SQL索引是排好序的数据结构，用于加速检索，核心原理是通过索引快速定位键值再指针寻址，以空间换时间；支持B+Tree、哈希、全文、空间等类型，分聚集与非聚集两类，建索引需考虑查询频次、选择性和列组合。

SQL索引是一种专门用于加速数据检索的数据库对象，本质是**排好序的数据结构**，作用就像字典的目录——不用逐页翻找，直接跳到目标位置。

索引的核心原理

没有索引时，数据库执行查询要扫描整张表（全表扫描），行数越多越慢；有了索引，数据库先在轻量级的索引结构中快速定位键值，再通过指针找到对应的数据行，大幅减少磁盘I/O和CPU计算量。

• 索引以“空间换时间”：额外占用存储空间，写入数据（INSERT/UPDATE/DELETE）时需同步更新索引，带来一定开销
• 查询优化器决定是否使用索引：不是建了就一定用，还要看查询条件、数据分布、统计信息是否准确
• 索引列顺序很重要：联合索引 (a, b, c) 能高效支持 a、(a,b)、(a,b,c) 的查询，但对 b 或 (b,c) 通常无效

主流索引数据结构

不同数据库引擎采用不同底层结构，InnoDB（MySQL默认）和 SQL Server 主要用 B+Tree；Memory 引擎支持哈希索引；全文搜索依赖倒排索引。

• B+Tree 索引：所有数据只存于叶子节点，非叶子节点仅存键值和指针；叶子节点按顺序链接，天然支持等值查询、范围查询（如 >、BETWEEN）、ORDER BY 和 GROUP BY
• 哈希索引：基于哈希表，等值查询极快（平均 O(1)），但不支持范围、排序或前缀匹配（如 LIKE 'abc%'）
• 全文索引：针对文本内容构建倒排索引，支持自然语言搜索（MATCH ... AGAINST），适合文章、评论等字段
• 空间索引（R-Tree）：专为地理坐标、多边形等空间数据设计，用于 ST_CONTAINS、ST_WITHIN 等GIS操作

聚集索引与非聚集索引的区别

这是理解物理存储的关键。是否“聚集”，取决于索引是否决定了数据行在磁盘上的实际存放顺序。

• 聚集索引：叶子节点直接存储完整的数据行；一张表只能有一个（因为数据物理顺序唯一）；主键索引默认就是聚集索引（InnoDB）
• 非聚集索引：叶子节点只存索引键 + 指向数据行的指针（InnoDB 中是主键值，回表需二次查找）；可建多个；适合高频查询但不修改的列

什么时候该建索引

不能盲目创建，重点考虑查询频次高、选择性好（重复值少）、常用于 WHERE / JOIN / ORDER BY / GROUP BY 的列。

• 高选择性字段优先：如 user_id、order_no；避免对 gender、status 这类低基数列单独建索引
• WHERE 条件中频繁出现的组合列，考虑联合索引，并按最常用过滤顺序排列
• 外键列建议加索引：显著提升 JOIN 性能
• 注意冗余索引：(a) 和 (a,b) 同时存在时，(a) 往往可删；可通过 performance_schema 或 pt-duplicate-key-checker 分析