索引
目的：提高查询效率，
原理本质：通过不断的缩小想要获得数据的范围来筛选出最终需要的结果，就像查字典一样，比如查找hello，我们必定是先找到h开头的单词，再找he开头的单词…
磁盘IO和预读
磁盘读取数据依靠的是机械运动，每次读取数据花费的时间可以分为寻道时间，旋转时间，传输时间
- 寻道时间：磁臂移动到指定磁道所需要的时间，一般在5ms以下
- 旋转延迟：我们经常说的磁盘转速，比如一个磁盘7200转（表示一分钟可以转7200次，旋转延迟就是1/120/2=4.17ms）
- 传输时间： 从磁盘(读出/写入)磁盘的时间，一般是零点几毫秒
因为磁盘IO是非常高昂的操作，操作系统做了一些优化，会将相邻的数据也都读取到内存缓冲区中
注意📢：访问磁盘的成本大概是访问内存的十万倍左右
索引的数据结构
索引是为了提高查询效率，而数据是存储在硬盘中，所以我们需要提高磁盘查询的速度
又因为访问磁盘的成本太高，所以我们需要有一个数据结构能够满足下列要求：
- 每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级
在一般场景中，我们如果要查询有顺序的数据，我们会使用二叉树，而二叉树因为高度不可控，IO次数取决于树高度，如果树的高度太高会导致产生较多次的磁盘IO。所以我们不能选择二叉树
然后，前辈们就发明了B+树，一颗高度可控的多路搜索树
假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则树高度h = log(m+1)N
磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项的空间越小，数据项的数量越多，也就是m越大，h就会越小。即索引字段越小，树高度越小。
所以要求把真实的数据放到叶子节点而不是内层节点
查询优化
-
最左前缀匹配原则：mysql会一直向右匹配直到遇到范围查询(>, <, between, like)
比如
a = 1 and b = 2 and c > 3 and d = 4- 如果建立(a,b,c,d)顺序的索引，d是用不到索引的
- 如果建立(a,b,d,c)的索引，则都可以用到
-
选择区分度高的列作为索引（字段不重复的比例越高越好，比如主键Id的字段区分度就是1，因为主键唯一，不可能出现重复）
-
尽量扩展索引，而不是新建索引（因为索引的维护是需要开销的，数据量越多，所花费的时间和算力就不断递增）
比如：已经有了一个(a)的索引，现在要增加(a,b)的索引，则只需要将(a)索引修改为(a,b)索引
explain命令
我们可以使用explain命令来查看sql语句的执行计划，查看该sql语句有没有使用上索引，有没有做全表扫描，这个在数据库优化中，是一个非常强力的工具
下图是mysql中explain命令的输出结果中的字段解释
其中rows是核心指标，绝大部分rows小的语句执行一定很快。所以优化基本上都是在优化rows
