1、什么是索引？
索引之于数据库，就好像目录之于书本。使用索引是为了提高数据查询的效率。在MySQL中，使用主键索引，可以快速定位到数据库表中的对应行。
2、实现索引的方式（数据结构）
①哈希表：是一种以键值(key-value)对存储的数据结构，输入一个key，通过哈希函数，可以确定一个位置，得到这个位置对应的value。缺点是，当多个key通过哈希运算确定的是哈希表中同一个位置，那么将发生冲突。一种解决办法是采用"拉链法"，即将所有冲突对象用链表相连。一般来说，这个链表是采用头插或者尾插的方式增加对象的对象，因此链表上的对象一般不是有序的。那么，如果在这种情况下进行范围查询，速度会很慢，因为对于范围查询中的每一个值，都要全部扫描一遍。所以哈希表只适合于等值查询。
②有序数组：这种类型的索引适合等值和范围查询，缺点是当进行插入或者删除记录的时候，需要挪动大量元素。因此，有序数组索引只适合静态存储索引，即存储的记录基本不会发生增删。
③搜索树：使用二叉平衡树，搜索一个节点的时间复杂度为O(logn)，为了保持树的平衡性，更新的时间复杂度为O(logn)。虽然平衡二叉树的搜索效率最高，但是实际中并不使用二叉树，因为索引是要写到磁盘上的，也要从磁盘读。记录数相同的情况下，二叉搜索树与N叉搜索树相比（N>2），二叉树的树高更大，那么一次查询可能需要访问的数据块就更多，即IO次数更多，查询更慢。MySQL中使用B+树作为索引数据结构。
3、为什么MySQL使用B+树作为索引数据结构而不是B树？
因为B+树中间节点不存储信息（B树的中间节点存储信息），数据都存储在叶子节点，所以同样大小的数据块可以容纳更多的索引，查询时磁盘访问次数就更少。
4、InnoDB两种索引
InnoDB中索引类型分为主键索引和普通索引。主键索引的叶子节点存储的是与主键对应的整行记录，普通索引的叶子节点存储的是对应主键的值。因此如果使用普通索引查找一行记录，则需要进行"回表操作"，即先从普通索引树中查找到主键值，再在主键索引树中找到对应行。
主键的长度越小，普通索引的叶子节点就越小，普通索引占用的空间就越小，这也是推荐用自增主键的原因之一。另一个原因是使用自增主键时，每次插入新记录都是追加操作，不涉及移动其他记录，也不会触发叶子节点的分裂。
5、索引优化
如果使用普通索引查找记录，很多情况下可能需要做"回表"操作。因此，可以想到的优化方式是避免"回表"。
①使用覆盖索引。即直接在普通索引上就可以拿到想要查询的信息，而不用二次索引。比如，如果有一个高频请求，要根据市民的身份证号查询其姓名，那么我们可以建立一个"身份证号、姓名"联合索引，首先通过身份证号定位到索引树的具体位置，再从该位置上获取到对应姓名。
②最左前缀原则。最左前缀可以是联合索引的最左N个字段，也可以是字符串索引的最左M个字符，使用这些最左前缀可以定位到所有包含这些前缀的索引。例如，有一个"name age"的联合索引，如果要查所有姓张的人，那么语句where name like ‘张%’是可以使用到这个联合索引的。
基于最左前缀原则，可以对联合索引进行优化，即如何调整索引内的字段顺序。调整的目标是，可以少维护一个索引。例如，对于name和age的联合索引，如果一般需要通过name查询age，也有只查询name、不查询age的情况，则索引内字段顺序为"name age"。但是如果有只查询age的情况，则"name age"的索引将不能使用，需要单独建age的索引。
③索引下推。对于不符合最左前缀原则的查询，比如对于"name age"的联合索引，查询语句是where name like ‘周%’ and age =10，那么在索引的遍历过程中，就会对索引中已包含的字段作判断，删除掉不满足条件的记录，减少回表次数。因此，对于每个查询到的姓张的联合索引，如果age=10，则回表查询，如果age!=10，则放弃回表。