数据库储存结构
常见的数据库储存空间的基本结构是数据页，一个数据页的大小一般为 16KB。数据页的头信息中，保留着前向指针和后向指针，分别指向前一页和后一页，数据页之间形成了双向链表。
在数据页内部，存储了用户记录（即使用数据库插入的一条条记录），记录按照主键值大小升序排序。每条记录都有一个后向指针，指向后一条记录，因此记录之间形成了单向链表。值得注意的是，数据页还会自动增加两条额外的记录，分别为最小记录和最大记录，规定最小记录指向数据页中主键值最小的记录，数据页中主键值最大的记录指向最大记录。
数据页内的查找
- 单页查找
可以注意到，每个数据页内的主键都是有序的，如果需要查找某一个主键的值，可以使用二分法很快地定位到记录。但是要查找非主键列的值，因为非主键列并不是有序的，所以只能从最小记录开始依次遍历整页，页的记录量很大，所以效率会很低。 - 多页查找
多页查找，需要先定位到页，再定位到页内的记录。由于页是无序的，所以要从第一页开始，遍历每一页，在每一页中使用上述的单页查找方法，直到找到指定的记录。
可以看出，上述的方案确实存在效率上的问题。一个比较好的方式是参照页内主键快速定位的方法建立索引目录页。
索引的建立
在数据页的上方，增加了目录页来方便定位页码。目录页至于两列记录，一列为key，即它指向的数据页的键值最小的记录，另外一列为它指向的数据页的页码。这样以来，就可以在上述多页查询的第一个步骤中，利用二分法快速定位到页码。而这些目录页该如何保存呢，我们可以把它当成一条条记录，保持着单向关系，再存进一个数据页中，数据页间保持着双向关系。如下图所示：
现在我们拥有两层的数据页，再加一层呢，是不是越来越像树啦？没错，它是一棵 B+ 树。
用户数据都被存放到最底层的节点上，即叶子节点上。而非叶子节点，则存放的索引，最上面的节点为根节点。有了 B+ 树以后，我们就可以很轻松地从根节点出发去定位到记录的页码了。
索引的类型
- 聚簇索引：以主键值为排序依据的索引
- 二级索引：以非主键值为排序依据的索引
- 联合索引：以多个列为排序依据的索引
其中，二级索引和联合索引的叶子节点不会带上完整的用户记录，而是只会带上主键，所以在经过二级索引和联合索引的查找后，只能拿到主键值，而不能拿到完整记录。如果要拿到完整记录，就需要用主键值再到聚簇索引中用主键值查一遍，这个操作也叫做 “回表”。
之所以二级索引和联合索引的叶子节点不带上完整的用户记录，是因为如果带上完整的用户记录以后，相当于这个 B+ 树把所有的用户记录都拷贝一遍，非常浪费空间。而每次我们建立二级索引或联合索引的时候，都会新建一棵 B+ 树。
索引的使用
索引在用于范围匹配搜索、排序、分组的情况下，比较有用，仔细想想键值的有序性就可以知道了。
而说到这，就要说起业务代码中需要用到多个字段不重复插入，就需要多个列作为联合索引唯一，在 greenDao 中的使用是这样的
@Entity(
indexes = {
@Index(value = "column1,column2,column3", unique = true)
}
)
在执行 insertorupdate 就可以满足业务要求了。也可以使用 IGNORE 关键字或者ON DUPLICATE KEY UPDATE 来更新。