介绍
索引是帮助MySQL高效获取数据的排好序的数据结构
常见的索引数据结构
二叉树
右边元素大于左边元素，查找的时间复杂度是O(logN)，但是如果元素是依次递增或者递减的情况，会退化成链表，时间复杂度为O(N)，跟不加索引一样
红黑树
二叉平衡树，虽然会自动平衡，因为只有两个叉，所以高度不可控，树的高度每增加一层，就是一次随机磁盘IO，性能差
Hash表
key-value结构
查找等值时效率高，不适合范围查找（> in等），数据量大时会存在hash冲突，冲突多时，会退化成链表结构
B-Tree
每个节点都存数据，树高度太大，磁盘IO次数多
B+Tree
只有叶子节点存放数据，非叶子节点不存放数据（可以在一个磁盘数据页中存放更多索引，减少IO次数） 叶子节点依次递增存放数据，叶子节点之间用指针连接（双向链表），方便范围查询；B+树遍历整棵树，只要遍历叶子节点即可。
一个数据页大概16kb,一个索引8Byte,一个地址6Byte
所以一个数据页大概可以存16k/(8+6)Byte = 1170个索引，
假设叶子节点数据为1kb，那一个数据页可以存16行数据，3层的B+树就是1170*1170*16=2千万，所以一个表的容量最好是在2千万行左右，只需要进行3次磁盘IO就可以定位到数据，
查看数据页大小
聚集索引：用主键索引建立数结构，叶子节点存放的是整行数据，如果没有设置主键，Mysql会自己维护一个列row_id（性能差）
非聚集索引：叶子节点存放的是主键索引,查找数据时需要先找到主键索引，再到聚集索引找数据，这就是回表
索引维护：维护索引的有序性，所以建议主键自增，这样在维护时不需要频繁插入节点，效率高
覆盖索引：要查找的数据在一颗索引树上能全部拿到，对于非主键索引就是不需要再执行回表操作
最左前缀原理：索引按照顺序从左到右匹配，因为在进行索引维护时，数据会依次从左到右按照索引排序，如果查找时缺少左边的索引，就无法定位数据，需要全表扫描。
索引下推：利用覆盖索引上存的数据，判断是否满足查询条件，不符合条件的过滤掉，如果满足再进行回表查询，减少回表次数；（5.6后）
Explain工具
使用EXPLAIN关键字可以模拟优化器执行SQL语句，分析你的查询语句或是结构的性能瓶颈，执行查询会返回执行计划的信息，而不是执行这条SQL
注意：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
列介绍
一、id id列的编号是 select 的序列号,嵌套查询时，id列越大select执行优先级越高，id相同则从上往下执行，id为NULL最后执行
二、select_type
| 字段 | 说明 |
|---|---|
simple | 简单查询。查询不包含子查询和union联合查询 |
primary | 复杂查询中最外层的 select |
subquery | 包含在 select 中的子查询 |
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 |
union | 在 union 中的第二个和随后的 select |
三、table
表示当前explain语句正在访问哪个表
| 字段 | 说明 |
|---|---|
<derivenN> | 从派生表查询，依赖explain结果中 id=N 的查询 |
<union1,2> | 1和2表示参与 union 的 select 行id |
四、type
表示关联类型或访问类型，Mysql在定位数据行时大概查找范围，查询效率从上到下递减，优化索引最好到range级别，最好到ref
| 字段 | 说明 |
|---|---|
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 |
system | 查询的表仅有一行，这是const类型的特列，平时不会出现，这个也可以忽略不计 |
const | 常量查询，一定是用到primary key 或者unique key |
eq_ref | 连接查询中，从表只用主键查询 |
ref | 使用二级索引或覆盖索引的前缀 |
range | 使用索引检索范围 |
index | 扫描全部二级索引（遍历二级索引的叶子节点） |
ALL | 全表扫描，扫描聚簇索引的所有叶子节点 |
两个查询都是常量查询，扫描行数是1，效率高
连接查询时，使用从表的
主键(id)作为连接条件时，从表查询时因为使用主键索引，扫描行数为1行，简单查询中不会有该类型
查询语句使用非主键索引(二级索引)或者覆盖索引的部分前缀时，可能会查询到多行，出现该类型
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（如果指定的范围太大，效率低）。
查询时不加where条件，如果要查找的数据，同时在一级索引和二级索引中都存在，mysql优先使用二级索引，因为二级索引数据量小，取数据时扫描磁盘数据页少
五、possible_keys 本次查询中，可能使用的索引；当possible_keys 有值， 而key为null时，mysql认为索引对此次查询帮助不大，执行时不用索引，选择了全表查询，效率更高
六、key 表示Mysql实际使用哪个索引查找数据，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
七、key_len
表示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联合索引中的哪些列。 下面的查询语句使用到了联合索引中的film_id，由于film_id是int类型，占4个字节，所以key_len是4
计算规则
- 字符串，char(n)和varchar(n)，5.0.3以后版本中，n均代表字符数，而不是字节数，如果是utf-8，一个数字 或字母占1个字节，一个汉字占3个字节
- char(n)：如果存汉字长度就是 3n 字节
- varchar(n)：如果存汉字则长度是 3n + 2 字节，加的2字节用来存储字符串长度，因为 varchar是变长字符串
- 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。
八、ref
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）
九、rows
表示mysql估算要扫描的行数
十、Extra
展示额外信息
Using index：表示select查询的字段都能从这个索引树中获取（使用了覆盖索引），不需要回表
Using where: 使用了where，并且查询的列未使用到索引
Using index condition: 查询的列未被索引覆盖，where条件中是一个前导列的范围
Using temporary: mysql创建一张临时表处理查询，这种情况一般要进行有优化(建立索引)
建立索引后，因为索引树是有序的，所以建立索引后，扫描索引树就可以达到去重的目的
Using filesort:使用外部排序，数据量小时在内存中，否则需要在磁盘中完成优化（建立索引优化）
这里虽然建立了name的索引，但是没有覆盖所有字段，mysql认为走二级索引后还需要回表查询，效率低，所以不走name的索引，使用了外部排序（全表扫描）
索引使用
# 建立索引
KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
1、全值匹配 覆盖索引上的值全部使用到，效率更高
2、最左前缀法则
如果索引了多列，要遵守最左前缀法则。查询从索引的最左前列开始，不跳过索引中的列，下面查询跳过了
name列，不符合最左前缀原则，无法使用索引
3、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
建立索引后，使用函数导致索引失效（因为索引树中只存有原始值，没有转换后的值），从而进行全表扫描
4、存储引擎不能使用索引中范围条件右边的列
key_len是78，表示索引只使用了前两列，因为使用范围查询后，剩下的数据无序，没办法使用索引
5、尽量使用覆盖索引，减少 select * 语句
6、mysql在使用不等于（！=或者<>），not in ，not exists 的时候无法使用索引会导致全表扫描
< 小于、 > 大于、 <=、>= 这些，mysql内部优化器会根据检索比例、表大小、结果集等多个因素整体评估是否使用索引
7、is null,is not null 一般情况下也无法使用索引
在索引树中一般null的数据一般会集中存储，数据无序
8、like通配符开头，会使mysql索引失效，变成全表扫描操作
%在前，导致剩下的数据无序，无法使用索引树；使用覆盖索引可以使用到索引树
9、字符串不加单引号索引失效（隐式类型转换）
10、少用or或in，用它查询时，mysql不一定使用索引，mysql内部优化器会根据检索比例、表大小等多个因素整体评 估是否使用索引
11、范围查询优化
没走索引原因：mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引。比如这个例子，可能是 由于单次数据量查询过大导致优化器最终选择不走索引
优化方法：可以将大的范围拆分成多个小范围
12、联合索引第一个字段使用范围不会走索引，Mysql认为第一个字段走范围，结果集很大，回表效率不高，不如全表扫描（可以用覆盖索引优化）
优化后走索引
like KK% 一般情况都会走索引（数据量大时不走索引）
总结
like KK%相当于=常量，%KK和%KK% 相当于范围
