索引的定义，及数据结构的选用：
mysql索引，就是帮助提高检索效率的排好序的数据结构；
如果没有索引，就需要全表扫描，每次都加载几页数据到内存，然后进行内存数据对比。
全表扫描缺点：1磁盘io次数多；
2 内存数据无序，对比效率低。
针对这种情况，有序的树结构就可以很好的优化这2种情况，备用数据结构：二叉树，红黑树，b树，b+树。
- 二叉树：
- 优势：相比全盘扫描，1二叉树有序，1页节点load到内存之后，如果使用折半查找等算法， 可以加速内存对比效率；
2二叉树在数据无序的情况下，可以减少磁盘io次数。 - 缺点：在有序的情况下，会出现单边增长问题。
- 红黑树：
- 优势：相比二叉树，解决了数据有序情况下单边增长的问题；
- 缺点：在数据量较大的时候，无法控制树高。
我们知道，树高代表了磁盘的io次数，也是在大数量的时候，性能依然无法保障。
- b树：
- 优势：相比红黑树，b树是一种二叉平衡树，在数据量较大的情况下，解决了树高无法控制的问题。
此时的数据已经比较完美了。
但是mysql采用了更优的树结构，b+树。
- b+树：
- 优势：相比b树，1非叶子节点不存储数据，能够存储更多的数据，同时减少了磁盘io次数。
例如，innob存储引擎默认1页数据16KB，假如使用bigint数据类型，占用内存8B，磁盘地址占用内存6B，那么，1页节点就可以存储16KB / (8KB+6KB) = 1170个元素。
叶子节点如存储整行数据，1行数据1KB，那么1页节点可以存储16个元素。
那么，假如树高为3，就可以存储1170*1170*16=2000万个元素，所以，2000千万的数据遍历，只需要3次磁盘Io即可搞定。
2 叶子节点使用双向指针连接，增加了区间访问的性能。
例如，查询20<a<50，如果mysql定位到了20，就可以不再遍历索引树，而是直接根据双向指针，加载后面的节点，直到加载到数值为50的元素。
例如，查询id<20，可以定位到id为20的元素，然后使用双向指针，向前遍历即可。
索引的存储结构：
- myisam存储引擎
myisam存储引擎，为非聚簇索引结构，即索引与数据分离。
/data/tablename.frm文件，存储表结构；
/data/tablename.myi文件，存储索引，索引叶子节点，存储表数据磁盘地址。
/data/tablename.myd文件，存储表数据； - innodb存储引擎
/data/tablename.frm文件，存储表结构；
/data/tablename.ibd文件，存储主键索引树/二级索引树。
innodb为聚簇索引，主键索引树的叶子节点，存储了整行数据。
二级索引树的叶子节点，存储了主键索引树中的唯一键。
通过唯一键为主键id，如果没有主键，mysql会从第1列开始，查找没有重复元素的列来维护索引树，如果没有找到唯一键，则建立隐藏的rowid维护索引树。
所以使用二级索引树查找非索引列数据，就涉及到回表，即要根据唯一键，去主键索引树的ibd文件中找到整行数据。
为什么使用Innodb存储引擎，推荐使用整形自增类型做主键：
知道了索引树的结构，我们知道在Innodb存储引擎中，mysql默认使用主键维护主键索引树，而索引树是个有序的结构，需要对主键进行排序。
那么
- 自增有利排序。
如有的表喜欢使用uuid做主键，uuid是无序的，在排序上，对比需要消耗时间， - 自增有利索引树的维护。
在放满元素的b+树的叶子节点上插入1个元素，就需要节点分裂，树重新做平衡。
而自增的主键，插入元素，只需要在最后1个节点插入元素，或新增元素，向上提本页最小的元素上去即可。 - 整型占用空间少
相比uuid，占用的存储空间更少。
联合索引树的结构：
建立联合索引，首先对a排序，其次b排序，然后c排序，所以a有序的前提下，b才有序，b在索引树的全局并不有序，这也是最左前缀原则的由来。
但是，具体原则又有特殊处理，例如like 'a%'，mysql可能会认为是常量，所以也符合最左前缀法则。
hash索引树的结构：
mysql除了可以使用b+树索引结构，还可以使用hash索引。
hash索引支持 = in ，2种查询，效率较高，可以根据col值hash，直接定位数据。但是无法支持范围匹配。
