这里讲mysql的索引、原理、优化
一、mysql索引原理
1、什么是索引呢？
说一个大家可以经常听到的例子：
我们去磁盘拿数据就像去书里找某个知识点，你可以选择一页一页翻，但那是非常耗时的。所以这时就需要给这本书建个目录，这样你要看什么知识可以通过先通过目录找到知识点大概的位置再去找它效率会得到很大的提高，而我们的索引就是充当着目录的作用。
索引也是真实的存在文件中的，索引是帮助MySQL高效获取数据的排好序的数据结构
我们先来看看我们去磁盘里去取数据是怎么找的：
磁盘的存取原理：寻找时间=寻道时间（速度慢，费时）+旋转时间(速度较快)
由上图可知，我们的数据可能存在某个磁道的扇区（图只画了一个磁道），图中黑色的长杆是摇臂、圆黑点是磁头（会读扇区的数据）寻道简单点讲就是摇臂伸缩使得磁头对各个磁道的旋转读取。而其中寻找磁道的时间消耗是远大于旋转读取的效率的。所以我们去优化索引/sql都是要去减少寻道时间（即快速的定位数据范围）。
2、索引的数据结构？
上面说了索引是帮助MySQL高效获取数据的排好序的数据结构，那么mysql的索引采用了什么数据结构？
现在的mysql的索引底层数据结构有两种：1、hash（少用） 2、B+树（b树的变种）
那么这时问题就来了，为什么要使用这些数据结构，二叉树、红黑树不行吗？
这里就用一个例子说明其他数据结构存在的弊端：
例子：我们向一种数据结构中插入1、2、3、4、5、6等六个节点，看看各种数据结构会出现什么情况：
（这里推荐一个数据结构图像网站：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html）
（1）二叉树：
弊端一眼看透：树的深度为6，可能存在6次I/O才能找到数据
（2）平衡二叉树：
这时是不是觉得，诶，平衡二叉树是不是挺不错的啊，深度不是很深，磁盘I/O次数不是很多啊。可此时你有没有想过，我们实际情况中不可能只存几个数，我们假设要存10000个数，此时从平衡二叉树可以看出第一层可以存1个、第二层最多2个、第三层最多4个。这样算起来是不是存10000个数据这时平衡树深度也会很深啊，所以平衡二叉树也被mysql遗弃了。
（3）红黑树：
这个也不用多分析，情况和平衡二叉树差不多
此时你可能会想，那mysql选用的hash和B+树是怎么被选上的？
（4）哈希：
众所周知，hash的特点就是可以通过各种hash运算快速的计算出某个key存放的位置，而着不就是索引所想要的特性？没错，mysql就是看重了hash的快速定位能力，所以在索引的数据结构选择中提供了这种结构。而你不知道的是hash也存在一定的弊端，就是hash不支持范围查找。如果你此时个查找a>1的数据，那hash是没法帮你定位的，此时就需要另一种数据结构来解决这个问题。所以此时就出现了另一种数据结构叫B+树
（5）B+树：
B+树实际上是B树的变种，所以在说B+树先看看B树：
注意一些重要的概念：
1、要注意：索引key从左到右递增的（这里很重要，后面的索引优化很多根据这个原理来的）（即有序储存的）
2、度：一个节点存储的数据个数。
那这个数据个数是怎么计算出来的？
如果你有点并发基础，应该就会知道数据在每个存储层的数据交互是以某个单位进行交互的，例缓存和主内存是以缓存行为单位进行数据交互的，而此时我们内存和磁盘的交互是以页（一般是4K）为单位进行数据交互的，而此时：度=页的大小/平均每个数据的大小。
而我们为了每次能一次性交给内存更多的索引数据（即使度更大），就会尽量的减少每个数据的大小，从而增加节点的度。
而你看看B树的结构，每个数据是由索引+数据data组成的，而此时的数据则大大的影响了度的大小。那么此时就出现了B树的变种B+树：
看图你会发现，B+树将数据都存到了叶子节点上了，而其他节点只存在索引字段（虽然索引字段可能存在冗余但相比增大度的效益更大），这样就可以增大度，从而达到快速定位资源位置的目的（你自己看看这个图像不像目录和实际的文字）
而且这里还可以进行范围查找，弥补了hash的弊端，但注意的是虽然满足范围查找：例有a>1（假设a列为索引），此时mysql会走索引。但是在该索引之后的索引是不走的。、
即如果有联合索引a，b。此时a>1 and b=3；此时a>1走索引而b=3不走索引。具体原理后面分析
B+树的性能分析：
好了，我们底层用的数据结构说完了，下面说说mysql是怎么具体的使用这些数据结构的：
mysql对于B+的实现有两种：（表级别的）
1、MyISAM（少用）（非聚集）
•MyISAM索引文件和数据文件是分离的，也就是说如果你此时将一个索引是myisam类型的表，那么此时表会存成三个文件（一个存表结构、一个存表数据、一个存表索引）。下面我们来看看MyISAM具体是怎么实现的
（1）、当索引是主键索引时的存储原理：（只有主键索引）
说下上面图的大概：B+树存的东西就不用多说了，MyISAM在叶子节点存的不是所有列数据，而是存着数据对应的磁盘文件的地址，这样我们找到该叶子节点，再直接去磁盘直接提取数据即可。
（2）当索引是辅助索引时：（除了主键还有其他索引）
原理一样，但此时你右没有发现，如果此时数据文件发生改变，此时就需要同时去维护主键和辅助索引。而InnoDB解决了索引维护的问题。
2、InnoDB（聚集）
将数据文件和索引文件合并
（1）主键索引：
这里我们会发现，InnoDB将所有的数据存到了叶子节点上（也就是将数据文件和索引文件合并），少了再去磁盘查找文件的步骤。
（2）辅助索引：
这里InnoDB就和主键索引的情况不一样了，仔细点看，你可以看出，我们辅助索引中叶子节点存的数据是主键，然后再根据该主键找到对应的数据。
这样其他辅助索引都指向主键，所以这也是一个常问的面试题：为什么InnoDB必须要有主键？
说到面试题这里再提几个：
1、为什么一般推荐使用整型的自增主键？
一般自增主键在磁盘里是连续存储的，所以当你进行范围查询时可以减少I/O次数。例：此时你要找10>a>5的数据，而此时刚好磁盘5-10的数据都存在同一页，此时你进行一次I/O即可取到值了。而如果是散列分布，此时最多可能要进行4次磁盘I/O。2、•为什么非主键索引结构叶子节点存储的是主键值？(一致性和节省存储空间)
你辅助索引不加全部数据了而是指向主键索引去找数据，此时如果数据发生改变可以减少对辅助索引的维护。（如果你也要在辅助索引上加全部数据那很浪费空间）
联合索引？
前面说的主键索引和辅助索引都是独立的，而联合索引就是多个索引联合使用。
看看联合索引原理图：
可以看出，这里的联合索引是由三个索引组成。那联合索引是怎么进行索引排序的？
先从第一个进行排序，相同再排第二个依次下去。（这里的排序很重要，后面的索引优化很多都是依靠这个有序性来优化的）
注意：上面的图的链都是双向链表，而不是图中的单向（后面有时间自己再去改改）
上面讲了mysql基本的原理知识，下面讲讲对于mysql的调优：
二、mysql索引优化
1、使用EXPLAIN看sql语句的执行效率
使用EXPLAIN关键字可以模拟优化器执行SQL语句，从而知道MySQL是 如何处理你的SQL语句的。分析你的查询语句或是结构的性能瓶颈
下面是使用 explain 的例子：
在 select 语句之前增加 explain 关键字，MySQL 会在查询上设置一个标记，执行查询时，会返回执行计划的信息，而不是执行这条SQL（如果 from 中包含子查询，仍会执行该子查询，将结果放入临时表中）
使用的表
DROP TABLE IF EXISTS `actor`;
CREATE TABLE `actor` (
`id` int(11) NOT NULL,
`name` varchar(45) DEFAULT NULL,
`update_time` datetime DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
INSERT INTO `actor` (`id`, `name`, `update_time`) VALUES (1,'a','2017-12-22 15:27:18'), (2,'b','2017-12-22 15:27:18'), (3,'c','2017-12-22 15:27:18');
DROP TABLE IF EXISTS `film`;
CREATE TABLE `film` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(10) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_name` (`name`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
INSERT INTO `film` (`id`, `name`) VALUES (3,'film0'),(1,'film1'),(2,'film2');
DROP TABLE IF EXISTS `film_actor`;
CREATE TABLE `film_actor` (
`id` int(11) NOT NULL,
`film_id` int(11) NOT NULL,
`actor_id` int(11) NOT NULL,
`remark` varchar(255) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_film_actor_id` (`film_id`,`actor_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
INSERT INTO `film_actor` (`id`, `film_id`, `actor_id`) VALUES (1,1,1),(2,1,2),(3,2,1);
mysql> explain select * from
在查询中的每个表会输出一行，如果有两个表通过 join 连接查询，那么会输出两行。表的意义相当广泛：可以是子查询、一个 union 结果等。
explain 有两个变种：
1）explain extended：会在 explain 的基础上额外提供一些查询优化的信息。紧随其后通过 show warnings 命令可以 得到优化后的查询语句，从而看出优化器优化了什么。额外还有 filtered 列，是一个半分比的值，rows * filtered/100 可以估算出将要和 explain 中前一个表进行连接的行数（前一个表指 explain 中的id值比当前表id值小的表）。
mysql> explain extended select * from film where id = 1;
mysql>
2）explain partitions：相比 explain 多了个 partitions 字段，如果查询是基于分区表的话，会显示查询将访问的分区。
explain 中的列
接下来我们将展示 explain 中每个列的信息。
1. id列
id列的编号是 select 的序列号，有几个 select 就有几个id，并且id的顺序是按 select 出现的顺序增长的。MySQL将 select 查询分为简单查询(SIMPLE)和复杂查询(PRIMARY)。
复杂查询分为三类：简单子查询、派生表（from语句中的子查询）、union 查询。
id列越大执行优先级越高，id相同则从上往下执行，id为NULL最后执行
1）简单子查询
mysql> explain select (select 1 from actor limit 1) from
2）from子句中的子查询
mysql> explain select id from (select id from film) as
这个查询执行时有个临时表别名为der，外部 select 查询引用了这个临时表
3）union查询
mysql> explain select 1 union all select 1;
union结果总是放在一个匿名临时表中，临时表不在SQL中出现，因此它的id是NULL。
2. select_type列
select_type 表示对应行是简单还是复杂的查询，如果是复杂的查询，又是上述三种复杂查询中的哪一种。
1）simple：简单查询。查询不包含子查询和union
mysql> explain select * from film where id = 2;
2）primary：复杂查询中最外层的 select
3）subquery：包含在 select 中的子查询（不在 from 子句中）
4）derived：包含在 from 子句中的子查询。MySQL会将结果存放在一个临时表中，也称为派生表（derived的英文含义）
用这个例子来了解 primary、subquery 和 derived 类型
mysql> explain select (select 1 from actor where id = 1) from (select * from film where id = 1) der;
5）union：在 union 中的第二个和随后的 select
6）union result：从 union 临时表检索结果的 select
用这个例子来了解 union 和 union result 类型：
mysql> explain select 1 union all select 1;
3. table列
这一列表示 explain 的一行正在访问哪个表。
当 from 子句中有子查询时，table列是 <derivenN>
当有 union 时，UNION RESULT 的 table 列的值为<union1,2>，1和2表示参与 union 的 select 行id。
4. type列
这一列表示关联类型或访问类型，即MySQL决定如何查找表中的行，查找数据行记录的大概范围。
依次从最优到最差分别为：system > const > eq_ref > ref > range > index > ALL
一般来说，得保证查询达到range级别，最好达到ref
NULL：mysql能够在优化阶段分解查询语句，在执行阶段用不着再访问表或索引。例如：在索引列中选取最小值，可以单独查找索引来完成，不需要在执行时访问表
mysql> explain select min(id) from
const, system：mysql能对查询的某部分进行优化并将其转化成一个常量（可以看show warnings 的结果）。用于 primary key 或 unique key 的所有列与常数比较时，所以表最多有一个匹配行，读取1次，速度比较快。system是const的特例，表里只有一条元组匹配时为system
mysql> explain extended select * from (select * from film where id = 1) tmp;
mysql>
eq_ref：primary key 或 unique key 索引的所有部分被连接使用 ，最多只会返回一条符合条件的记录。这可能是在 const 之外最好的联接类型了，简单的 select 查询不会出现这种 type。
mysql> explain select * from film_actor left join film on film_actor.film_id =
ref：相比 eq_ref，不使用唯一索引，而是使用普通索引或者唯一性索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行。
1. 简单 select 查询，name是普通索引（非唯一索引） mysql> explain select * from film where name =
2.关联表查询，idx_film_actor_id是film_id和actor_id的联合索引，这里使用到了film_actor的左边前缀film_id部分。 mysql> explain select film_id from film left join film_actor on film.id =
range：范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定范围的行。
mysql> explain select * from actor where id > 1;
index：扫描全表索引，这通常比ALL快一些。（index是从索引中读取的，而all是从硬盘中读取）
mysql> explain select * from
ALL：即全表扫描，意味着mysql需要从头到尾去查找所需要的行。通常情况下这需要增加索引来进行优化了
mysql> explain select * from
5. possible_keys列
这一列显示查询可能使用哪些索引来查找。
explain 时可能出现 possible_keys 有列，而 key 显示 NULL 的情况，这种情况是因为表中数据不多，mysql认为索引对此查询帮助不大，选择了全表查询。
如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查 where 子句看是否可以创造一个适当的索引来提高查询性能，然后用 explain 查看效果。
6. key列
这一列显示mysql实际采用哪个索引来优化对该表的访问。
如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视possible_keys列中的索引，在查询中使用 force index、ignore index。
7. key_len列
这一列显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。
举例来说，film_actor的联合索引 idx_film_actor_id 由 film_id 和 actor_id 两个int列组成，并且每个int是4字节。通过结果中的key_len=4可推断出查询使用了第一个列：film_id列来执行索引查找。
mysql> explain select * from film_actor where film_id = 2;
key_len计算规则如下：
- 字符串
- char(n)：n字节长度
- varchar(n)：2字节存储字符串长度，如果是utf-8，则长度 3n + 2
- 数值类型
- tinyint：1字节
- smallint：2字节
- int：4字节
- bigint：8字节
- 时间类型
- date：3字节
- timestamp：4字节
- datetime：8字节
- 如果字段允许为 NULL，需要1字节记录是否为 NULL
索引最大长度是768字节，当字符串过长时，mysql会做一个类似左前缀索引的处理，将前半部分的字符提取出来做索引。
8. ref列
这一列显示了在key列记录的索引中，表查找值所用到的列或常量，常见的有：const（常量），字段名（例：film.id）
9. rows列
这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数。
10. Extra列
这一列展示的是额外信息。常见的重要值如下：
Using index：查询的列被索引覆盖，并且where筛选条件是索引的前导列，是性能高的表现。一般是使用了覆盖索引(索引包含了所有查询的字段)。对于innodb来说，如果是辅助索引性能会有不少提高
mysql>
Using where：查询的列未被索引覆盖，where筛选条件非索引的前导列
mysql>
Using where Using index：查询的列被索引覆盖，并且where筛选条件是索引列之一但是不是索引的前导列，意味着无法直接通过索引查找来查询到符合条件的数据
mysql>
NULL：查询的列未被索引覆盖，并且where筛选条件是索引的前导列，意味着用到了索引，但是部分字段未被索引覆盖，必须通过“回表”来实现，不是纯粹地用到了索引，也不是完全没用到索引
mysql>explain select * from film_actor where film_id = 1;
Using index condition：与Using where类似，查询的列不完全被索引覆盖，where条件中是一个前导列的范围；
mysql>
Using temporary：mysql需要创建一张临时表来处理查询。出现这种情况一般是要进行优化的，首先是想到用索引来优化。
1. actor.name没有索引，此时创建了张临时表来distinct mysql> explain select distinct name from
2. film.name建立了idx_name索引，此时查询时extra是using index,没有用临时表 mysql> explain select distinct name from
Using filesort：mysql 会对结果使用一个外部索引排序，而不是按索引次序从表里读取行。此时mysql会根据联接类型浏览所有符合条件的记录，并保存排序关键字和行指针，然后排序关键字并按顺序检索行信息。这种情况下一般也是要考虑使用索引来优化的。
1. actor.name未创建索引，会浏览actor整个表，保存排序关键字name和对应的id，然后排序name并检索行记录 mysql> explain select * from actor order by
2. film.name建立了idx_name索引,此时查询时extra是using indexmysql> explain select * from film order by
索引最佳实践
使用的表
CREATE TABLE `employees` (
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8 COMMENT='员工记录表';
INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());
最佳实践
1. 全值匹配
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei';
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22;
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22 AND position ='manager';
2.最佳左前缀法则
EXPLAIN SELECT * FROM employees WHERE age = 22 AND position ='manager';
EXPLAIN SELECT * FROM employees WHERE position = 'manager';
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei';
3.不在索引列上做任何操作（计算、函数、（自动or手动）类型转换），会导致索引失效而转向全表扫描
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei';
EXPLAIN SELECT * FROM employees WHERE left(name,3) = 'LiLei';
4.存储引擎不能使用索引中范围条件右边的列
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22 AND position ='manager';
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age > 22 AND position ='manager';
5.尽量使用覆盖索引（只访问索引的查询（索引列包含查询列）），减少select *语句
EXPLAIN SELECT name,age FROM employees WHERE name= 'LiLei' AND age = 23 AND position ='manager';
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 23 AND position ='manager';
6.mysql在使用不等于（！=或者<>）的时候无法使用索引会导致全表扫描
EXPLAIN SELECT * FROM employees WHERE name != 'LiLei'
7.is null,is not null 也无法使用索引
EXPLAIN SELECT * FROM employees WHERE name is null
8.like以通配符开头（'$abc...'）mysql索引失效会变成全表扫描操作
EXPLAIN SELECT * FROM employees WHERE name like '%Lei'
EXPLAIN SELECT * FROM employees WHERE name like 'Lei%'
问题：解决like'%字符串%'索引不被使用的方法？
a）使用覆盖索引，查询字段必须是建立覆盖索引字段
EXPLAIN SELECT name,age,position FROM employees WHERE name like '%Lei%';
b）当覆盖索引指向的字段是varchar(380)及380以上的字段时，覆盖索引会失效！
9.字符串不加单引号索引失效
EXPLAIN SELECT * FROM employees WHERE name = '1000';
EXPLAIN SELECT * FROM employees WHERE name = 1000;
10.少用or,用它连接时很多情况下索引会失效
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' or name = 'HanMeimei';
总结：
like KK%相当于=常量，%KK和%KK% 相当于范围
2、讲讲怎么优化索引：
创建test表（测试表）
drop table if exists test; create table test( id int primary key auto_increment, c1 varchar(10), c2 varchar(10), c3 varchar(10), c4 varchar(10), c5 varchar(10) ) ENGINE=INNODB default CHARSET=utf8;insert into test(c1,c2,c3,c4,c5) values('a1','a2','a3','a4','a5');insert into test(c1,c2,c3,c4,c5) values('b1','b2','b3','b4','b5');insert into test(c1,c2,c3,c4,c5) values('c1','c2','c3','c4','c5');insert into test(c1,c2,c3,c4,c5) values('d1','d2','d3','d4','d5');insert into test(c1,c2,c3,c4,c5) values('e1','e2','e3','e4','e5');
创建索引
分析以下Case索引使用情况
Case 1：
分析：
①创建复合索引的顺序为c1,c2,c3,c4。
②上述四组explain执行的结果都一样：type=ref，key_len=132，ref=const,const,const,const。
结论：在执行常量等值查询时，改变索引列的顺序并不会更改explain的执行结果，因为mysql底层优化器会进行优化，但是推荐按照索引顺序列编写sql语句。
Case 2：
分析：
当出现范围的时候，type=range，key_len=99，比不用范围key_len=66增加了，说明使用上了索引，但对比Case1中执行结果，说明c4上索引失效。
结论：范围右边索引列失效，但是范围当前位置（c3）的索引是有效的，从key_len=99可证明。
Case 2.1：
分析：
与上面explain执行结果对比，key_len=132说明索引用到了4个，因为对此sql语句mysql底层优化器会进行优化：范围右边索引列失效（c4右边已经没有索引列了），注意索引的顺序（c1,c2,c3,c4），所以c4右边不会出现失效的索引列，因此4个索引全部用上。
结论：范围右边索引列失效，是有顺序的：c1,c2,c3,c4，如果c3有范围，则c4失效；如果c4有范围，则没有失效的索引列，从而会使用全部索引。
Case 2.2：
分析：
如果在c1处使用范围，则type=ALL，key=Null，索引失效，全表扫描，这里违背了最佳左前缀法则，带头大哥已死，因为c1主要用于范围，而不是查询。
解决方式使用覆盖索引。
结论：在最佳左前缀法则中，如果最左前列（带头大哥）的索引失效，则后面的索引都失效。
Case 3：
分析：
利用最佳左前缀法则：中间兄弟不能断，因此用到了c1和c2索引（查找），从key_len=66，ref=const,const，c3索引列用在排序过程中。
Case 3.1：
分析：
从explain的执行结果来看：key_len=66，ref=const,const，从而查找只用到c1和c2索引，c3索引用于排序。
Case 3.2：
分析：
从explain的执行结果来看：key_len=66，ref=const,const，查询使用了c1和c2索引，由于用了c4进行排序，跳过了c3，出现了Using filesort。
Case 4：
分析：
查找只用到索引c1，c2和c3用于排序，无Using filesort。
Case 4.1：
分析：
和Case 4中explain的执行结果一样，但是出现了Using filesort，因为索引的创建顺序为c1,c2,c3,c4，但是排序的时候c2和c3颠倒位置了。
Case 4.2：
分析：
在查询时增加了c5，但是explain的执行结果一样，因为c5并未创建索引。
Case 4.3：
分析：
与Case 4.1对比，在Extra中并未出现Using filesort，因为c2为常量，在排序中被优化，所以索引未颠倒，不会出现Using filesort。
Case 5：
分析：
只用到c1上的索引，因为c4中间间断了，根据最佳左前缀法则，所以key_len=33，ref=const，表示只用到一个索引。
Case 5.1：
分析：
对比Case 5，在group by时交换了c2和c3的位置，结果出现Using temporary和Using filesort，极度恶劣。原因：c3和c2与索引创建顺序相反。
Case 6：
分析：
①在c1,c2,c3,c4上创建了索引，直接在c1上使用范围，导致了索引失效，全表扫描：type=ALL，ref=Null。因为此时c1主要用于排序，并不是查询。
②使用c1进行排序，出现了Using filesort。
③解决方法：使用覆盖索引。
Case 7：
分析：
虽然排序的字段列与索引顺序一样，且order by默认升序，这里c2 desc变成了降序，导致与索引的排序方式不同，从而产生Using filesort。
Case 8：
EXPLAIN extended select c1 from test where c1 in ('a1','b1') ORDER BY c2,c3;
分析：
对于排序来说，多个相等条件也是范围查询
总结：
①MySQL支持两种方式的排序filesort和index，Using index是指MySQL扫描索引本身完成排序。index效率高，filesort效率低。
②order by满足两种情况会使用Using index。
#1.order by语句使用索引最左前列。
#2.使用where子句与order by子句条件列组合满足索引最左前列。
③尽量在索引列上完成排序，遵循索引建立（索引创建的顺序）时的最佳左前缀法则。
④如果order by的条件不在索引列上，就会产生Using filesort。
⑤group by与order by很类似，其实质是先排序后分组，遵照索引创建顺序的最佳左前缀法则。注意where高于having，能写在where中的限定条件就不要去having限定了。
通俗理解口诀：
全值匹配我最爱，最左前缀要遵守；
带头大哥不能死，中间兄弟不能断；
索引列上少计算，范围之后全失效；
LIKE百分写最右，覆盖索引不写星；
不等空值还有or，索引失效要少用。
补充：in和exsits优化
原则：小表驱动大表，即小的数据集驱动大的数据集
in：当B表的数据集必须小于A表的数据集时，in优于exists
select * from A where id in (select id from B)#等价于： for select id from B for select * from A where A.id =
exists：当A表的数据集小于B表的数据集时，exists优于in
select * from A where exists (select 1 from B where B.id = A.id) #等价于 for select * from A for select * from B where B.id =
1、EXISTS (subquery)只返回TRUE或FALSE,因此子查询中的SELECT * 也可以是SELECT 1或select X,官方说法是实际执行时会忽略SELECT清单,因此没有区别
2、EXISTS子查询的实际执行过程可能经过了优化而不是我们理解上的逐条对比
3、EXISTS子查询往往也可以用JOIN来代替，何种最优需要具体问题具体分析
这节讲的是mysql的索引原理和优化，下节讲mysql的锁和事务
