索引是什么？ 索引是帮助MySQL高效获取数据排好序的数据结构。 索引为什么使用？ 不走索引，会发生全表扫描产生无用的IO。 索引分类 索引的逻辑结构分类 normal普通索引、unique唯一索引、fulltext全文索引、spatial空间索引 1.普通索引：索引允许重复值和空值 2.唯一索引：索引列不允许重复值，但允许空值 3.主键索引：是一种特殊的唯一索引，不允许有空值 4.全文索引：用于查找文本中的关键字，全文索引列必须创建索引 5.空间索引：索引MySQL中存储的地理空间数据 6.位图索引：索引MySQL中存储的位序列数据 7.单列索引：对表中的某列创建索引 8.组合索引：对表中的多个列创建索引 空间索引只能在存储引擎为MyISAM的表中创建。 索引的物理结构分类 聚簇索引、非聚簇索引 1.聚簇索引：索引和数据存放在一起。（MyISAM） 2.非聚簇索引：索引和数据分开存放。（InnoDB） 索引的数据结构 Hash索引、B+树索引 1.Hash索引：键储存列，值储存行。在等值查询效率很高（O1）。但是在范围查询要全表扫描 2.B+树索引：叶子节点储存键值，非叶子节点储存键值范围。在范围查询效率很高（OlogN），叶子节点储存索引字段和数据，索引递增排序，通过双向指针连接（提高区间的访问能力） 索引的使用场景 1.在经常条件查询、排序、分组、联合查询的字段上建立索引 2.在多字段组合查询优先使用复合索引 3.在不重复的字段优先使用唯一索引 4.添加id主键 索引的失效场景 1.在索引列上使用运算符或者函数操作 2.在索引列上使用类型转换 3.在索引列上使用like以%开头 4.在索引列上使用is null或者is not null或者!=，全表扫描比走索引快 9.在复合索引上未使用最左前缀原则 索引的性能分析 使用explain分析sql使用的索引和优化了多少行数据
SQL查询一次可以使用几个索引？
一次支持使用一个索引，可以通过创建复合索引包含多个列。
主键索引和唯一索引的区别？
主键索引只能有一个，包括唯一索引并且不能为NULL。为什么联合索引有最左前缀法则？
因为构建的B+索引树导致的，从联合索引的第一列开始，第一列一致的排在一起，然后依次
为什么MySQL索引不使用二叉树？
打个比方如果列是ID递增列，二叉树会一直在增加右边节点，变成了链表。
为什么MySQL索引不使用红黑树？
如果数据量特别多的话，树构造的高度不可控也会导致查找数据很满。
为什么MySQL索引使用B+树？
B+树对比其他索引结构更好的支持范围查询。
因为B+树数据结构非叶子节点不储存数据，在叶子节点储存数据，并且是递增，通过双向链表连接，提高的区间的访问效率。
为什么B+树默认使用三层，不用四层？
B+树查找数据快的原因，是非叶子上的索引大部分加载到内存了，如果是四层的话，上层索引加载到加内存需要的空间特别大。
MyISAM 和 InnoDB 实现 B+ 树索引方式的区别是什么？
InnoDB：B+树索引叶子节点保存数据本身，数据本身就保存索引文件
MyISAM ：B+树索引叶节点的 data 域存放的是数据记录的地址，索引文件和数据文件是分离的。
为什么InnoDB尽量使用主键？
因为InnoDB是聚簇索引，储存就一个ibd文件，默认需要一个主键索引构造B+树。
如果没有主键索引组织B+树，会隐藏生成一个主键rowid组织B+树。
为什么InnoDB尽量使用自增主键？
以为叶子节点是递增排序好的，自增主键永远会在右边添加新的节点。
如果不是自增主键，之前的的叶子节点会分裂造成性能消耗。
索引的失效场景
在索引列上使用运算符或者函数操作。
在索引列上使用like以%开头
在索引列上使用类型转换
比如：int类型的height字段添加了引号条件、varchar类型的字段查询sql时候没加引号、
用户表的id字段是数字类型，用户账户表关联用户字段的类型是字符串类型。
SELECT * FROM `user` WHERE height= 175; height为varchar类型导致索引失效，尤其多张表时注意
在索引列上使用is null或者is not null或者!=，全表扫描比走索引快
is null 、is not null、！=这些到底会不会使用二级索引还是得具体情况具体分析，主要取决于查询优化器对于使用二级索引+回表 和 全表扫描 两种方式的成本计算和比较，哪个成本低就会用哪个
复合索引未使用最左前缀导致索引失效。
索引的优化场景
深分页问题
当表的数据量特别大的时候，分页查询后面的数据，需要跳过大量的数据才能到目标数据。
解决
使用where条件利用索引找到开始位置。
B+树索引的原理
B+树能储存多少索引？
一个节点储存：（16384b/1024=16kb）数据量
非叶节点储存：16384/(8+6)=1170索引数
叶子节点储存：16索引
如果树的高度是三次：1170*1170*16=两千多万索引
16384/（索引类型bigint的大小8b）+（记录磁盘地址的节点大小6b）=1170 索引数
16kb/1kb（默认储存数据大小）=16索引
（第一层索引数1170）*（第二层索引数1170）*（第三层索引数16）=两千多万索引
B+树索引为什么这么快？
默认非子节点都加载加载到内存了，查询数据只需要比对。
联合索引的原理
InnoDB索引的原理
MyISAm索引的原理
MyISAM文件储存
-- 创建表
CREATE TABLE my_table (
id INT AUTO_INCREMENT PRIMARY KEY,
column1 VARCHAR(255),
column2 VARCHAR(255)
);
-- 创建索引
CREATE INDEX idx_column1_column2 ON my_table (column1, column2);
CREATE INDEX idx_column1 ON my_table(column1);
CREATE INDEX idx_column2 ON my_table(column2);
DROP INDEX idx_column2 ON my_table;
DROP INDEX idx_column1_column2 ON my_table;
-- 插入数据
INSERT INTO my_table (column1, column2) VALUES
('apple', 'red'),
('banana', 'yellow'),
('grape', 'purple'),
('apple', 'green'),
('banana', 'green'),
('grape', 'red'),
('apple', 'yellow'),
('banana', 'purple'),
('grape', 'green'),
('apple', 'purple');
DESC
SELECT * FROM my_table
WHERE column1 = 'apple'
OR column2 = 'green'
Using union(idx_column1,idx_column2); Using where
DESC
SELECT * FROM my_table
WHERE column1 = 'apple'
UNION
SELECT * FROM my_table
WHERE column2 = 'green';
DESC
SELECT * FROM my_table
WHERE column1 = 'apple'
OR column2 = 'green'
ORDER BY column1,column2;
Using union(idx_column1,idx_column2); Using where; Using filesort
