什么是索引？
索引是存储引擎中的一种数据结构，或者说数据的组织方式，又称之为键key，为数据建立索引就好比为书建目录，目的是为了缩小查询范围，提升查询速度

为何要用索引？
为了优化查询效率
ps:创建完索引后会降低增删改的效率（文件不是很大时，影响效果不会很强烈）不过好就好在一般数据的读写比例是10:1，所以适当的建一些索引还是很有必要的。

如何正确的看待索引？
开发人员最懂业务，任何一个程序都有吸引用户的亮点，亮点背后对应的是热数据，这一点开发人员是最清楚的，开发人员最了解热数据对应的数据库表字段有哪些，所以开发程序过程中就应该提前为相应字段加上索引，而不是等软件上线以后由DBA发现慢查询sql后再做处理，因为：
1、一个软件慢会影响用户体验，但是慢的原因有很多，你不能立刻确定是不是sql的问题所以等定位到sql问题可能已经过去很久了，问题已经被拖了很久

2、因为大多数DBA都是管理型DBA而非开发型，所以即便是DBA从日志文件中看到了慢查询SQL，也会因为其不懂业务而很难分析出慢的原因，最后这顶锅还是得扣在你开发的脑袋上，躲得过初一躲不过十五

b+树：
在二叉树、平衡二叉树、b树的基础上做了进一步优化
只有叶子结点放真正的数据，这意味着在等量数据的前提下，B+树的高度是二叉树、平衡二叉树、b树中最低的，而树的高度越低查询速度越快，查询步数越少
b+树的性质：
1、索引字段要尽量的小，
2、索引的最左匹配特性（B+树是按照从筛选条件左至右的顺序来搜索树的，若条件中第一个命令不在索引中，那么B+树就不知道下一个节点该去哪查）

2、B+树的叶子节点都是排好序的，这意味着在范围查询上，B+树比b树更快，快就快在一旦找到了一个树叶节点，就不需要再从树根查起了

索引分类：
1、hash索引：更适合等值查询，不是和范围查询（不支持多列联合索引的最左匹配规则 如果有大量重复键值得情况下，哈希索引的效率会很低，因为存在哈希碰撞问题）
2、B+树索引；（innodb默认支持的索引）
聚集索引（以主键字段建好的树）/聚簇索引（）-》以主键字段的值为key创建的索引（一张表只有一个）
叶子结点存放的是完整的真实数据和主键
辅助索引：针对非主键字段创建的索引（一张表可以有多个）叶子结点存放的是非主键字段和这个字段对应的主键索引

命中索引也未必会起到很好的提速效果：
1、对区分度高并且占用空间小的字段建立索引
2、针对范围查询命中了索引，如果范围很大，查询效率依旧很低，如何解决
（1）要么把范围缩小
（2）要么分段取值，一段一段的取最终把大范围给取完
（3）索引下推技术（默认开启）有了索引下推优化，可以在有like条件查询的情况下，减少回表次数。（在MYSQL5.6之后的版本引入的技术）
（4）不要把查询字段放到函数或者参与运算

回表查询：通过辅助索引拿到主键值，然后再回到聚集索引从根再查一下
覆盖索引：不需要回表就能拿到你要的全部数据（最优方案，速度很快）

250W条记录的文件大小为167M（几百兆）
300W条记录的文件大小为240M（几百兆）

联合索引：
组合索引最左前缀
如果组合索引为：(name, email)
name and email - - 命中索引
name - - 命中索引
email - - 未命中索引
作用：
创建的是一组索引，但可以由多个键来命中，既节省了磁盘空间，有简化了创建索引的步骤，但必须带上左边的key
联合索引的第二个好处是在第一个键相同的情况下，已经对第二个键进行了排序处理，

慢查询的优化步骤：
0.先运行看看是否真的很慢，注意设置SQL_NO_CACHE
1.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
2.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果，不符合预期继续从0分析

查询优化器 一条SQL语句的查询，可以有不同的执行方案，至于最终选择哪种方案，需要通过优化器进行选择，选择执行成本最低的方案。 在一条单表查询语句真正执行之前，MySQL的查询优化器会找出执行该语句所有可能使用的方案，对比之后找出成本最低的方案。这个成本最低的方案就是所谓的执行计划。 优化过程大致如下：
1、根据搜索条件，找出所有可能使用的索引
2、计算全表扫描的代价
3、计算使用不同索引执行查询的代价
4、对比各种执行方案的代价，找出成本最低的那一个