7.1 什么是索引
索引（index）是帮助MySQL高效获取数据的数据结构(有序)
在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
索引的优劣分析：
优势：
- 提高数据检索的效率，降低数据库的IO成本
- 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗
劣势:
- 索引列也是要占用空间的
- 索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行 INSERT、UPDATE、DELETE 时，效率降低
7.2 索引结构
MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种数据结构：
索引结构 | 描述 |
B+Tree 索引 | 最常见的索引类型，大部分引擎都支持 B+ 树索引 |
Hash 索引 | 底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询 |
R-tree(空间索引) | 空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少 |
Full-text(全文索引) | 是一种通过建立倒排索引，快速匹配文档的方式。类似于 Lucene,Solr,ES |
不同存储引擎对于索引结构支持情况：
索引 | InnoDB | MyISAM | Memory |
B+tree 索引 | 支持 | 支持 | 支持 |
Hash 索引 | 不支持 | 不支持 | 支持 |
R-tree 索引 | 不支持 | 支持 | 不支持 |
Full-text | 5.6版本之后支持 | 支持 | 不支持 |
我们平常所说的索引，如果没有特别指明，都是指 B+树 结构组织的索引
7.3 MySQL索引中的 B+Tree
首先介绍 多路平衡查找树----B-Tree
以一颗最大度数（树的度数指的是一个节点的子节点个数）为5的b-tree为例（每个节点最多存储4个Key，5个指针）
键和值绑定在一起放入节点中，通过键大小来查询值B+Tree
最底层才是一个排好序的存储单元，上面部分都只是用于存储键便于查询
以一颗最大度数为4的b+tree为例：
MySQL索引中的 B+Tree
MySQL索引数据结构对经典的 B+Tree 进行了优化，在原 B+Tree 的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的 B+Tree，提高区间访问的性能。
7.4 索引分类
分类 | 含义 | 特点 | 关键字 |
主键索引 | 针对于表中主键创建的索引 | 默认自动创建，只能有一个 | PRIMARY |
唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
常规索引 | 快速定位特定数据 | 可以有多个 | |
全文索引 | 全文索引查找的是文本中的关键字，而不是比较索引中的值 | 可以有多个 | FULLTEXT |
在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：
分类 | 含义 | 特点 |
聚集索引 | 将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据 | 必须有，而且只有一个 |
二级索引 | 将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
聚集索引 选取规则：
- 如果存在主键，主键索引就是聚集索引
- 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引
- 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引
见图：
若根据条件建立的索引需要查询其他的值，则需要根据叶子节点关联的主键回到聚集索引查询出整行信息，这种方式就叫 回表查询
7.5 索引语法
- 创建索引
create [unique | fulltext] index 索引名 on 表名 (列名,...);
# 默认为常规索引- 查看索引
show index from 表名;- 删除索引
drop index 索引名 on 表名;7.6 索引的失效情况
- 最左前缀法则
如果索引了多列（联合索引），要遵守最左前缀法则。指的是查询从索引的最左列开始，并且不跳过索引中的列。
如果跳跃某一列，索引将部分失效（后面的字段索引失效）。
例如：创建的索引关联字段为 profession、age、statuscreateindexidx_user_pro_age_staontb_user (profession,age,status); - 分别进行不同条件的查询
第一次 对三个关联字段都进行查询，该索引长度为 54 - 第二次 查询，减少了字段 status，长度为 49，可以推出 status 所占索引长度为 5
第三次 查询，减少了字段 status 和 age，长度为 47，可以推出 age 所占索引长度为 2
所以 只含 profession 的索引长度为 47 - 开始验证 最左前缀法则，将最左边 profession 字段去掉进行查询：
- 可以看到查询时没有使用到索引，进行了全表扫描查询的数据，验证了 查询要从索引的最左列开始
再次进行验证，若含有最左边 profession 字段，但是缺失中间字段进行查询： - 可以看到使用了索引，但是索引长度为 47，说明只使用了只含 profession 的索引，验证了 如果跳跃某一列，后面的字段索引失效
再进行一个小细节的验证，关联查询字段都包含，但是将查询字段置换顺序，进行查询： - 可以看到最后索引长度为 54，说明该索引包含了 三个字段，这说明 where条件 查询时字段顺序与索引关联字段顺序无关，说白了就是，索引只在乎它按顺序关联的字段在不在，不在乎查询时的字段顺序
- 范围查询
联合索引中，出现范围查询（>,<），范围查询右侧的列索引失效
例如：（还是用上面的索引示范）
所以一般范围最好能加个 = ，这样后面的索引才不会失效 - 索引列运算
不要在索引列上进行运算操作，索引将失效
例如：给字段 phone 加了索引，但对该字段进行了运算操作
explain select * from tb_user where substring(phone,10,2) = '15';- 该索引将会失效:
- 字符串不加引号
字符串类型字段使用时，不加引号，索引将失效 - 模糊查询
如果仅仅是尾部模糊查询，索引不会失效。如果是头部模糊匹配，索引失效。
例如：对 profession 进行模糊查询 - or 连接的条件
用 or 分割开的条件，如果 or 前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到
例如：条件字段中，id 有主键索引，phone 添加索引，age 未添加索引，进行查询
可以看到，由于 age 没有索引，所以即使id、phone有索引，索引也会失效。所以需要针对 age 也要建立索引 - 数据分布影响
如果MySQL评估使用索引比全表更慢，则不使用索引
例如：对 user_name 添加了索引，根据条件进行查询
可以看到，因为字段不为空的很多，所以MySQL选择了全表扫描，而不是走索引；第二次查询满足 null 的很少，所以走索引
7.7 索引的使用细节
- SQL提示
是优化数据库的一个重要手段，就是在SQL语句中加入一些人为的提示来达到优化操作的目地。 - 覆盖索引
尽量使用覆盖索引（查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到），减少 select
using index condition：查找使用了索引，但是需要回表查询数据
using where;using index：查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据
- 前缀索引
当字段类型为字符串（varchar，text等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率
语法：
create index idx_xxxx on table_name(column(n));前缀长度：
可以根据索引的 选择性 来决定，而选择性是指 不重复的索引值（基数）和 数据表的记录总数 的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。
- 单列索引与联合索引
单列索引：即一个索引只包含单列
联合索引：即一个索引包含了多列
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引
减少回表查询
7.8 索引设计原则
- 针对于数据量较大，且查询比较频繁的表建立索引
- 针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引
- 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高
- 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引
- 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率
- 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率
- 如果索引列不能存储NULL值，请在创建表时使用 NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询
