「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內生存的必備技能
使用索引很簡單，只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設計師的。然而， 會使用索引是一回事， 而深入理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別的境界（我自己也還沒有達到這層境界）。很大一部份程式設計師對索引的了解僅限於到「加索引能使查詢變快」這個概念為止。
1、為什麼要給表加上主鍵？
2、為什麼加索引後會使查詢變快？
3、為什麼加索引後會使寫入、修改、刪除變慢？
4、什麼情況下要同時在兩個欄位上建索引？
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只有1萬條資料，那麼了解與不了解真的沒有差別， 然而， 如果開發的應用有幾百上千萬甚至億級別的資料，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， 通過書的目錄就準確的定位到了書籍具體的內容」，這句話描述的非常正確， 但就像脫了褲子放屁，說了跟沒說一樣，通過目錄查詢書的內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。
想要理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， 有的資料庫也使用雜湊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， 在某些關聯式資料庫中， 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， 乙個加了主鍵的表，並不能被稱之為「表」。乙個沒加主鍵的表，它的資料無序的放置在磁碟儲存器上，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，那麼表在磁碟上的儲存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乙個索引。沒錯， 再說一遍， 整個表變成了乙個索引，也就是所謂的「聚集索引」。
這就是為什麼乙個表只能有乙個主鍵， 乙個表只能有乙個「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， 將就著看。其中樹的所有結點（底部除外）的資料都是由主鍵欄位中的資料構成，也就是通常我們指定主鍵的id欄位。最下面部分是真正表中的資料。 假如我們執行乙個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等於1256的資料行。 這裡不講解平衡樹的執行細節， 但是從上圖能看出，樹一共有三層， 從根節點至葉節點只需要經過三次查詢就能得到結果。如下圖
假如一張表有一億條資料 ，需要查詢其中某一條資料，按照常規邏輯， 一條一條的去匹配的話， 最壞的情況下需要匹配一億次才能得到結果，用大o標記法就是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， 因此， 這一億次匹配在不經快取優化的情況下就是一億次io開銷，以現在磁碟的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，那麼只需要10次io開銷就能查詢到所需要的資料， 速度以指數級別提公升，用大o標記法就是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，查詢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）， 結果就是查詢次數，這裡的結果從億降到了個位數。因此，利用索引會使資料庫查詢有驚人的效能提公升。
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公升， 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乙個正確的狀態， 增刪改資料都會改變平衡樹各節點中的索引資料內容，破壞樹結構，因此，在每次資料改變時， dbms必須去重新梳理樹（索引）的結構以確保它的正確，這會帶來不小的效能開銷，也就是為什麼索引會給查詢以外的操作帶來***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常規索引。
非聚集索引和聚集索引一樣， 同樣是採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於表中的索引字段， 假如給user表的name欄位加上索引 ， 那麼索引就是由name欄位中的值構成，在資料改變時， dbms需要一直維護索引結構的正確性。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
每次給字段建乙個新索引， 欄位中的資料就會被複製乙份出來， 用於生成索引。 因此， 給表新增索引，會增加表的體積， 占用磁碟儲存空間。
非聚集索引和聚集索引的區別在於， 通過聚集索引可以查到需要查詢的資料， 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詢到需要的資料，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「覆蓋索引」查詢，也就是平時所說的復合索引或者多欄位索引查詢。 文章上面的內容已經指出， 當為字段建立索引以後， 欄位中的內容會被同步到索引之中， 如果為乙個索引指定兩個字段， 那麼這個兩個欄位的內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2023年11月1日出生使用者的使用者名稱
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查詢birthday等於1991-11-1的所有記錄的主鍵id值
然後，通過得到的主鍵id值執行聚集索引查詢，找到主鍵id值對就的真實資料（資料行）儲存的位置
最後， 從得到的真實資料中取得user_name欄位的值返回， 也就是取得最終的結果
我們把birthday欄位上的索引改成雙字段的覆蓋索引
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查詢birthday等於1991-11-1的葉節點的內容，然而， 葉節點中除了有user_name表主鍵id的值以外， user_name欄位的值也在裡面， 因此不需要通過主鍵id值的查詢資料行的真實所在， 直接取得葉節點中user_name的值返回即可。 通過這種覆蓋索引直接查詢的方式， 可以省略不使用覆蓋索引查詢的後面兩個步驟， 大大的提高了查詢效能，如下圖
資料庫索引的大致工作原理就是像文中所述， 然而細節方面可能會略有偏差，這但並不會對概念闡述的結果產生影響 。
原文：
什麼是聚集索引 非聚集索引 覆蓋索引
本文為筆者近來學習的筆記,在解釋覆蓋索引之前勢必簡單回顧一下索引基本知識?索引是資料庫管理系統中乙個排序的資料結構，以協助快速查詢 更新資料庫表中資料。通常模擬為圖書目錄。聚集索引中鍵值的邏輯順序決定了表中相應行的物理順序,例如 本,索引為 姓,名 資料值為 號,在乙個表中通常只有乙個聚集索引,聚集...
聚集索引 非聚集索引
通常情況下，建立索引是加快查詢速度的有效手段。但索引不是萬能的，靠索引並不能實現對所有資料的快速訪問。事實上，如果索引策略和資料檢索需求嚴重不符的話，建立索引反而會降低查詢效能。因此在實際使用當中，應該充分考慮到索引的開銷，包括磁碟空間的開銷及處理開銷 如資源競爭和加鎖 例如，如果資料頻繁的更新或刪...
聚集索引和非聚集索引
聚集索引和非聚集索引 一 聚集索引和非聚集索引 聚集索引和非聚集索引的根本區別是表記錄的排列順序和與索引的排列順序是否一致，聚集索引表記錄的排列順序與索引的排列順序一致，優點是查詢速度快，因為一旦具有第乙個索引值的紀錄被找到，具有連續索引值的記錄也一定物理的緊跟其後。聚集索引的缺點是對錶進行修改速度...