摘要：随着数据库的数据量逐渐增大，查询数据的性能会越来越差。此时需要针对查询频繁的表建立索引，索引是一种高效获取数据的数据结构，但是索引也不是越多越好，索引越多，维护索引结构的代码就越大，会影响增删改查的效率。因此，本文主要研究索引在几种场景下的正确使用，并通过几种性能分析的方式，分析其查询性能，结果说明，使用正确使用索引的情况下，查询性能有大幅度的提高。
1、索引的概念与分类
2、索引的结构及原理
3、索引的性能分析
4、索引的设计原则及使用场景
设计原则1：针对数据量较大，且查询比较频繁的表才建立索引。
设计原则2：针对常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引
- 使用场景1：查询字段为单列字段（针对1000w数据的表tb_bigdata）
select name from tb_bigdata where name='张先生1';不使用索引：5.462秒
根据name建立普通索引
create index idx_name on tb_bigdata(name);数据量大时建立索引的时间也比较长：24秒
使用索引下的查询结果：
设计原则3：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。
查询索引：
show index from tb_bigdata;
id是tb_bigdata表的主键索引，建表时默认建立主键索引，可见主键索引的效率比普通索引的高。
- 使用场景2：查询字段为多列字段
首先删除刚才建立的单列索引：
drop index idx_name on tb_bigdata;查看场景2的查询性能：
select * from tb_bigdata where birth =1981 and name='张先生71';不使用索引：
设计原则4：如果存在多个查询条件，尽量使用联合索引，减少单列索引，因为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。
覆盖索引：查询使用了索引，并且需要返回的列，在该索引中全部都能找到。尽量使用覆盖索引，减少select *。
上面sql优化成：
select id,birth,name from tb_bigdata where birth =1981 and name='张先生71';单列索引与联合索引对比：
- 对于多个查询字段的索引（name，birth），如果只有单列索引，那么mysql最终也只能走其中一个，此时是需要回表查询的。
使用单列索引：idx_name
结果：8ms
- 如果查询使用的是联合索引，具体的结构如下，再加上使用覆盖索引，避免回表查询。
使用联合索引：idx_birth_name：
create index idx_birth_name on tb_bigdata(birth,name);
设计原则5：最左前缀法则：如果使用了联合索引，查询sql中的条件必须存在索引最左边的列（顺序无关），否则索引全部失效；而且中间不能跳过索引中的某一列，否则该列后面的字段将失效。
对于索引：idx_birth_name_sex;
explain select * from tb_bigdata where birth =1981 and name='张先生71' and sex='男';
explain select * from tb_bigdata where birth =1981 and name='张先生71';
explain select * from tb_bigdata where birth =1981;
这三组结果说明，由于查询sql中都包含索引的第一列（birth），因此索引都会生效，但是索引长度不同，可推断出birth索引长度为5，name索引长度为152，sex索引长度为152。
explain select * from tb_bigdata where name='张先生71' and sex='男';查询条件不包含索引最左列，索引失效
查询条件中包含索引最左列，但是中间跳过了索引的某一列（name），从索引长度可看出name以及后面索引字段将失效。
explain select * from tb_bigdata where birth =1981 and sex='男';
联合索引的原理：
5、索引失效场景
