一、定义
索引是帮助MySQL获取数据的数据结构，也可理解为“排好序的快速查找的数据结构”
索引本身很大，不可能全部存储在内存，因此索引往往会以索引文件的形式存储在磁盘中。
二、索引分类
- 普通索引：最基本的索引，没任何约束
- 唯一索引：索引列的值必须唯一，但可以为空
- 主键索引：特殊的唯一索引，不允许为空
- 全文索引：MySQL自带的全文索引只用于Innodb、MyISAM，并且只能对英文进行全文检索
- 外键索引：只有innodb引擎的表才可以建外键索引
- 单值索引：一个索引只能包含一个列，一个表中可有多个单值索引
- 复合索引：一个索引可以包含多个列(在并发下偏向于创建复合索引）
1）聚簇索引是主键的术语，找到了索引就找到了所需数据。按照数据存放的物理位置为顺序的，其多个连续行的访问速度更快；
2）非聚簇索引是按照数据存放的逻辑位置为顺序的，其单行访问速度更快；
三、索引的数据结构
- B-Tree索引（MySQL用B+Tree索引）
- Hash索引
- full-text全文索引
- R-Tree索引
B-Tree的检索原理
B-Tree是多路平衡查找树，简称平衡树。
由于索引是存储在磁盘中，磁盘页就相当于树的节点，所以查询数据时，磁盘IO的次数和树的高度有关。每次检索的时候为了减少磁盘IO的次数，尽可能把树的高度减少，而宽度增加。这个正是B树的特点。
分别有根、数据项和叶子结点。其中浅蓝色表示磁盘，深蓝色是数据项，红色表示数据，黄色是指针。
B-Tree的数据分布在各个节点上，
非叶子节点不存储真实数据，只存储指引搜索方向的数据项，17,35并不是真实存在数据表中。
索引检索原理
若查找s数据项29，查找过程是：首先把磁盘块1加载到内存，发生1次IO，通过二分搜索确定29在17和35之间，锁定磁盘块的p2指针；通过磁盘1中的p2指针把磁盘块3加载到内存（内存相比磁盘IO的时间非常短，可忽略不计），发生第二次IO。再确定29在26~30之间，通过指针p2把磁盘块8加载到内存，发生第三次IO，再做二分查找，结束查询，共三次IO。
三层的B+Tree可以表示上百万的数据，如果上百万的数据只需三次IO，性能的提升是很大的。若没有索引，每个数据项都发生一次IO，则要上百万的IO，成本很高。
B+树
- B+树是B树的改进，B+树查询效率更高，B+树通常更矮胖，层数越少，查询所需要的磁盘IO也会更少（一层代表一次IO ）。同样的磁盘IO大小，B+树能存储更多的结点关键字
- 叶子结点增加了相邻接点的指向指针，适用于区间查询
- B树每个节点即保存数据又保存索引，所以访问磁盘IO的次数多；而B+树只有叶子节点保存，访问磁盘IO数量少，并且区间访问比较好
四、索引优化
不再索引列上做任何操作（计算、函数、类型转换），会导致索引失效
使用全局匹配
最佳左前缀法则：最左建的索引不能丢失，不跳过索引中间列。例如（1-2-3 1 2不能断）
按需取数据，尽量使用覆盖索引，只访问索引的查询，(索引列和查询列一致)，减少select *
MySQL在使用不等于（!= / <>）/ is null / is not null时会导致索引失效（无法使用索引），导致全表扫描
like以通配符(‘%abc’)开头导致MySQL索引失效，变成全表扫描。like%写在右比较好
字符串不加单引号导致索引失效
少用or,用它连接会索引失效
五、优势与劣势
- 优势
- 提高数据检索效率，降低数据库IO的成本
- 降低数据排序成本，降低CPU的消耗
- 劣势
- 索引列会占用磁盘空间。索引实际上也是一张表，该表保存了主键和索引字段，并指向实体表的记录。
- 虽然加大查询速度，但会降低写表的操作（inset,update,delete），对表更新操作的时候，MySQL不仅要保存数据，还要保存索引文件中新添加的索引字段（会调整由于更新带来的键值变化后的索引信息），更新B-tree
- 要通过人为处理不断调整出最优的索引
六、场景
使用场景
- 主键自动建立唯一索引
- 频繁作为查询条件的字段应创建索引
- 查询中与其他表关联的字段，外键关系建立索引
- 排序字段若通过索引访问会大大提高排序速度
不适用的场景
表太少的记录
经常增删改的表
- 虽然提高了查询表的速度，但会降低更新表的速度（增删改），因为在更新表时，MySQL不仅保存数据，还得保存索引文件
某个数据列包含许多重复内容，为其建索引没有太大的实际效果（男女）
索引选择性 = 索引列中不同值的数目/表中记录数，索引选择性越接近1，该索引效率越高。
Where条件用不到的字段不创建索引
