一：索引的常见模型算法
1.哈希表(key-value)存储的数据结构sql
缺点：hash索引在作区间查询时，速度慢。数组
优势：hash索引很适用于等值查询的场景，好比memcached以及其余一些nosql引擎。数据结构
2.有序数组nosql
优势：有序数组在等值查询和范围查询的场景中，性能都很是优秀。memcached
若是仅仅看查询效率，有序数组是最好的数据结构。性能
缺点：更新数据时成本过高。ui
总结：有序数组只适用于静态存储引擎。索引
3.m叉搜索树hash
二：InnoDB的索引模型
每个索引在InnoDB里面，对应一颗B+树。
根据叶子节点的内容，索引分为主键索引和非主键索引。主键索引的叶子节点存储的是整行数据，在innoDB里，主键索引也被称为聚族索引(clustered index)。
非主键索引的叶子节点内容是主键的值。在innoDB里，非主键索引被称为二级索引(secondary index)。
基于主键索引和普通索引的查询，有什么区别？
若是语句是：select * from T where id = 500，主键查询方式，只须要搜索id这颗B+树；
若是语句是：select * from T where k = 5，普通索引查询方式，须要先搜索K索引树，获得id的值为500，再到id索引树搜索一次。这就是回表。
三：索引维护
若是某记录所在的数据页已经满了，根据B+树的算法，这时候须要申请一个新的数据页，而后挪动部分数据过去，这个过程为页分裂。这种状况下，性能会受到影响。
除了性能以外，页分裂还能影响数据页的利用率。本来放在一个页的数据，如今分到两个页中，总体空间利用率下降了50%。
自增主键：自增主键的数据插入模式，正符合了咱们前面提到的递增插入的场景。每次插入一条新纪录，都是追加操做，不涉及挪动其余记录，更不会触发叶子节点的分裂。
除了考虑上面的性能，还能够从存储空间来看。好比表中有个惟一字段，若是咱们是uuid，那么非主键的叶子节点都是主键的值，每一个二级索引的叶子节点占用了36个字节，
但若是用整型看成主键，只须要4个字节，若是长整型，那也只有8个字节。
总结：主键长度越小，普通索引的叶子节点就会越小，普通索引占用的空间也会越小。
