MYsqls索引原理分析
索引存储结构：
- 索引是在存储引擎中实现的，也就是说不同的存储引擎，会使用不同的索引
- MyISAM和InnoDB存储引擎：只支持B+ TREE索引， 也就是说默认使用BTREE，不能够更换
- MEMORY/HEAP存储引擎：支持HASH和BTREE索引
B树图示：
- B树是为了磁盘或其它存储设备而设计的一种多叉（下面你会看到，相对于二叉，B树每个内结点有多个分支，即多叉）平衡查找树。 多叉平衡
- B树的高度一般都是在2-4这个高度，树的高度直接影响IO读写的次数。
B+树图示：
B+树是B树的一种变体结构，它与B树的不同之处在于：
- 只有叶子节点存储关键字：B+树中所有的内部节点仅用来索引，不存储具体的数据记录，只有叶子节点中才存储数据记录。这种特性使得B+树的磁盘读取更加高效，因为每个节点可以存储更多的索引。
- 叶子节点之间有指针相连：所有的叶子节点之间通过指针相连，形成一个有序链表。这个链表可以方便地支持范围查询，而且可以快速遍历整个数据集。
- 叶子节点的大小固定：所有的叶子节点都是同样大小的，因此可以预先分配好磁盘空间，避免频繁的磁盘动态分配。
非聚集索引
非聚集索引是 独立于数据行的索引，它在存储结构上不影响数据行的顺序。非聚集索引创建了一个额外的结构，它包含指向实际数据行的指针。
聚集索引
在 MySQL 中，聚集索引（Clustered Index）是表中数据行的物理存储顺序，每个表只能有一个聚集索引。默认情况下，主键是聚集索引。如果你没有定义主键，InnoDB 存储引擎会自动选择一个唯一的非空索引作为聚集索引。如果没有任何唯一的非空索引，InnoDB 会生成一个隐藏的聚集索引。
辅助索引（次要索引)
辅助索引是一个独立的结构，它包含索引列的值以及指向表中对应数据行的指针（通常是主键值）。辅助索引的叶子节点存储的是索引键值和指向数据行的指针，而不是整行数据。
聚集索引和非聚集索引比较
mysql优化
1.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
分析： 索引是一种高效的数据结构（如 B+树），能够快速定位数据。全表扫描需要逐行检查数据，时间复杂度为 O(n)，而索引查询的时间复杂度为 O(log n)，显著降低了查询时间。
2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，
如： select *from t where num is null
可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：
select * from t where num=0
分析： 索引通常不包含 NULL 值，因此对 NULL 的判断无法利用索引，导致全表扫描
3.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。
分析： != 或 <> 操作符通常无法有效利用索引，因为索引是基于等值查询优化的。数据库引擎可能选择全表扫描来满足查询条件。
4.应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，
如： select * from t where num=10 or num=20 可以这样查询：
select * from t where num=10
union all
select * from t where num=20
分析： OR 连接的条件可能导致索引失效，尤其是当多个条件涉及不同列时。使用 UNION ALL 可以将查询拆分为多个独立的查询，每个查询都能利用索引
5.in 和 not in 也要慎用，否则会导致全表扫描，
如：select * from t where num in(1,2,3)
对于连续的数值，能用 between 就不要用 in 了：
select * from t where num between 1 and 3
分析： IN 和 NOT IN 在某些情况下无法有效利用索引，尤其是当列表中的值较多时。BETWEEN 是范围查询，可以更好地利用索引。
6.下面的查询也将导致全表扫描：
select * from t where name like ‘%abc%’
分析： 索引是基于前缀匹配的，LIKE ‘%abc%’ 以 % 开头时，索引无法发挥作用。数据库引擎需要扫描整张表来查找匹配的字符串。
7.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。
如：select * from t where num/2=100
应改为:
select * from t where num=100*2
分析： 索引存储的是原始字段值，而不是计算后的值。对字段进行表达式操作（如 num/2=100）会破坏索引的使用，导致全表扫描。
8.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。
如：select * from t where substring(name,1,3)=‘abc’–name以abc开头的id
应改为:
select * from t where name like ‘abc%’
分析： 函数操作（如 SUBSTRING(name,1,3)=‘abc’）会破坏索引的使用，因为索引存储的是原始值，而不是函数处理后的值。应使用 LIKE ‘abc%’ 替代。
9.不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。
分析： 在 = 左边进行运算会导致引擎无法使用索引，因为索引是基于原始字段值的，而不是计算后的值。
10.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。
分析： 复合索引是按字段顺序构建的，如果查询中没有使用第一个字段，索引将无法发挥作用。字段顺序应与索引顺序一致。
12.很多时候用 exists 代替 in 是一个好的选择：
select num from a where num in(select num from b)
用下面的语句替换：
select num from a where exists(select 1 from b where num=a.num)
分析： EXISTS 只需要检查是否存在符合条件的记录，而 IN 需要生成一个子查询结果集。EXISTS 通常效率更高，因为它可以在找到第一个匹配项后立即停止搜索。
13.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。
14.索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。
一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有必要。
分析： 每次 INSERT 或 UPDATE 时，数据库需要更新索引，增加额外的开销。过多的索引会降低写操作的性能
15.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。
分析： 这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。
16.尽可能的使用 varchar 代替 char ，因为首先变长字段存储空间小，可以节省存储空间， 其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
17.任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段。
18.避免频繁创建和删除临时表，以减少系统表资源的消耗。
19.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。
20.在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ,以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。
21.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。
