一、index是什么？
1. 定义
- 简述：索引（Index）是一种帮助mysql高效获取数据的一数据结构。
- 详述：除数据本身外，数据库还维护着一个满足特定查找算法的数据结构，这些数据结构以某种方式指向数据，这样就可以在这些数据结构的基础上实现高级查找算法，这种数据结构叫索引。
索引数据对应关系示意图
## 1. 创建索引 mysql> create index idx_employee_username on employee(username); Query OK, 0 rows affected (1.71 sec) Records: 0 Duplicates: 0 Warnings: 0 ## 2. 查询索引。从查询结果来看，索引的类型是B树 mysql> show index from employee; +----------+------------+-----------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+ | Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | Visible | Expression | +----------+------------+-----------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+ | employee | 1 | idx_employee_username | 1 | username | A | 0 | NULL | NULL | YES | BTREE | | | YES | NULL | +----------+------------+-----------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+---------+------------+ 1 row in set (1.73 sec)
注意：索引本身也很大，不可能全部存储在内存中，因此索引索引往往以索引文件的形式存储到磁盘中；如果没有特定说明，索引对应的数据结构都是B树。
2. B树简介
B树：它的设计思想是，将相关数据尽量集中在一起，以便一次读取多个数据，减少硬盘操作次数。是对二叉查找树的改进。
有以下三个
特点：
- 一个节点可以容纳多个值。
- 除非数据已经填满，否则不会增加新的层。
- 子节点中的值，与父节点中的值，有严格的大小对应关系。一般来说，如果父节点有a个值，那么就有a+1个子节点。比如上图中，父节点有两个值（7和16），就对应三个子节点，第一个子节点都是小于7的值，最后一个子节点都是大于16的值，中间的子节点就是7和16之间的值。
- 是一种排好序的快速查找数据结构。
二、index的分类及其使用
1. 分类
- 单值索引：即一个索引只包含一个列（一个表可包含多个单值索引）。
- 复合索引：一个索引包含多个列。
- 唯一索引：索引列的值必须唯一，可以为null。
2. 基本语法
- 创建：
CREATE [UNIQUE] INDEX indexName ON tableName(columnName);和ALERT tableName ADD [UNIQUE] INDEX indexName ON (columnName); - 删除：
DROP INDEX [indexName] ON tableName; - 查看：
SHOW INDEX FROM tableName;
三、index的优缺点？
1. 优点
- ==提高数据索引效率，降低数据库的io成本。== 索引采取BTREE数据结构，这种数据结构，非常有利于减少硬盘的读取次数。假定一个节点可以容纳100个值，那么3层的B树可以容纳100万个数据！假定操作系统一次读取一个节点，并且根节点保留在内存中，那么B树在100万个数据中查找目标值，只需要读取两次硬盘。
- 通过索引列对数据进行排序，降低数据排序的成本，降低了cpu的消耗。
2. 缺点
- 索引本身也是一种表,该表保存了主键和索引字段，并指向实体表的记录，索引也需要占用空间。
- 虽然极大的提高了查询速率，但是会降低表的更新速度（update、delete和insert）,因为更新表时不仅要保存数据，还要对应更新索引的。
- 索引只是提高效率的一个因素，如果有大数据量的表，需要花时间建立最优秀索引。
四、index的使用场景？不适合使用场景？
1. 适用场景（表的数据量较大）
- 主键自动建立唯一索引
- 频繁作为查询条件的字段应该创建索引
- 查询中与其它表关联的字段，外键关系建立索引
- 查询中排序的字段应该创建索引
- 查询中统计或分组字段
2. 不适用场景
- 频繁更新的字段或表不适合建立索引（降低更新效率）。
- where条件中没有使用到的字段不创建索引（浪费空间）。
- 表的数据量少，不适合建立索引。
- 数据列重复率高的不适合建立索引，比如性别：男，女。只有这两个字段，建立索引意义不大。
五、性能分析
1. Mysql query Optimizer(mysql查询优化器)
mysql中有专门负责优化SELECT语句的优化器，主要功能：通过计算分析系统中收集到的统计信息，为客户端请求的Query提高其默认的最优执行计划（可能和我们认为的最优相违背，这部分耗费时间最长）
2. 常见性能瓶颈
- CPU：cpu在饱和的时候数据一般发生在装入内存或者从磁盘上读取数据
- IO：磁盘I/O瓶颈发生在装入数据远大于内存容量的时候
- 服务器硬件性能瓶颈：top,free,iostat和vmstat来查看定位
3. SQL语句问题
Explain解释执行可查看sql运行状态，语法如下：EXPLAIN sql语句
mysql> explain select * from employee where username='jhon'; +----+-------------+----------+------------+------+-----------------------+-----------------------+---------+-------+------+----------+-------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+----------+------------+------+-----------------------+-----------------------+---------+-------+------+----------+-------+ | 1 | SIMPLE | employee | NULL | ref | idx_employee_username | idx_employee_username | 83 | const | 1 | 100.00 | NULL | +----+-------------+----------+------------+------+-----------------------+-----------------------+---------+-------+------+----------+-------+ 1 row in set, 1 warning (0.00 sec)
