首先，正確的創(chuàng)建合適的索引，是提升數(shù)據(jù)庫查詢性能的基礎(chǔ)。
索引是什么？
索引是為了加速對表中數(shù)據(jù)行的檢索而創(chuàng)建的一種分散存儲的數(shù)據(jù)結(jié)構(gòu)。
索引的工作機制是怎樣的？
如上圖中，如果現(xiàn)在有一條sql語句 select * from teacher where id = 101，如果沒有索引的條件下，我們要找到這條記錄，我們就需要就行全表掃描，匹配id = 101的數(shù)據(jù)。如果有了索引，我們就可以快速的通過索引找到101所對應的行記錄在磁盤中的地址，再根據(jù)給定的地址取出對應的行數(shù)據(jù)。
mysql數(shù)據(jù)庫為什么要使用B+TREE作為索引的數(shù)據(jù)結(jié)構(gòu)？
對數(shù)據(jù)的加速檢索，首先想到的就是二叉樹，二叉樹的查找時間復雜度可以達到O(log2(n))。下面看一下二叉樹的存儲結(jié)構(gòu)：
二叉樹搜索相當于一個二分查找。二叉查找能大大提升查詢的效率，但是它有一個問題：二叉樹以第一個插入的數(shù)據(jù)作為根節(jié)點，如上圖中，如果只看右側(cè)，就會發(fā)現(xiàn)，就是一個線性鏈表結(jié)構(gòu)。如果我們現(xiàn)在的數(shù)據(jù)只包含1, 2, 3, 4，5, 6，就會出現(xiàn)一下情況：
如果我們要查詢的數(shù)據(jù)為6則需要遍歷所有的節(jié)點才能找到6，即，相當于全表掃描，就是由于存在這種問題，所以二叉查找樹不適合用于作為索引的數(shù)據(jù)結(jié)構(gòu)。
基于這樣的推演，為了解決存在線性鏈表的問題，很容易就能夠想到平衡二叉查找樹。下面看看平衡二叉樹是怎樣的：
平衡二叉查找樹定義為：節(jié)點的子節(jié)點高度差不能超過1,如上圖中的節(jié)點20，左節(jié)點高度為1，右節(jié)點高度0，差為1，所以上圖沒有違反定義，他就是一個平衡二叉樹。保證二叉樹平衡的方式為左旋，右旋等操作，至于如果左旋右旋，可以自行去搜索相關(guān)的知識。
如果上圖中平衡二叉樹保存的是id索引，現(xiàn)在要從id = 8的數(shù)據(jù)，首先要把根節(jié)點加載進內(nèi)存，用8和10進行比較，發(fā)現(xiàn)8比10小，繼續(xù)加載10的左子樹。把5加載進內(nèi)存，用8和5比較，同理，加載5節(jié)點的右子樹。此時發(fā)現(xiàn)命中，現(xiàn)在要加載id為8的索引對應的數(shù)據(jù)。
怎么找到索引對應的數(shù)據(jù)呢？
索引保存數(shù)據(jù)的方式一般有兩種，第一種為在節(jié)點的數(shù)據(jù)區(qū)保存id = 8的行數(shù)據(jù)的所有數(shù)據(jù)具體內(nèi)容。另外一種方式，數(shù)據(jù)區(qū)保存的是真正保存數(shù)據(jù)的磁盤地址。
到這里，平衡二叉樹解決了存在線性鏈表的問題，數(shù)據(jù)查詢的效率好像也還可以，基本能達到O(log2(n))， 那為什么mysql不選擇這樣的數(shù)據(jù)結(jié)構(gòu)呢，他又存在什么樣的問題呢？
問題1： 搜索效率不足，一般來說，在樹結(jié)構(gòu)中，數(shù)據(jù)所處的深度，決定了搜索時的IO次數(shù)。如上圖中搜索id = 8的數(shù)據(jù)，需要進行3次IO。當數(shù)據(jù)量到達幾百萬的時候，樹的高度就會很恐怖。
問題2： 查詢不不穩(wěn)定，如果查詢的數(shù)據(jù)落在根節(jié)點，只需要一次IO，如果是葉子節(jié)點或者是支節(jié)點，會需要多次IO才可以。
問題3： 節(jié)點存儲的數(shù)據(jù)內(nèi)容太少。沒有很好利用操作系統(tǒng)和磁盤數(shù)據(jù)交換特性，也沒有利用好磁盤IO的預讀能力。因為操作系統(tǒng)和磁盤之間一次數(shù)據(jù)交換是已頁為單位的，一頁 = 4K，即每次IO操作系統(tǒng)會將4K數(shù)據(jù)加載進內(nèi)存。但是，在二叉樹每個節(jié)點的結(jié)構(gòu)只保存一個關(guān)鍵字，一個數(shù)據(jù)區(qū)，兩個子節(jié)點的引用，并不能夠填滿4K的內(nèi)容。幸幸苦苦做了一次的IO操作，卻只加載了一個關(guān)鍵字，在樹的高度很高，恰好又搜索的關(guān)鍵字位于葉子節(jié)點或者支節(jié)點的時候，取一個關(guān)鍵字要做很多次的IO。
那有沒有一種結(jié)構(gòu)能夠解決二叉樹的這種問題呢？
有，多路平衡查找樹：（Balance Tree）：
B Tree 是一個絕對平衡樹，所有的葉子節(jié)點在同一高度，如下圖所示：
B Tree有什么優(yōu)勢，又是怎么去解決一些問題的呢？
先看定義，上圖為一個2-3樹（每個節(jié)點存儲2個關(guān)鍵字，有3路），多路平衡查找樹也就是多叉的意思，從上圖中可以看出，每個節(jié)點保存的關(guān)鍵字的個數(shù)和路數(shù)關(guān)系為：
關(guān)鍵字個數(shù) = 路數(shù) – 1。
假設要從上圖中去尋找id = 28的數(shù)據(jù)，B TREE 搜索過程如下：
首先把根節(jié)點加載進內(nèi)存，加載了17,35兩個關(guān)鍵字，判斷規(guī)則為：
根據(jù)以上規(guī)則命中28后，接下來加載28對應的數(shù)據(jù)， 就去找28對應的數(shù)據(jù)區(qū)，數(shù)據(jù)區(qū)中存儲的是具體的數(shù)據(jù)或者是指向數(shù)據(jù)的指針。
為什么說這種結(jié)構(gòu)能夠解決平衡二叉樹存在的問題呢？
能夠很好的利用操作系統(tǒng)和磁盤的交互特性， MYSQL為了很好的利用磁盤的預讀能力，將頁大小為16K，即將一個節(jié)點（磁盤塊）的大小設置為16K，一次IO將一個節(jié)點（16K）內(nèi)容加載進內(nèi)存。這里，假設關(guān)鍵字類型為 int，即4字節(jié)，若每個關(guān)鍵字對應的數(shù)據(jù)區(qū)也為4字節(jié)，不考慮子節(jié)點引用的情況下，則上圖中的每個節(jié)點大約能夠存儲（16 * 1000）/ 8 = 2000個關(guān)鍵字，則共2001個路數(shù)。對于二叉樹，三層高度，最多可以保存7個關(guān)鍵字，而對于這種有2001路的B樹，三層高度能夠搜索的關(guān)鍵字個數(shù)遠遠的大于二叉樹。
在B TREE保證樹的平衡的過程中，每次關(guān)鍵字的變化，都會導致結(jié)構(gòu)發(fā)生很大的變化，這個過程是特別浪費時間的，所以創(chuàng)建索引一定要創(chuàng)建合適的索引，而不是把所有的字段都創(chuàng)建索引，創(chuàng)建冗余索引只會在對數(shù)據(jù)進行新增，刪除，修改時增加性能消耗。
既然B樹已經(jīng)很好的解決了問題，為什么MYSQL還要用B+TREE？
先看看B+TREE是怎樣的，B+TREE是B TREE的一個變種，在B+樹種，B樹種的路數(shù)和關(guān)鍵字的個數(shù)的關(guān)系不再成立了，B+TREE中，數(shù)據(jù)檢索規(guī)則采用的是左閉合區(qū)間，路數(shù)和關(guān)鍵個數(shù)關(guān)系為1比1，具體如下圖所示：
如果上圖中是用ID做的索引，如果是搜索id = 1的數(shù)據(jù)，搜索規(guī)則如下：
根據(jù)如上規(guī)則，最終在葉子節(jié)點中命中數(shù)據(jù)，根據(jù)葉子節(jié)點中節(jié)點1的數(shù)據(jù)區(qū)取得真正的數(shù)據(jù)。
B TREE和B+TREE區(qū)別是什么？
1、B+TREE 關(guān)鍵字的搜索采用的是左閉合區(qū)間，之所以采用左閉合區(qū)間是因為他要最好的去支持自增id，這也是mysql的設計初衷。即，如果id = 1命中，會繼續(xù)往下查找，直到找到葉子節(jié)點中的1。
2、B+TREE 根節(jié)點和支節(jié)點沒有數(shù)據(jù)區(qū)，關(guān)鍵字對應的數(shù)據(jù)只保存在葉子節(jié)點中。即只有葉子節(jié)點中的關(guān)鍵字數(shù)據(jù)區(qū)才會保存真正的數(shù)據(jù)內(nèi)容或者是內(nèi)容的地址。而在B樹種，如果根節(jié)點命中，則會直接返回數(shù)據(jù)。并且在B+TREE中，葉子節(jié)點不會去保存子節(jié)點的引用。
3、B+TREE葉子節(jié)點是順序排列的，并且相鄰的節(jié)點具有順序引用的關(guān)系，如上圖中葉子節(jié)點之間有指針相連接。
MYSQL為什么最終要去選擇B+TREE？
1、B+TREE是B TREE的變種，B TREE能解決的問題，B+TREE也能夠解決（降低樹的高度，增大節(jié)點存儲數(shù)據(jù)量）
2、 B+TREE掃庫和掃表能力更強，如果我們要根據(jù)索引去進行數(shù)據(jù)表的掃描，對B TREE進行掃描，需要把整棵樹遍歷一遍，而B+TREE只需要遍歷他的所有葉子節(jié)點即可（葉子節(jié)點之間有引用）。
3、B+TREE磁盤讀寫能力更強，他的根節(jié)點和支節(jié)點不保存數(shù)據(jù)區(qū)，所有根節(jié)點和支節(jié)點同樣大小的情況下，保存的關(guān)鍵字要比B TREE要多。而葉子節(jié)點不保存子節(jié)點引用。所以，B+TREE讀寫一次磁盤加載的關(guān)鍵字比B TREE更多。
4、B+TREE排序能力更強，如上面的圖中可以看出，B+TREE天然具有排序功能。
5、B+TREE查詢效率更加穩(wěn)定，每次查詢數(shù)據(jù)，查詢IO次數(shù)一定是穩(wěn)定的。當然這個每個人的理解都不同，因為在B TREE如果根節(jié)點命中直接返回，確實效率更高。
MYSQL B+TREE具體落地形式
這里主要講解的是MYSQL根據(jù)B+TREE索引結(jié)構(gòu)不同的兩種存儲引擎（MYISAM 和 INNODB）的實現(xiàn)，首先找到MYSQL保存數(shù)據(jù)的文件夾，看看mysql是如何保存數(shù)據(jù)的：
進入到這個目錄下，這個目錄下保存的是所有數(shù)據(jù)庫，再進入到具體的一個數(shù)據(jù)庫目錄下。在這里，有多種數(shù)據(jù)的存儲引擎，這里講解MYISAM和innodb，如圖中所示：
MYISAM存儲引擎索引：
從圖中可以看出，使用MYISAM存儲引擎存儲數(shù)據(jù)庫數(shù)據(jù)，一共有三個文件：
Frm，表的定義文件。MYD：數(shù)據(jù)文件，所有的數(shù)據(jù)保存在這個文件中。MYI：索引文件。
在MYISAM存儲引擎中，數(shù)據(jù)和索引的關(guān)系如下：
如何查找數(shù)據(jù)的呢？如果要查詢id = 101的數(shù)據(jù)，先根據(jù)MYI索引文件（如上圖左）去找id = 101的節(jié)點，通過這個節(jié)點的數(shù)據(jù)區(qū)拿到真正保存數(shù)據(jù)的磁盤地址，再通過這個地址從MYD數(shù)據(jù)文件（如上圖右）中加載對應的記錄。
如果有多個索引，表現(xiàn)形式如下：
所以在MYISAM存儲引擎中，主鍵索引和輔助索引是同級別的，沒有主次之分。
Innodb存儲引擎：
首先看一下聚集索引的概念，聚集索引定義為：數(shù)據(jù)庫表行中數(shù)據(jù)的物理順序和鍵值的邏輯順序相同。
Innodb以主鍵為索引來聚集組織數(shù)據(jù)的存儲，下面看看Innodb是如何組織數(shù)據(jù)的。
Innodb只有兩個文件，F(xiàn)rm文件： 表的定義文件，和Ibd文件，沒有專門保存數(shù)據(jù)的文件。數(shù)據(jù)以主鍵進行聚集存儲，把真正的數(shù)據(jù)保存在葉子節(jié)點中。innodb設計初衷認為主鍵才是最主要的索引。具體如下圖所示：
如上圖中，葉子節(jié)點的數(shù)據(jù)區(qū)保存的就是真實的數(shù)據(jù)，在通過索引進行檢索的時候，命中葉子節(jié)點，就可以直接從葉子節(jié)點中取出行數(shù)據(jù)。mysql5.5版本之前采用的是MYISAM引擎，5.5之后采用的是innodb引擎。
在innodb中，輔助索引的格式如下圖所示？
如上圖，主鍵索引的葉子節(jié)點保存的是真正的數(shù)據(jù)。而輔助索引葉子節(jié)點的數(shù)據(jù)區(qū)保存的是主鍵索引關(guān)鍵字的值。搜索過程為：假如要查詢name = seven的數(shù)據(jù)，先在輔助索引中查詢最后找到主鍵id = 101，再在主鍵索引中搜索id為101的數(shù)據(jù)，最終在主鍵索引的葉子節(jié)點中獲取到真正的數(shù)據(jù)。所以通過輔助索引進行檢索，需要檢索兩次索引。
把Innodb 和 MYISAM區(qū)別放在一張圖中看，就如下所示：
創(chuàng)建索引的幾大原則：
1、列的離散型：
離散型的計算公式：count(distinct col):count(col)，離散型越高，選擇型越好。
如下表中各個字段，哪一列的離散型最好：
上圖中，顯然可以看出，name的離散型最好，如果用sex創(chuàng)建索引：
為什么說離散型越高，選擇型越好？
如下圖，如果對Sex創(chuàng)建索引，則索引結(jié)構(gòu)將會如下：
如果此時檢索 sex = 1的數(shù)據(jù)，根節(jié)點判斷的時候，結(jié)果是查詢左子樹，但是當在左子樹第二層再進行判斷的時候，因為左右分支都滿足條件，所以很難抉擇選擇哪一個分支繼續(xù)搜索，或者是把兩個分支同時進行搜索。
2、最左匹配原則
對于索引中的關(guān)鍵字進行對比的時候，一定是從左往右以此對比，且不可跳過。之前講解的id都為int型數(shù)據(jù)，如果id為字符串的時候，如下圖：
當進行匹配的時候，會把字符串轉(zhuǎn)換成ascll碼，如abc變成97 98 99，然后從左往右一個字符一個字符進行對比。所以在sql查詢中使用like %a 時候索引會失效，因為%表示全匹配，如果已經(jīng)全匹配就不需要索引，還不如直接全表掃描。
3、最少空間原則
前面已經(jīng)說過，當關(guān)鍵字占用的空間越小，則每個節(jié)點保存的關(guān)鍵字個數(shù)就越多，每次加載進內(nèi)存的關(guān)鍵字個數(shù)就越多，檢索效率就越高。
聯(lián)合索引：
單列索引：節(jié)點中的關(guān)鍵字[name]
聯(lián)合索引：節(jié)點中的關(guān)鍵字[name, phoneNum]
可以把單列索引看成特殊的聯(lián)合索引，聯(lián)合索引的比較也是根據(jù)最左匹配原則。
聯(lián)合索引列的選擇原則：
（1） 經(jīng)常用的列優(yōu)先（最左匹配原則）
（2） 離散度高的列優(yōu)先（離散度高原則）
（3） 寬度小的列優(yōu)先，（最少空間原則）
下面簡單舉例平時經(jīng)常會遇到的問題：
如，平時經(jīng)常使用的查詢sql如下：
Select * from users where name = ?
Select * from users where name = ? and pahoneNum = ?
為了加快檢索速度，為上面的查詢sql創(chuàng)建索引如下：
Create index idx_name on users(name)
Create index idx_name_phoneNum on users(name, phoneNum)
在上面解決方案中，根據(jù)最左匹配原則，idx_name為冗余索引， where name = ?同樣可以利用索引idx_name_phoneNum進行檢索。冗余索引會增減維護B+TREE平衡時的性能消耗，并且占用磁盤空間。
覆蓋索引：
如果查詢的列，通過索引項的信息可直接返回，則該索引稱之為查詢SQL的覆蓋索引。覆蓋索引可以提高查詢的效率。
下面通過例子說明覆蓋索引。
表：teacher
索引：PK（id）， key（name， phoneNum）， unique（teacherNo）
下面哪些sql使用到了覆蓋索引？
Select teacherNo from teacher where teacherNo = ?：使用到了，檢索到teacherNo 時候，可以直接將索引中的teacherNo 值返回，不需要進入數(shù)據(jù)區(qū)。
Select id，teacherNo from teacher where teacherNo = ?：使用到了，輔助索引的葉子節(jié)點保存了主索引的值，所以檢索到輔助索引的葉子節(jié)點的時候就可以之間返回id。
Select name，phoneNum from teacher where teacherNo = ?：沒有用到
Select phoneNum from teacher where name = ?, 使用到了。
知道了覆蓋索引，就知道了為什么sql中要求盡量不要使用select *，要寫明具體要查詢的字段，一個原因就是，這樣在使用到覆蓋索引的情況下，不需要進入到數(shù)據(jù)區(qū)，數(shù)據(jù)就能直接返回，提升了查詢效率。
通過前面的學習，我們可以很容易的明白如下一下結(jié)論：
1、索引列的數(shù)據(jù)長度滿足業(yè)務的情況下能少則少。
2、表中的索引并不是越多越好。
3、Where 條件中，like 9%， like %9%， like%9，三種方式都用不到索引。后兩種方式對于索引是無效的。第一種9%是不確定的，決定于列的離散型，結(jié)論上講可以用到，如果發(fā)現(xiàn)離散情況特別差的情況下，查詢優(yōu)化器覺得走索引查詢性能更差，還不如全表掃描。
4、Where條件中 NOT IN 無法使用索引
5、多用指定查詢，只返回自己想要的列，少用select *。
6、查詢條件中使用函數(shù)，索引將會失效，這和列的離散型有關(guān)，一旦使用到函數(shù)，函數(shù)具有不確定性。
7、聯(lián)合索引中，如果不是按照索引最左列開始查找，無法使用索引。
8、對聯(lián)合索引精確匹配最左前列并范圍匹配另一列，可以使用到索引。
9、聯(lián)合索引中，如果查詢有某個列的范圍查詢，其右邊所有的列都無法使用索引。
推薦Mysql教程《Mysql教程》
