MySQL聚集索引和非聚集索引
MySQL的Innodb存储引擎的索引分为聚集索引和非聚集索引两大类，理解聚集索引和非聚集索引可通过对比汉语字典的索引。汉语字典提供了两类检索汉字的方式，第一类是拼音检索（前提是知道该汉字读音），比如拼音为cheng的汉字排在拼音chang的汉字后面，根据拼音找到对应汉字的页码（因为按拼音排序，二分查找很快就能定位），这就是我们通常所说的字典序；第二类是部首笔画检索，根据笔画找到对应汉字，查到汉字对应的页码。拼音检索就是聚集索引，因为存储的记录（数据库中是行数据、字典中是汉字的详情记录）是按照该索引排序的；笔画索引，虽然笔画相同的字在笔画索引中相邻，但是实际存储页码却不相邻，这是非聚集索引。
聚集索引
索引中键值的逻辑顺序决定了表中相应行的物理顺序。
聚集索引确定表中数据的物理顺序。聚集索引类似于电话簿，后者按姓氏排列数据。聚集索引对于那些经常要搜索范围值的列特别有效。使用聚集索引找到包含第一个值的行后，便可以确保包含后续索引值的行在物理相邻。例如，如果应用程序执行的一个查询经常检索某一日期范围内的记录，则使用聚集索引可以迅速找到包含开始日期的行，然后检索表中所有相邻的行，直到到达结束日期。这样有助于提高此类查询的性能。同样，如果对从表中检索的数据进行排序时经常要用到某一列，则可以将该表在该列上聚集（物理排序），避免每次查询该列时都进行排序，从而节省成本。
以上是innodb的b+tree索引结构。
我们知道b+tree是从b-tree演变而来，一棵m阶的B-Tree有如下特性：
- 每个结点最多m个子结点。
- 除了根结点和叶子结点外，每个结点最少有m/2（向上取整）个子结点。
- 如果根结点不是叶子结点，那根结点至少包含两个子结点。
- 所有的叶子结点都位于同一层。
- 每个结点都包含k个元素（关键字），这里m/2 ≤ k < m，这里m/2向下取整。
- 每个节点中的元素（关键字）从小到大排列。
- 每个元素（关键字）左结点的值，都小于或等于该元素（关键字）。右结点的值都大于或等于该元素（关键字）。
b+tree的特点是：
- 所有的非叶子节点只存储关键字信息。
- 所有卫星数据（具体数据）都存在叶子结点中。
- 所有的叶子结点中包含了全部元素的信息。
- 所有叶子节点之间都有一个链指针。
我们发现，b+tree有以下特性：
- 对一个范围内的查询特别有效快速（通过叶子的链指针）
- 对具体的key值查询仅仅比b-tree低效一点（因为要到叶子一级），但也可以忽略
非聚集索引
索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。
其实按照定义，除了聚集索引以外的索引都是非聚集索引，只是人们想细分一下非聚集索引，分成普通索引，唯一索引，全文索引。如果非要把非聚集索引类比成现实生活中的东西，那么非聚集索引就像新华字典的偏旁字典，他结构顺序与实际存放顺序不一定一致。
非聚集索引的存储结构与前面是一样的，不同的是在叶子结点的数据部分存的不再是具体的数据，而数据的聚集索引的key。所以通过非聚集索引查找的过程是先找到该索引key对应的聚集索引的key，然后再拿聚集索引的key到主键索引树上查找对应的数据，这个过程称为回表！
举个例子说明下：
假设有表结构：聚集索引clustered index(id)，非聚集索引index(username)。
使用以下语句进行查询，不需要进行二次查询，直接就可以从非聚集索引的节点里面就可以获取到查询列的数据：
SELECT id, username FROM table WHERE username = 'xxx';
但是使用以下语句进行查询，就需要二次的查询去获取原数据行的score：
SELECT score FROM table WHERE username = 'xxx';
聚集索引和非聚集索引区别
区别一
聚集索引：就是以主键创建的索引，在叶子节点存储的是表中的数据
非聚集索引：就是以非主键创建的索引（也叫做二级索引），在叶子节点存储的是主键和索引列
区别二
聚集索引中表记录的排列顺序和索引的排列顺序一致；所以查询效率快，因为只要找到第一个索引值记录，其余的连续性的记录在物理表中也会连续存放，一起就可以查询到。缺点：新增比较慢，因为为了保证表中记录的物理顺序和索引顺序一致，在记录插入的时候，会对数据页重新排序。
非聚集索引中表记录的排列顺序和索引的排列顺序不一致。
区别三
聚集索引是物理上连续存在，而非聚集索引是逻辑上的连续，物理存储不连续。
区别四
聚集索引每张表只能有一个，非聚集索引可以有多个。