一 、引言
首先我们来思考一下什么是索引？索引的作用是什么？操作系统的文件索引和数据库的索引有什么不同？
什么是索引？对于这个问题我们可以打一个比喻，索引相对于文件的作用，就好比是目录相对于一本书的作用。所以它的作用也就显而易见了，就是为了查找，提高查找效率。是不是感觉不太有用，那再想一想你查字典的时候一页一页的找试一试，买一本最便宜的字典都要含着泪才能翻完。正常查找字典我们一般先找到部首的笔画，然后找到部首，再根据部首找到字，再根据字找到对应的页，这其实就是一个多级索引。所以说计算机科学里面的很多智慧来来自于生活。
接下来就是操作系统的文件索引和数据库的索引的区别了。一般操作系统都有一张索引表，因为一般操作系统的文件是无结构的字节系列，所以操作系统的索引表记录的是数据的逻辑块号和对应的物理块号。而数据库文件是有结构的记录，所以它可以由每一条记录的关键码来和物理块对应。
特别需要注意的是索引键对于的值是磁盘（外存）的物理地址，而不是内存中的逻辑地址。数据库在读取表的时候首先是先读取索引文件（可能数据文件本身就是索引文件，这和不同的实现方式相关，InnoDB就是这种实现）。然后根据索引表来读取数据。
二 、选择率
要理解利用索引对数据库查询做优化有一点非常重要，就是全表扫描和索引扫描的区别，索引下面的内容非常重要。
对数据库操作影响最大的就是IO操作。表的扫描操作就和IO密切相关。因为数据库一般都会通过操作系统的IO，操作系统中读取数据用两种非常重要方式：
顺序读取：就是读取磁盘上连续的块，速度快
随机读取：随机读是指访问的块是不连续的，需要磁盘的磁头不断移动。随机读的性能是远远低于顺序读的。
矛盾的问题来了，索引扫描是随机读取的，而全表扫描是顺序读取的。这明显不科学啊！明明我们利用索引是来做优化的。为什么用慢的随机读取呢？一个很重要的数据就是选择率，了解它你就会发现很多其他书籍或者文章中提到的利用索引优化的限制和技巧的原因了。
经常看见提醒要做有where条件上的列加上索引，为什么呢？where就意味着过滤，很多时候过滤意味着我们其实需要查询的数据量很小，例如登录时候的用户验证：
select 1 from user where username=’tom’ and password=sha1(’123456’)
我们只需要查找一条记录，如果我们有1亿条记录，如果做全表扫描按一半来算平均也要扫描5千万条记录。这需要多少次IO操作啊？而索引扫描只需要读取一条记录，基本上一次IO就可以搞定。所以当选择率很低的时候，就算是用索引的随机读取比顺序读取慢很多，但是也会比全表扫描效率高很多。
还有一些优化技巧提醒你在取值范围小的列上不要建立索引，也是因为选择率的问题。例如在性别字段上建立一个索引，然后读取数据：
select * from user where sex=’male’;
我们按男女比例均衡来算，至少也要选择一般的数据吧，就算加上一些特殊人群，也是几分之一的概率吧，如果数据量大，还不是就哭了。所以数据库的优化器会在执行查询计划的时候就会计算选择率，如果选择率过高，就直接放弃索引扫描，改用全表扫描。因为我们前面提过全表扫描用的顺序读取比索引扫描用的随机读取速度快。明显选择率高的时候我们读的数据多，用顺序读取的优势要大于用随机读取。
三 、Hash索引和B+数索引
Hash索引相对比较简单，就是利用hash表来记录列的值和对应列存储的物理地址。它的效率和hash算法相关。
B+树的B代表的是Balance（平衡）而不是Binary(二叉)，用B+树实现的 索引也不能定位到数据项，只能定位到页（见注1），这和B+树特点和实现相关，B+树也是树，也有节点，而MySQL数据库把一个节点的大小设置为一页，这也一次就可以读取一个节点。它有这很好的查询效率比O(n)好。
关于hash索引和B+树索引，如果你感兴趣可以参考后面给出的参考列表，这里就不做详细介绍了，下图是我截取的一张为什么有hash索引还要B+树索引的原因，因为认为可能你会用到，但是为了防止连接失效，所以截取了一张图。后面有原文连接，如果你感兴趣可以参考原文。
图1：为什么还需要B+树索引
四 、实例
现在还是不太明显能够感受到索引对于数据库效率的影响是吗？没关系，我们用一个实例来分析一下使用索引和不使用索引的区别，然后对比一下使用索引的性能和不使用索引的性能差异。
假设我们有一张user表如下所示：
图2：user表
user表的创建语句：
CREATE TABLE IF NOT EXISTS `user` ( `id` INT NOT NULL , `name` CHAR(30) NOT NULL , `phone` CHAR(11) NULL , `address` VARCHAR(50) NULL , `password` CHAR(40) NOT NULL , `description` TEXT NULL , PRIMARY KEY (`id`) )ENGINE = InnoDB;
user表只有一个主键索引，是数据库默认为主键加上的。我们理一下现在当我们想user表插入插入数据和查询数据时数据库是怎么做的。
插入一条记录时，数据库首先根据索引列id生成一个值作为索引的键值，把记录存放的物理地址作存放在相应的表记录中。索引表与数据存储在物理存储上的关系如下图2。
图3：数据库索引使用示意图
这也体现了索引的负效应，就是要维护索引表，当插入和删除记录的时候，要跟新索引表，这就带来了消耗。注意图2只是一个示意图，索引的结构并不一定是这样。
我们在来看查询数据，当我们只查询索引列的时候，就会使用索引扫描。否则使用顺序扫描读取。在MySQL中我们可以用explain语句来验证一下：
图4：只查询索引
图5:只查询非索引列
图6：同时查询索引列和非索引列
我们看到了只有当我们查询索引列的时候才使用了索引，为什么都是一条记录，但是只有索引列才使用索引呢？这样和前文提到的顺序读取和随机读取的效率有关。
最后，如果可以在表中插入几百万条数据，然后来验证一下同样选择一行数据，利用索引扫描和利用全表扫描的效率差别。
五 、相关的参考
操作系统的IO管理介绍
磁盘IO参数相关
B+树相关
Hash索引和B+树索引
注1：这里的页是指操作系统的页面大小，为什么要分页呢？简单的说就是我们的物理内存是有限的，我们要利用虚拟内存（磁盘等外存）。当我们的物理内存不够用的时候，就会把物理内存中的一些数据置换到虚拟内存中，但是置换多大的内存呢？为了方便管理，操作系统通常做法就是对内存就行分页，按页置换。读取数据时，一个块的大小一般也是一个页的大小。
