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，这种存储方式的表称为索引组织表。
- InnoDB使用了B+树索引模型，所以数据都是存储在B+树中的。
- 每一个索引在InnoDB里面对应一棵 B+ 树。
InnoDB中表索引示例：
创建一个表，其主键为ID，表中有字段k、name，并且在k上有索引，以下是
create table T(
id int primary key,
k int not null,
name varchar(16),
index (k)
)engine=InnoDB;表中行R1到行R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)，两棵树的示例示意图如下：
根据叶子节点的内容，索引类型分为主键索引和非主键索引；主键索引的叶子节点存的是整行数据。
- 在InnoDB里，主键索引也被称为聚簇索引（clustered index）。
- 在InnoDB里，非主键索引也被称为二级索引（secondary index）；非主键索引的叶子节点内容是主键的值。
基于主键索引和普通索引的查询有什么区别？
如果语句是select * from T where ID = 500，即主键查询方式，则只需要搜索ID这棵B+树。
如果语句是select * from T where k = 5，即普通索引查询方式，则需要先搜索k索引树，得到ID的值为500，再到ID 索引树搜索一次；这个过程称为回，即基于非主键索引的查询需要多扫描一棵索引树。
因此，我们在应用中应该尽量使用主键查询。
索引维护
B+树为了维护索引有序性，在插入新值的时候需要做必要的维护。
以上图为例，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，则需要逻辑上挪动后面的数据，空出位置。
而更糟的情况是，如果R5所在的数据页已经满了，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。
页分裂的过程会影响性能，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%。
当相邻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；该过程称为合并，可以认为是分裂过程的逆过程。
自增主键
自增主键是指自增列上定义的主键，在建表语句中一般是这么定义的： NOT NULL PRIMARY KEY AUTO_INCREMENT。
插入新记录的时候可以不指定ID的值，系统会获取当前ID最大值，加1作为下一条记录的ID值。
- 自增主键的插入数据模式，符合递增插入的场景；每次插入一条新记录，都是追加操作，不涉及到挪动其他记录，也不会触发叶子节点的分裂。
- 业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高；除了考虑性能外，我们还可以从存储空间的角度来看。
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。
有些业务的场景需求是这样的：只有一个索引；该索引必须是唯一索引，这时候我们就要优先考虑“尽量使用主键查询”原则，直接将这个索引设置为主键，可以避免每次查询需要搜索两棵树。
