Mysql架构：
bin log:存在于mysql的server层，用与mysql的主从复制
1.索引数据结构：
二叉树：
红黑树：大数据范围树的高度不可控
Hash表：对索引进行一次hash运算就能得到数据的磁盘文件指针，不支持范围查找
B-Tree：节点大小16k
举例：max.dgree=4
B+Tree：
1、节点大小16k,每个非叶节点1170元素
2、树高不会超过4，一般是3，3层满两千多万行数据
3、B+树每个索引和叶子数据都有指针，而且最下层叶子节点内和节点之间的数据是从大到 小依次排列的，这样就可以快速实现范围查找。
2.数据库存储引擎（作用于表级别）：
MyISAM：（非聚集索引）
只支持表锁、不支持外键、不支持事务、进行count（*）时查询快的前提是在语句中不加入条件描述，不然依旧是全局扫描才能得到。
frm文件：定义的表结构，表信息文件
MYD文件：存储数据行
MYI文件：存储索引，数据结构为b+树
过程：首先在MYI文件中根据数据结构找到目标值，目标值是索引“key”和磁盘文件指针“value”，然后通过磁盘文件指针在磁盘中的MYD文件中找到数据返回。
InnoDB（聚簇索引）：
既支持表锁也支持行锁、支持外键、支持事务
依附有Redo log和Undo log
frm文件：定义的表结构，表信息文件
ibd文件：存储数据行和索引，数据结构为b+树
聚集索引：叶节点包含了完整的数据记录和索引==》
为什么InnoDB表必须有整型自增主键（默认建立自增隐藏主键+根据主键建立索引）：主键（建议使用自增主键，不能以uuid作为主键）索引用来根据B+树存储数据，整形数据进行比较大小时很快，节约存储空间，利于查找修改；自增主键能够避免树的分裂，由于B+树的结构，叶节点的数据是从左往后增加的，自增就可以直接在后面添加数据，效率高。
联合索引（联合几个字段一起建立一个联合索引）：先比较相同字段，在第一个字段相同的情况下，进行第二个字段的比较。依次往下。
举例：假设有一个product表：shop_id、product_id、gmt_creat
建立联合索引：creat index (shop_id、roduct_id、gmt_creat)
1、全列匹配：就是where条件里从左往右依次用到了这三个index；
select * from product where shop_id=1 and product_id=1 and gmt_creat=‘2019-01-01 10:00:00’;
2、最左前缀原则：使用最左边的一个或者几个（必须是依次连续的）
select * from product where shop_id=1 and product_id=1;
shop_id、roduct_id是连续的，最左开始的。
select * from product where shop_id=1 and gmt_creat=‘2019-01-01 10:00:00’；
这里就因为虽然是从最左边开始的，但是不是连续的，这样虽然在查shop_id=1的时候是按照索引查询，但是后续的gmt_creat=‘2019-01-01 10:00:00’是根据shop_id=1查询出来的有效数据进行遍历扫描而来的。
select * from product where product_id=1;
这里没有从最左字段开始进行查询，这就不是按照索引进行查询了，低级错误。
3、前缀匹配
如果查询条件是like，那么只有like 'xx%'其中%必须放后面
select * from product where shop_id=1 and product_id=1 and gmt_creat=‘2019%’;
4、范围列匹配
如果又>=,<=,between操作，只能是符合最左前缀的索引才能进行索引查询
select * from product where shop_id>=1 and product_id=1
这里就只有shop_id能够按照索引进行查询了，而product_id是根据shop_id范围索引查询的结果遍历得来的。
注意：
一般一个表就建立2-3个索引就行了，因为索引本身就需要消耗磁盘空间，而且在高并发数据库操作下会导致性能的损耗
