如何理解数据索引的结构

　　Mysql 执行优化 认识数据索引 为什么使用数据索引能提高效率 数据索引的存储是有序的 在有序的情况下，通过索引查询一个数据是无需遍历索引记录的 端情况下，数据索引的查询效率为二分法查询效率，趋近于 log2(N) 如何理解数据索引的结构 数据索引通常默认

　　认识数据索引为什么使用数据索引能提高效率

　　数据索引的存储是有序的

　　在有序的情况下，通过索引查询一个数据是无需遍历索引记录的

　　端情况下，数据索引的查询效率为二分法查询效率，趋近于 log2(N)

　　如何理解数据索引的结构

　　数据索引通常默认采用btree索引，(内存表也使用了hash索引)。

　　单一有序排序序列是查找效率高的(二分查找，或者说折半查找)，使用树形索引的目的是为了达到快速的更新和增删操作。

　　在端情况下(比如数据查询需求量非常大，而数据更新需求少，实时性要求不高，数据规模有限)，直接使用单一排序序列，折半查找速度快。

　　实战范例 ： ip地址反查

　　资源： Ip地址对应表，源数据格式为 startip, endip, area

　　源数据条数为 10万条左右，呈很大的分散性

　　目标： 需要通过任意ip查询该ip所属地区

　　性能要求达到每秒1000次以上的查询效率

　　挑战： 如使用 between … and 数据库操作，无法有效使用索引。

　　如果每次查询请求需要遍历10万条记录，根本不行。

　　方法： 一次性排序(只在数据准备中进行，数据可存储在内存序列)

　　折半查找(每次请求以折半查找方式进行)

　　在进行索引分析和SQL优化时，可以将数据索引字段想象为单一有序序列，并以此作为分析的基础。

　　实战范例：复合索引查询优化实战，同城异性列表

　　资源： 用户表user，字段 sex性别;area 地区;lastlogin 后登录时间;其他略

　　目标： 查找同一地区的异性，按照后登录时间逆序

　　高访问量社区的高频查询，如何优化。

　　查询SQL: select * from user where area=’$area’ and sex=’$sex’ order by lastlogin desc limit 0,30;

　　挑战： 建立复合索引并不难， area+sex+lastlogin 三个字段的复合索引,如何理解?

　　先，忘掉btree，将索引字段理解为一个排序序列。

　　如果只使用area会怎样?搜索会把符合area的结果部找出来，然后在这里面遍历，选择命中sex的并排序。 遍历所有 area=’$area’数据!

　　如果使用了area+sex，略好，仍然要遍历所有area=’$area’ and sex=’$sex’数据，然后在这个基础上排序!!

　　Area+sex+lastlogin复合索引时(切记lastlogin在后)，该索引基于area+sex+lastlogin 三个字段合并的结果排序，该列表可以想象如下。

　　广州女$时间1

　　广州女$时间2

　　广州女$时间3

　　…

　　广州男

　　….

　　深圳女

　　….

　　数据库很容易命中到 area+sex的边界，并且基于下边界向上追溯30条记录，搞定!在索引中迅速命中所有结果，无需二次遍历!