当考虑到数据多的时候，并且要加速查询时候，就不得不 用到索引了。
索引本质：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，
也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。来提高查询的速度；
索引方法：
1.B+TREE 索引
B+树是一种经典的数据结构，由平衡树和二叉查找树结合产生，它是为磁盘或其它直接存取辅助设备而设计的一种平衡查找树，在B+树中，所有的记录节点都是按键值大小顺序存放在同一层的叶节点中，叶节点间用指针相连，构成双向循环链表，非叶节点（根节点、枝节点）只存放键值，不存放实际数据。下面看一个2层B+树的例子：
系统从磁盘读取数据到内存时是以磁盘块（block）为基本单位的，位于同一磁盘块中的数据会被一次性读取出来，而不是按需读取。InnoDB 存储引擎使用页作为数据读取单位，页是其磁盘管理的最小单位，默认 page 大小是 16kB。
注意：磁盘块存储的索引要尽量多，这样可以节省时间；
索引的类型：
1.普通索引，起加速查询
#创建表同时添加name字段为普通索引
create table tb1(
id int not null auto_increment primary key,
name varchar(100) not null,
index idx_name(name) # index 索引的名字（添加索引的字段）
);
#删除索引
drop index 索引的名字 on 表（加索引的字段）
#查询索引
show index from 表;
2.唯一索引 ，加速查询和唯一约束（可含一个Null值）
create table tb2(
id int not null auto_increment primary key,
name varchar(50) not null,
age int not null,
unique index idx_age (age)
)
create unique index idx_age on tb2(age);
3.主键索引 ， 加速查询和唯一约束（不可含Null）
#创建表的时候添加主键索引
#方式一:
create table tb3(
id int not null auto_increment primary key,
name varchar(50) not null,
age int default 0
);
#方式二:
create table tb3(
id int not null auto_increment,
name varchar(50) not null,
age int default 0 ,
primary key(id)
);
#已经创建表后添加索引
alter table tb3 add primary key(id);
#删除索引
alter table tb3 drop primary key
#如果当前主键为自增主键,则不能直接删除.需要先修改自增属性,再删除
alter table tb3 modify id int ,drop primary key;
4.组合索引
组合索引是将n个列组合成一个索引；
create table tb4(
id int not null ,
name varchar(50) not null,
age int not null,
index idx_name_age (name,age)
)
create index idx_name_age on tb4(name,age);
4.聚合索引和辅助索引
聚集索引：InnoDB表 索引组织表，即表中数据按主键B+树存放，叶子节点直接存放整条数据，每张表只能有一个聚集索引。
辅助索引：（也称非聚集索引）是指叶节点不包含行的全部数据，叶节点除了包含键值之外，还包含一个书签连接，通过该书签再去找相应的行数据
辅助索引叶节点存放的是主键值，获得主键值后，再从聚集索引中查找整行数据
总结二者区别:
相同的是：不管是聚集索引还是辅助索引，其内部都是B+树的形式，即高度是平衡的，叶子结点存放着所有的数据。
不同的是：聚集索引叶子结点存放的是一整行的信息,而辅助索引叶子结点存放的是单个索引列信息.
即 聚集索引 的查询速度要比辅助索引快；
正确使用索引
数据库表中添加索引后确实会让查询速度起飞，但前提必须是正确的使用索引来查询，如果以错误的方式使用，则即使建立索引也会不奏效。
即使建立索引，索引也不会生效,例如:
#1. 范围查询(>、>=、<、<=、!= 、between...and)
#1. = 等号
select count(*) from userinfo where id = 1000 -- 执行索引,索引效率高
#2. > >= < <= between...and 区间查询
select count(*) from userinfo where id <100; -- 执行索引,区间范围越小,索引效率越高
select count(*) from userinfo where id >100; -- 执行索引,区间范围越大,索引效率越低
select count(*) from userinfo where id between 10 and 500000; -- 执行索引,区间范围越大,索引效率越低
#3. != 不等于
select count(*) from userinfo where id != 1000; -- 索引范围大,索引效率低
#2.like '%xx%'
#为 name 字段添加索引
create index idx_name on userinfo(name);
select count(*) from userinfo where name like '%xxxx%'; -- 全模糊查询,索引效率低
select count(*) from userinfo where name like '%xxxx'; -- 以什么结尾模糊查询,索引效率低
#例外: 当like使用以什么开头会索引使用率高
select * from userinfo where name like 'xxxx%';
#3. or
select count(*) from userinfo where id = 12334 or email ='xxxx'; -- email不是索引字段,索引此查询全表扫描
#例外：当or条件中有未建立索引的列才失效，以下会走索引
select count(*) from userinfo where id = 12334 or name = 'alex3'; -- id 和 name 都为索引字段时, or条件也会执行索引
#4.使用函数
select count(*) from userinfo where reverse(name) = '5xela'; -- name索引字段,使用函数时,索引失效
#例外:索引字段对应的值可以使用函数,我们可以改为一下形式
select count(*) from userinfo where name = reverse('5xela');
#5.类型不一致
#如果列是字符串类型，传入条件是必须用引号引起来，不然...
select count(*) from userinfo where name = 454;
#类型一致
select count(*) from userinfo where name = '454';
#6.order by
#排序条件为索引，则select字段必须也是索引字段，否则无法命中
select email from userinfo ORDER BY name DESC; -- 无法命中索引
select name from userinfo ORDER BY name DESC; -- 命中索引
#特别的:如果对主键排序，则还是速度很快：
select id from userinfo order by id desc;
组合索引
组合索引: 是指对表上的多个列组合起来做一个索引.
组合索引的好处：1."一个顶三个"。建了一个(a,b,c)的组合索引，那么实际等于建了(a),(a,b),(a,b,c)三个索引，
因为每多一个索引，都会增加写操作的开销和磁盘空间的开销。
2.索引列越多，通过索引筛选出的数据越少，即查询的速度就越快。
最左匹配原则: 从左往右依次使用生效，如果中间某个索引没有使用，那么断点（IO）前面的索引部分起作用，断点后面的索引没有起作用；
select * from mytable where a=3 and b=5 and c=4;
#abc三个索引都在where条件里面用到了，而且都发挥了作用
select * from mytable where c=4 and b=6 and a=3;
#这条语句列出来只想说明 mysql没有那么笨，where里面的条件顺序在查询之前会被mysql自动优化，效果跟上一句一样
select * from mytable where a=3 and c=7;
#a用到索引，b没有用，所以c是没有用到索引效果的
select * from mytable where a=3 and b>7 and c=3;
#a用到了，b也用到了，c没有用到，这个地方b是范围值，也算断点，只不过自身用到了索引
select * from mytable where b=3 and c=4;
#因为a索引没有使用，所以这里 bc都没有用上索引效果
select * from mytable where a>4 and b=7 and c=9;
#a用到了 b没有使用，c没有使用
select * from mytable where a=3 order by b;
#a用到了索引，b在结果排序中也用到了索引的效果
注意事项
1. 避免使用select *
2. 其他数据库中使用count(1)或count(列) 代替 count(*),
而mysql数据库中count(*)经过优化后,效率与前两种基本一样.
3. 创建表时尽量时 char 代替 varchar
4. 表的字段顺序固定长度的字段优先
5. 组合索引代替多个单列索引（经常使用多个条件查询时）
6. 使用连接（JOIN）来代替子查询(Sub-Queries)
7. 不要有超过4个以上的表连接（JOIN）
8. 优先执行那些能够大量减少结果的连接。
9. 连表时注意条件类型需一致
10.索引散列值不适合建索引，例：性别不适合
查询计划
explain + 查询SQL - 用于显示SQL执行信息参数，根据参考信息可以进行SQL优化
执行计划：让mysql预估执行操作(一般正确)
type : 查询计划的连接类型, 有多个参数，先从最佳类型到最差类型介绍
性能： null > system/const > eq_ref > ref（索引） > ref_or_null > index_merge > range > index > all
慢：
explain select * from userinfo where email='alex';
type: ALL(全表扫描)
特别的: select * from userinfo limit 1;
快：
explain select * from userinfo where name='alex';
type: ref(走索引)
慢日志查询
将mysql服务器中影响数据库性能的相关SQL语句记录到日志文件，通过对这些特殊的SQL语句分析，改进以达到提高数据库性能的目的。
慢查询日志参数:
long_query_time ： 设定慢查询的阀值，超出设定值的SQL即被记录到慢查询日志，缺省值为10s
slow_query_log ： 指定是否开启慢查询日志
log_slow_queries ： 指定是否开启慢查询日志(该参数已经被slow_query_log取代，做兼容性保留)
slow_query_log_file ： 指定慢日志文件存放位置，可以为空，系统会给一个缺省的文件host_name-slow.log
log_queries_not_using_indexes: 如果值设置为ON，则会记录所有没有利用索引的查询.
#.查询慢日志配置信息 :
show variables LIKE '%query%'
#.修改配置信息
SET GLOBAL slow_query_log = on;
#查看慢日志记录的方式
show variables like '%log_output%';
#设置慢日志在文件和表中同时记录
set global log_output='FILE,TABLE';
#查询时间超过10秒就会记录到慢查询日志中
SELECT sleep(10)
#查看表中的日志
select * from mysql.slow_log;
大数据量分页优化
执行此段代码:
select * from userinfo limit 3000000,10;
优化方案：
1.简单粗暴，就像百度一样，就是不允许查看非常靠后的数据，百度就只能查到72页，72页以后的数据就不能让你查看了，这种方式是从业务上解决了。
2.在查询下一页时把上一页的行id作为参数传递给客户端程序，然后sql就改成了
select * from userinfo where id>3000000 limit 10;
这条语句执行也是在毫秒级完成的，id>300w其实就是让mysql直接跳到这里了，不用依次在扫描全面所有的行。
3.最后第三种方法：延迟关联
因为是*使得数据查询的慢，因此变为具体的字段名，因为select * 所以mysql在沿着id主键走的时候要回行拿数据，走一下拿一下数据；
select id from userinfo limit 3000000,10;
你会发现时间缩短了一半；然后我们在拿id分别去取10条数据就行了；
select table.* from userinfo inner join ( select id from userinfo limit 3000000,10 ) as tmp on tmp.id=userinfo.id;
这三种方法最先考虑第一种 其次第二种，第三种是别无选择