一、Mysql为什么可以存储海量数据？
1.使用B+引擎，可以减少IO请求，使用的B+树，为N叉树，与普通的二叉树比较起来，高度跟低
2.查询效率稳定，每次都从根节点到叶子节点，叶子节点只存储数据
3.叶子节点为双向循环链表，且按照关键字大小进行排列，可以有效的进行范围查询，hash索引在等值查询上效率高。
二、InnoDB与聚簇索引
聚簇索引：数据与索引存放在一起，找到了索引就找到了数据
InnoDB：底层由B+树实现，每个节点对应innodb的一个page，page的大小固定为16K，同一页可以有多条数据，也就是说访问数据时候，已经把页page加载到buffer中，直接在内存中查询，不必再访问磁盘。
优点：
1.使用经常更新的表，适合崇礼并发更新请求
2.支持事务
3.有binlog容灾日志
4.支持外键约束
5.支持行级锁
三、Myisam与非聚簇索引
非聚簇索引：索引与数据不存放在一起，需要先将索引缓存到内存中去在找数据
myisam:mysql的默认存储引擎，读操作效率高，写效率低。
优缺点：
1.不支持事务，外键
2.只有表级锁
3.写效率低下
四、回表与索引覆盖
辅助索引，主键索引B+
回表：访问两次索引才能查询到数据【效率低下】
索引覆盖：表中的全部字段都是索引列的时候，会产生索引覆盖；解决回表问题，using index 【效率高】
例如：
select id, name from table where name = 'xxxx';
会先根据name的值，在name B+树上查找叶子节点
再去根据id获取id B+树上的所有数据
五、联合索引
1.当表中的全部字段都是索引列的时候，会产生索引覆盖。
2.通过索引就可以返回查询所需要的数据，这样避免了查到索引后再返回表操作，减少I/O提高效率。
3.此时，最左侧匹配原则可能会失败
覆盖索引失败原因：
1.select选择的字段中含有不在索引中的字段 ，即索引没有覆盖全部的列。
2.where条件中不能含有对索引进行like的操作。