索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。一本500页的书，如果你想快速找到其中的某一个知识点，在不借助目录的情况下，估计可得找一会。同样，对于数据库的表而言，索引其实就是的它的目录。
索引的常见模型
1、哈希表，是一种以键-值(key-value)存储数据的结构，我们只要输入待查找的值即key，就可以找到其对应的值即value。哈希的思路很简单，把值放在数组里，用一个哈希函数把key换算成一个确定的位置，然后把value放在数组的这个位置。
2、有序数组，在等值查询和范围查询场景中的性能就都非常优秀。有序数组索引只适用于静态存储引擎，比如你要保持的是2017某个城市的所有人口信息，这类不会再修改的数据。
3、搜索树。N叉树由于在读写上的性能有点，以及适配磁盘的访问模式，已经被广泛应用在数据库引擎中。
不管是哈希还是有序数组，或者N叉树，它们都是不断迭代、不断优化的产物或者解决方案。数据库技术发展到今天，跳表、LSM树等数据结构也被用于引擎设计中。数据库底层存储的核心就是基于这些数据模型的，每碰到一个新的数据库，我们需要先关注它的数据模型，这样才能从理论上分析出这个数据库的使用场景。
InnoDB的索引模型
在InnoDB中，表都是根据主键顺序以索引的形式存放的，这个存储方式的表成为索引组织表。InnoDB使用了B+树索引模型，所以数据都是存储在B+树种的。每一个索引在InnoDB里面对应一个B+树。
如下图可见，基于主键索引和普通索引的查询区别在于，普通索引的查询需要多扫描一个搜索树。因此，我们在应用中应该尽量使用主键查询。
索引维护
B+树为了维护索引的有序性，在插入新值的时候需要做必要的维护。以上面这个为例，如果插入新的行ID值为700，则只需要在R5的记录后面插入一个新记录。如果新插入的ID值为400，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。而更槽的情况是，如果R5所在的数据也已经满了，根据B+树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去，这个过程称为页分裂。在这个情况下，性能自然会受影响。
除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约50%。当然有分裂就有合并。当相邻的两个页由于删除了数据，利用率很低之后，会将数据页做合并。合并的过程，可以认为是分裂过程的逆过程。
所以，从性能和存储空间方面考量，自增主键往往是更合理的选择。
覆盖索引
由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。
最左前缀原则
B+树这种索引结构，可以利用索引的“最左前缀”，来定位记录。
索引下推
索引下推优化，可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
