转载原址。
磁盘空间被划分为许多大小相同的块，一次磁盘I/O读取至少一个块。在定位数据的过程中需要进行磁盘I/O，磁盘读取数据靠的是机械运动，每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分。

1. 寻道时间指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下；
2. 旋转延迟就是我们经常听说的磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，也就是说1秒钟能转120次，旋转延迟就是1/120/2 = 4.17ms；
3. 传输时间指的是从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒，相对于前两个时间可以忽略不计。

那么一次磁盘I/O 的时间约等于5+4.17 = 9ms左右，听起来还挺不错的，但每次磁盘I/O 9毫秒的时间，在数据库动辄十万百万乃至千万级数据面前显然是个灾难。所以我们要尽可能减少磁盘I/O 次数，在思考如何不断减少磁盘I/O 的过程中，就产生了索引。

背景知识

- B-Tree & B+Tree
http://en.wikipedia.org/wiki/B%2B_tree http://en.wikipedia.org/wiki/B-tree
- 折半查找(Binary Search)
http://en.wikipedia.org/wiki/Binary_search_algorithm
- 数据库的性能问题
A. 磁盘IO性能非常低，严重的影响数据库系统的性能。
B. 磁盘顺序读写比随机读写的性能高很多。
- 数据的基本存储结构
A. 磁盘空间被划分为许多大小相同的块（Block）或者页(Page).
B. 一个表的这些数据块以链表的方式串联在一起。
C. 数据是以行（Row）为单位一行一行的存放在磁盘上的块中,如图所示.
D. 在访问数据时，一次从磁盘中读出或者写入至少一个完整的Block。

数据基本操作的实现

基本操作包括：INSERT、UPDATE、DELETE、SELECT。
- SELECT
A. 定位数据 B. 读出数据所在的块，对数据加工 C. 返回数据给用户
- UPDATE、DELETE
A. 定位数据 B. 读出数据所在的块，修改数据 C. 写回磁盘
- INSERT
A. 定位数据要插入的页（如果数据需要排序） B. 读出要插入的数据页，插入数据. C. 写回磁盘
*如何定位数据？
- 表扫描(Table Scan)
A. 从磁盘中依次读出所有的数据块，一行一行的进行数据匹配。 B. 时间复杂度 是O(n)， 如果所有的数据占用了100个块。尽管只查询一行数据， 也需要读出所有100个块的数据。 C. 需要大量的磁盘IO操作，极大的影响了数据定位的性能。
因为数据定位操作是所有数据操作必须的操作，数据定位操作的效率会直接影响所有的数据操作的效率。
因此我们开始思考，如何来减少磁盘的IO？
- 减少磁盘IO
A. 减少数据占用的磁盘空间 压缩算法、优化数据存储结构 B. 减少访问数据的总量 读出或写入的数据中，有一部分是数据操作所必须的，这部分称作有效数据。剩余的 部分则不是数据操作必须的数据，称为无效数据。例如，查询姓名是‘张三’的记录。 那么这条记录是有效记录，其他记录则是无效记录。我们要努力减少无效数据的访问。

索引的产生

- 键(Key)
首先，我们发现在多数情况下，定位操作并不需要匹配整行数据。而是很规律的只匹配某一个 或几个列的值。 例如，图中第1列就可以用来确定一条记录。这些用来确定一条数据的列，统 称为键(Key).

• 在实际的应用中，这样的定位效率仍然不能满足需求。很多人可能已经想到了，通过排序和查找** 算法来减少IO的访问。因此我们开始尝试对Dense Index进行排序存储,并且期望利用排序查 找算法来减少磁盘IO。*
  - 折半块查找
  A. 对Dense Index排序 B. 需要一个数组按顺序存储索引块地址。以块为单位，不存储所有的行的地址。 C. 这个索引块地址数组，也要存储到磁盘上。将其单独存放在一个块链中，如下图所示。 D. 折半查找的时间复杂度是O(log 2
  (N))。在上面的列子中，dense索引总共有10,000个块。假设1个块 能存储2000个指针，需要5个块来存储这个数组。通过折半块查找，我们最多只需要读取 5（数组块）+ 14（索引块log 2(10000)）+1（数据块）=20个块。
  
  
  - Sparse Index
  实现基于块的折半查找时发现，读出每个块后只需要和第一行的键值匹配，就可以决定下一个块 的位置（方向）。 因此有效数据是每个块（最后一个块除外）的第一行的数据。还是根据减少无 效数据IO的原则，将每一个块的第一行的数据单独拿出来，和索引数组的地址放到一起。这样就 可以直接在这个数组上进行折半查找了。如下图所示，这个数组就进化成了Sparse Index。
  
  
  因为Sparse Index和Dense Index的存储结构是相同的，所以占用的空间也相同。大约需 要10个块来存储10000个Dense Index块的地址和首行键值。通过Sparse索引，仅需要读 取10(Sparse块)+1(Dense块)+1(数据块)=12个块.
  - 多层Sparse Index
  因为Sparse Index本身是有序的，所以可以为Sparse Index再建sparse Index。通过 这个方法，一层一层的建立 Sparse Indexes,直到最上层的Sparse Index只占用一个块 为止,如下图所示.
  
  
  A. 这个最上层的Sparse Index称作整个索引树的根(root). B. 每次进行定位操作时，都从根开始查找。 C. 每层索引只需要读出一个块。 D. 最底层的Dense Index或数据称作叶子(leaf). E. 每次查找都必须要搜索到叶子节点，才能定位到数据。 F. 索引的层数称作索引树的高度(height). G. 索引的IO性能和索引树的高度密切相关。索引树越高，磁盘IO越多。
  在我们的例子中的Sparse Index，只有10个块，因此我们只需要再建立一个Sparse Index. 通过两层Sparse Index和一层Dense Index查找时，只需读取1+1+1+1=4个块。
  - Dense Index和Sparse Index的区别
  A. Dense Index包含所有数据的键值，但是Sparse Index仅包含部分键值。 Sparse Index占用更少的磁盘空间。 B. Dense Index指向的数据可以是无序的，但是Sparse Index的数据必须是有序的。 C. Sparse Index 可以用来做索引的索引，但是Dense Index不可以。 D. 在数据是有序的时候，Sparse Index更有效。因此Dense Index仅用于无序的数据。 E. 索引扫描(Index Scan)实际上是对Dense Index层进行遍历。
  - 簇索引(Clustered Index)和辅助索引(Secondary Index)
  如果数据本身是基于某个Key来排序的，那么可以直接在数据上建立sparse索引， 而不需要建立一个dense索引层(可以认为数据就是dense索引层)。 如下图所示：
  
  Fig. 8
  
  这个索引就是我们常说的“Clustered Index”,而用来排序数据的键叫做主键Primary Key.
  A. 一个表只能有一个Clustered Index,因为数据只能根据一个键排序. B. 用其他的键来建立索引树时，必须要先建立一个dense索引层，在dense索引层上对此键的值 进行排序。这样的索引树称作Secondary Index. C. 一个表上可以有多个Secondary Index. D. 对簇索引进行遍历，实际上就是对数据进行遍历。因此簇索引的遍历效率比辅组索引低。 如SELECT count() 操作，使用辅组索引遍历的效率更高。
  - 范围搜索(Range Search)
  由于键值是有序的，因此可以进行范围查找。只需要将数据块、Dense Index块分别以双向链表 的方式进行连接， 就可以实现高效的范围查找。如下图所示：
  
  Fig. 9
  
  范围查找的过程：
  A. 选择一个合适的边界值，定位该值数据所在的块
  B. 然后选择合适的方向，在数据块（或Dense Index块）链中进行遍历。
  C. 直到数据不满足另一个边界值，结束范围查找。

是不是看着这个索引树很眼熟？换个角度看看这个图吧！