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**，不是语法或命令，而是底层物理/逻辑组织方式。它不改变数据本身，只额外维护一份“快速路标”，让数据库不用每次都从头扫描整张表。
索引的核心作用：跳过无效行，直奔目标
没有索引时，WHERE name = '张三' 这类查询要逐行比对——全表扫描；有了索引，数据库能像查字典一样，根据键值直接定位到对应数据位置，把扫描行数从几万降到几条甚至1条。
- 加快 WHERE 条件过滤（等值、范围）、ORDER BY 排序、GROUP BY 分组
- 支持唯一性约束（如主键、UNIQUE 约束依赖唯一索引实现）
- 优化 JOIN 连接效率（尤其在外键列上建索引）
主流索引数据结构：B+Tree 是 InnoDB 的默认选择
MySQL InnoDB 引擎的索引全部基于 B+Tree 实现。它不是二叉树，而是一种多路平衡查找树，专为磁盘 I/O 优化设计：
- 所有真实数据（即整行记录）只存放在叶子节点，非叶子节点仅存索引键 + 指向子节点的指针
- 叶子节点之间用双向链表连接，天然支持高效范围查询（比如 age BETWEEN 20 AND 30）
- 树的高度通常只有 3~4 层，无论千万级数据，最多 3~4 次磁盘读取就能定位到数据
- 插入/更新时自动保持有序和平衡，但会带来写入开销（这是索引的代价）
其他常见索引类型及适用场景
不同引擎支持不同索引，选错类型反而拖慢性能：
- 哈希索引：Memory 引擎支持，等值查询极快（O(1)），但不支持范围、排序、模糊匹配；InnoDB 不原生提供
- 全文索引：用于 TEXT 类型字段的关键词搜索（MATCH ... AGAINST），基于倒排索引，适合文章、评论等场景
- 空间索引（R-Tree）：处理地理坐标、多边形等空间数据，如 ST_Contains、ST_Distance 函数依赖它
- 前缀索引：对长字符串列（如 email）只索引前 N 个字符，节省空间，但可能降低区分度
什么时候该建索引？关键看查询模式
索引不是越多越好。重点覆盖高频、高选择性的查询路径：
- WHERE 子句中频繁出现的列（尤其是组合条件中的左前缀列）
- ORDER BY 或 GROUP BY 中的列（B+Tree 天然有序，可避免额外排序）
- 外键列（JOIN 时能显著减少连接成本）
- 主键自动创建聚簇索引，决定数据物理存储顺序
- 避免在低基数列建索引（如 gender、status 只有少数几个值），效果微弱还增加维护负担
索引是数据库性能的杠杆支点——用得准，查询飞起；建得滥，写入变卡，空间白占。理解它背后的 B+Tree 结构和使用边界，比死记语法重要得多。
