料 ，需要查找其中某一條資料，按照正常邏輯， 一條一條的去比對的話， 最壞的情況下需要比對一億次才能得到結果，用大O标記法就是O(n)最壞時間複雜度，這是無法接受的，而且這一億條資料顯然不能一次性讀入記憶體供程式使用， 是以， 這一億次比對在不經緩存優化的情況下就是一億次IO開銷，以現在磁盤的IO能力和CPU的運算能力， 有可能需要幾個月才能得出結果 。如果把這張表轉換成平衡樹結構（一棵非常茂盛和節點非常多的樹），假設這棵樹有10層，那麼隻需要10次IO開銷就能查找到所需要的資料， 速度以指數級别提升，用大O标記法就是O(log n)，n是記錄總樹，底數是樹的分叉數，結果就是樹的層次數。換言之，查找次數是以樹的分叉數為底，記錄總數的對數，用公式來表示就是
用程式來表示就是Math.Log(100000000,10)，100000000是記錄數，10是樹的分叉數（真實環境下分叉數遠不止10）， 結果就是查找次數，這裡的結果從億降到了個位數。是以，利用索引會使資料庫查詢有驚人的性能提升。
然而， 事物都是有兩面的， 索引能讓資料庫查詢資料的速度上升， 而使寫入資料的速度下降，原因很簡單的， 因為平衡樹這個結構必須一直維持在一個正确的狀态， 增删改資料都會改變平衡樹各節點中的索引資料内容，破壞樹結構， 是以，在每次資料改變時， DBMS必須去重新梳理樹（索引）的結構以確定它的正确，這會帶來不小的性能開銷，也就是為什麼索引會給查詢以外的操作帶來副作用的原因。
講完聚集索引 ， 接下來聊一下非聚集索引， 也就是我們平時經常提起和使用的正常索引。
非聚集索引和聚集索引一樣， 同樣是采用平衡樹作為索引的資料結構。索引樹結構中各節點的值來自于表中的索引字段， 假如給user表的name字段加上索引 ， 那麼索引就是由name字段中的值構成，在資料改變時， DBMS需要一直維護索引結構的正确性。如果給表中多個字段加上索引 ， 那麼就會出現多個獨立的索引結構，每個索引（非聚集索引）互相之間不存在關聯。 如下圖
每次給字段建一個新索引， 字段中的資料就會被複制一份出來， 用于生成索引。 是以， 給表添加索引，會增加表的體積， 占用磁盤存儲空間。
非聚集索引和聚集索引的差別在于， 通過聚集索引可以查到需要查找的資料， 而通過非聚集索引可以查到記錄對應的主鍵值 ， 再使用主鍵的值通過聚集索引查找到需要的資料，如下圖
不管以任何方式查詢表， 最終都會利用主鍵通過聚集索引來定位到資料， 聚集索引（主鍵）是通往真實資料所在的唯一路徑。
然而， 有一種例外可以不使用聚集索引就能查詢出所需要的資料， 這種非主流的方法 稱之為「覆寫索引」查詢， 也就是平時所說的複合索引或者多字段索引查詢。 文章上面的内容已經指出， 當為字段建立索引以後， 字段中的内容會被同步到索引之中， 如果為一個索引指定兩個字段， 那麼這個兩個字段的内容都會被同步至索引之中。
先看下面這個SQL語句
//建立索引
create index index_birthday on user_info(birthday);
//查詢生日在1991年11月1日出生使用者的使用者名
select user_name from user_info where birthday = '1991-11-1'
這句SQL語句的執行過程如下
首先，通過非聚集索引index_birthday查找birthday等于1991-11-1的所有記錄的主鍵ID值
然後，通過得到的主鍵ID值執行聚集索引查找，找到主鍵ID值對就的真實資料（資料行）存儲的位置
最後， 從得到的真實資料中取得user_name字段的值傳回， 也就是取得最終的結果
我們把birthday字段上的索引改成雙字段的覆寫索引
create index index_birthday_and_user_name on user_info(birthday, user_name);
這句SQL語句的執行過程就會變為
通過非聚集索引index_birthday_and_user_name查找birthday等于1991-11-1的葉節點的内容，然而， 葉節點中除了有user_name表主鍵ID的值以外， user_name字段的值也在裡面， 是以不需要通過主鍵ID值的查找資料行的真實所在， 直接取得葉節點中user_name的值傳回即可。 通過這種覆寫索引直接查找的方式， 可以省略不使用覆寫索引查找的後面兩個步驟， 大大的提高了查詢性能，如下圖
資料庫索引的大緻工作原理就是像文中所述， 然而細節方面可能會略有偏差，這但并不會對概念闡述的結果産生影響 。
最後， 推薦三本關系資料庫方面的書籍， 文中所講解的概念内容都是來自于此。
《SQL Server2005技術内幕之T-SQL查詢》
這本書雖然是針對SQL Server寫的， 但是裡面的大部份内容同樣适用于其它關系資料庫，此書對查詢編寫的技巧和優化講解的非常透徹。
《關系資料庫系統概論》第四版
王珊和薩師煊寫的那本， 是大學計算機教材， 講的通俗易懂， 在國内計算機書圖書出版領域品質是排的上号的。
《資料庫系統概念》
這本書在資料庫領域非常出名， 被稱之為帆船書， 書中内容博大精深，非一朝一夕可參透的。