MySQL数据
相信很多人一定很好奇MySQL中，数据到底是怎么存储的，为什么查询可以这么快？
这里我先给出一个结论：
MySQL InnoDB中，表数据是以索引的形式存储的
没错，表数据是以索引的形式存储到硬盘上的，当你新建了一张表，即使你没给这张表添加任何索引，那么这张表的数据也仍然是以索引的形式存储的
首先，我们要先了解下MySQL InnoDB中两种索引的模型
哈希索引
如果你研究过Java的hashMap，那你接下来你会感觉到无比熟悉，因为哈希索引的模型结构与Java的hashMap基本一致
哈希索引是以K-V键值对的形式存储，将K进行哈希运算之后，得到一个哈希值，这个哈希值就是V所在的数组下标，如下图：
当不同的k进行哈希之后，如果刚好哈希值相同，这种情况称之为哈希碰撞，此时会以链表的形式将v串起来，如下图：
以上便是哈希索引
B+树索引
前面说过MySQL的数据本身就是以索引的形式存储的，当一张表被创建时，其实就是创建了一颗B+树。
在说B+树之前，得简单说下二叉树。
二叉树有个特点，左边节点比父节点小，右边节点比父节点大。比如有一串数据为：1，3，5，7，8，10，那么将他们挂到二叉树上将是这样：
二叉树有个缺点，当数据量大时，树的层数会非常多，检索效率很低，因此有了二叉树的进化版：多叉树。
多叉树的层级很少，检索效率高得多，而MySQL使用的是更牛逼的B+树进行索引
关于B+树，有两点值得一提：
- 最底下的节点称为叶子节点，其他节点称为非叶子节点
- 一个节点可以容纳多个数据
MySQL B+树索引的非叶子节点存的是主键，叶子节点存的是完整的一条记录。
主键索引
MySQL的数据本身就是一棵B+树，我们称之为主键索引
假设有一张表有3个字段，主键ID，姓名name，年龄age，有以下数据：
| 主键ID | 姓名 name | 年龄 age |
|---|---|---|
| 1 | 张三 | 20 |
| 2 | 李四 | 30 |
| 3 | 王五 | 8 |
| 4 | 马六 | 43 |
| 5 | 小周 | 22 |
| 6 | 小纪 | 19 |
那么该表的数据是这样存储的：
PS: 有一个在线网站可以输入数据帮你绘制B+树：B+ Tree Visualization (usfca.edu)
值得一提的是，叶子节点之间使用了双向链表连接，而且所有的数据是有序的。
当我们执行一条语句：select * from t where id between 2 and 4时，将会通过主键索引这棵B+树找到叶子节点中的(2，李四，30),然后直接通过链表指针向后遍历，直到找到(4，马六，43)结束。
非主键索引
除了主键索引，其他索引都是非主键索引。如果给刚刚的表的年龄字段增加一个索引，那么就会增加一棵B+树，并且该树的叶子节点正是表的主键，大致如下：
当你执行select * from age between 20 and 30时，将会使用年龄这个索引，先找到年龄为20的叶子节点，然后向后遍历，找到年龄为30的数据，最终得到三个主键值：1，5，2。示意图如下：
然后再用得到的主键去主键索引上查找具体的数据，这个过程有个名称，叫做回表
覆盖索引
覆盖索引并不是一种索引，而且指在某些情况下不需要进行回表。
之前提到，当执行select * from age between 20 and 30，将会先使用年龄索引找到主键，然后发生了回表，用主键去主键索引上找到具体的数据。
但如果将select * 修改为select id，在年龄索引上找到主键之后，就不需要进行回表了，因为客户端是select id，这个索引上已经有id值了，没必要再去主键索引查询。
这种情况就叫做覆盖索引，是一种常见的优化SQL语句的手段，它减少了查询次数，显著提高了性能
联合索引
联合索引就是非主键索引，只不过它进行索引的key是两个字段值，大概如下：
索引都是有序的，联合索引的排序如何排序呢？
假设联合索引(a, b)，那么(a1, b1)和(a2, b2)进行比较大小时，是先将a1和a2比较，如果不相等，就比完了。如果相等，再用b1和b2比较。
联合索引上，也会出现覆盖索引的情况，比如(name, age)索引，当执行以下SQL时就会索引覆盖：
select age from t where name = '张三'因为在索引上通过name找到张三之后，他的age也就找到了，并不需要再去主键索引上查询
