1.索引概念

什么是索引：
　　索引是一种数据结构能够帮助我们快速的检索数据库中的数据

索引具体使用那种数据结构：
　　常见的Mysql主要有两种：
　　　　Hash索引和B+Tree索引，InnDB引擎默认使用B+数索引

为什么使用B+树索引？和Hash索引比较有什么优缺点？
　　　　1.因为Hash索引底层是哈希表，哈希表是一种key-value存储的数据结构，所以多个数据在存储关系上是完全没有
　　　　　　任何顺序关系的，所以，对于区间查询是无法直接通过索引查询的，需要全表查询，所以哈希只适用于等值查询的场景
　　　　　　而B+数是一种多路平衡查询树，它的节点是天然有序的（左子节点小于父节点，父节点小于右子节点），所以不需要全表查询
总结：
　　哈希索引适合等值查询，但是无法进行范围查询
　　哈希索引没办法利用索引完成排序
　　哈希素银不支持多联合索引的最左匹配规则
　　如果有大量重复键值的情况下，哈希索引的效率会很低，因为存在哈希碰撞的问题

2.聚簇索引，覆盖索引

B+Tree的叶子节点都可以存那些东西？
　　InnoDB的B+Tree可能存储的是整行的数据，也可能是主键的值

聚簇索引和非聚簇索引的区别？
　　在innoDB里索引B+Tree的叶子点存储了整行数据的是主键索引，也成为聚簇索。
　　而索引B+Tree的叶子点存储了主键的值的是非聚簇索引的值是非主键值，也被称指非聚簇索引

覆盖索引：
　　指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取，也可以称之为实现了索引覆盖
　　当一条查询语句符合覆盖索引条件时，MySQL只需要通过索引就可以返回查询所需要的数据，这样避免
　　了查到的索引后返回表操作，减少I/O提高效率
　　比如 表student中有一个普通索引 inx_key1_key2(key1,key2)。
　　当我们通过SQL语句：select key2 form student where key1='keytest';的时候，就可以通过覆盖索引查询，无需回表

3.联合索引，最左前缀匹配

在创建索引时根据业务需求 where子句中适用最频繁的一列放在最左边，因为MySQL索引查询会遵循
最左前缀匹配的原则 ，即最左优先，在检索数据时从联合索引的最左边开始匹配。所以我们
在创建一个联合索引的时候比如（key1,key2,key3）相当于创建了（key1） (key1,key2) (key1,key2,key3)三个
索引，这就是最左侧匹配原则

4.索引下推，查询优化

　　MySQL5.6中对索引做的优化
　　　　Index Condition Pushdown Optimization（索引下推）
　　MySQL5.6引入了索引下推优化，默认开启，适用Set optimizer_switch = 'indx_condition_pushdown=off'；可以将其关闭。
　　官方例子：
　　　　people表中（zipcode,lastname,firstname）构成一个索引
　　　　Select * from people where zipcode = '95054' AND lastname LIKE '%etunia%' AND address LIKE '%Main Street%';
　　　　如果没有使用索引下推优化技术，则MySQL会通过zipcode ='95054' 从存储引擎中查询对应的数据，返回到Mysql服务端
　　　　，然后MySQL服务端基于lastname LIKE '%etrunia%' 和 address LIKE　'%Main Stree%' 来判断数据是否符合条件

　　　　如果使用了索引下推优化技术，则MySQL会首先返回符合zipcode = '95054' 的索引，然后根据lastname LIKE '%etrunia%' 和address LIKE　'%Main Stree%'
　　　　来判断索引是否符合条件，如果符合 则根据索引来定位对应的数据 如果不符合 则直接reject掉，有了索引下推优化技术，可以在有like条件查询的情况下，减少回表次数

　　查询优化器
　　　　一条SQL语句的查询，可以有不同的执行方案，至于最终那种方案，需要通过优化器进行选择，选择执行成本最低的方案
　　　　在条SQL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，对此之后找出成本最低的方案
　　优化过程：
　　　　1.根据搜索条，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的查询的代价
　　　　4.对比各种执行方案的代价，找出成本最低的哪一个