【Mysql索引原理概述】

Mysql索引

在介绍mysql索引之前，我们先了解一下索引。

索引（index）是帮助MySQL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

打个比方，假设我们要执行的语句是 select * from user where age = 45;

在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，也就是全表扫描，性能很低。

如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构：

此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

备注： 这里只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，请见下文。

①索引的优缺点：

· 优点：
提高了数据检索的效率，降低了数据库的I/O成本；
通过索引对数据进行排序，降低数据排序的成本，降低CPU的消耗。
·缺点：
索引列也只要占用空间的；
索引虽然大大提高了查询效率，同时却也降低了更新表的速度，如对表进行update\insert、delete时，效率会降低（由于增删改的时候，要去维护索引的数据结构，所以使数据更新的效率大大降低。）

②索引结构

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：
1）B+Tree索引：最常见的索引类型，大部分引擎都支持B+树索引。
2）Hash索引：底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询。
3）R-Tree（空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少。
4）Full-text（全文索引）：是一种通过建立倒排索引，快速匹配文档的方式，类似于Lucene，Solr，ES。

这四个是MySQL中所支持的所有的索引结构，不同的存储引擎对于索引结构的支持情况如下：

注： 通常情况下，索引如果没有特别指明，都是指B+树结构组织的索引。
假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下（下图中最左边的情况）：
如果主键是顺序插入的，则会形成一个单向链表（上图中间的树），查询性能大大降低。在数据量很大的情况下，由于一个节点下面只能存储两个字、节点，所以导致层级较深，检索速度就慢，上图中第三棵树（红黑树：自平衡的二叉树）也会面临这样的问题。
所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree。

☆B-Tree介绍（前置知识）

树的度数：一个节点的子节点个数。
B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

在这里，比20小的走第一个指针，20到30之间的走第二个指针，30到62之间的走第三个指针，62到89之间的走第四个指针，大于89的走第五个指针。指针的个数比key的个数多一个。
在这里可以通过一个数据结构可视化的网站，自己输入数据来简单演示一下树的生成过程：https://www.cs.usfca.edu/~galles/visualization/BTree.html

插入一组数据： 23 234 345 899 1200 1234 1500 1000 123 245 12 1567 1800 1980 2000 1888 2456 。然后观察一些数据插入过程中，节点的变化情况如下：
当插入23 234 345 899后：

再插入1200后，因为是5阶的树，一个结点最多存储4个Key，不可以存储5个key了。当插入1200之后，345就变成了中间的数，这时候，345向上分裂如图所示：

插入1234后，因为1234比345大，所以放在345右侧1200的后面，如图所示：

插入1500后，因为1500比1234大，放在1234的右边，如图所示：

插入1000后，由于1000比345大，但是345的右边子节点已经有四个key了，此时如果插入进去，1200就会成为这个子节点的中间元素，此时，中间元素1200向上分裂，由于899和1000比1200小，比345大，所以根结点下面有三个叶子结点，如图所示：

再插入123和245，如图所示：

再插入12后，123就变成了中间元素，向上分裂，如图所示：

再插入1567和1800，如图所示：

再插入1980，此时1567变为中间元素，向上分裂：

再插入2000和1888，如图所示：

再插入2456，此时1980变为中间元素，向上分裂：

但是向上分裂之后，上面节点就变味5个元素了，违背5阶，此时1200成为中间元素，继续向上分裂：

那么以上就是B-tree的演变过程。

B-Tree的特点：
· 5阶的B树，每一个节点最多存储4个key，对应5个指针。
· 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
· 在B树中，非叶子节点和叶子节点都会存放数据。

☆B+Tree索引

上述我们所看到的结构是标准的B+Tree的数据结构，MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。
B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，其结构示意图如下：

· 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
· 红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

相对于B-tree的区别：在B+tree节点中，所有的数据都会出现在叶子结点，叶子结点会形成一个单向链表，非叶子节点只是起到索引数据的作用。

也可以通过一个数据结构可视化的网站来简单演示一下：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

还是以5阶的为例，依次插入数据1000、234、567、232、890、1234、2345，观察节点的变化情况：
插入数据1000、234、567、232之后：

插入890，按照上面说的B-Tree的特点，应该是中间元素567向上分裂，但是在这里有一些不同，如图所示：

我们可以看到，567在向上分裂的同时，叶子结点中仍然有567，而且叶子结点形成了一个单向链表。

再插入数据1234，如图所示：

插入数据2345后，中间元素1000向上分裂，同时也会出现在叶子节点中，如图所示：

以上就是B+Tree的演变过程，叶子结点会形成一个单向链表，非叶子节点只是起到一个索引数据的作用。

☆Hash索引

MySQL中除了支持B+Tree索引，还支持Hash索引。
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

其中橙色部分是一行的哈希值。
如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决：

特点：

· Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）；
· 无法利用索引完成排序操作；
· 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引。

在MySQL中，支持hash索引的是Memory存储引擎。 而InnoDB中具有自适应hash功能（指的是MYSQL会根据我们的查询条件在指定的条件下会自动的将B+Tree索引构建为hash索引），hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

为什么InnoDB存储引擎选择使用B+tree索引结构?
A. 相对于二叉树，层级更少，搜索效率高；
B. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
C. 相对Hash索引，B+tree支持范围匹配及排序操作；

③索引分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

④聚集索引&二级索引

而在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：聚集索引和二级索引。

聚集索引选取规则:
· 如果存在主键，主键索引就是聚集索引；
· 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
· 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

聚集索引和二级索引的具体结构如下：

聚集索引（B+Tree结构）的叶子结点上挂的是这一行的数据，二级索引的叶子结点上挂的是该字段对应的主键值。

当我们执行如下的SQL语句时，具体的查找过程是这样的：
假设要执行语句select * from user where name='Arm';
为name字段建立的是一个二级索引，从Lee开始索引：

因为Arm的A是在L之前，所以指针继续向下定位：

此时A依然在G之前，继续向下定位：

找到了Arm，并拿到其记录对应的ID值，继续到聚集索引中去寻找这一行的数据：

(1) 由于是根据name字段进行查询，所以先根据name='Arm’到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到 Arm 对应的主键值 10。
(2) 由于查询返回的数据是*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row。
(3) 最终拿到这一行的数据，直接返回即可。

回表查询： 这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

语句select * from user where id = 10 ;的执行效率要高于语句select * from user where name = 'Arm' ;因为前者直接走聚集索引，直接返回数据。 而后者需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。

那么InnoDB主键索引的B+tree高度为多高呢?
假设:一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
设n为当前根节点存放的key的数量。
若高度为2：
n * 8 + (n + 1) * 6 = 16* 1024 , 算出n约为 1170，则有1171个指针
1171* 16（一个指针指向的节点有16行数据） = 18736
也就是说，如果树的高度为2，则可以存储 18000 多条记录。

若高度为3：
1171 * 1171 * 16 = 21939856（根结点下面有1171个子节点，而每个子节点下面又有1171个子节点）
也就是说，如果树的高度为3，则可以存储 2200w 左右的记录。

⑤索引语法

1）创建索引
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,... ) ;
（一个索引是可以关联多个字段的，如果一个索引只关联一个字段，称之为单列索引。如果一个索引关联多个字段，称之为联合索引或组合索引）

2）查看索引
SHOW INDEX FROM table_name ;

3）删除索引
DROP INDEX index_name ON table_name ;

示例：在test2数据库中建立如下索引（这里面是我创建的数据库test2，读者们也可以自己创建一个数据库实践一下）：
A. name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
CREATE INDEX idx_user_name ON tb_user(name);

B. phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);

C. 为profession、age、status创建联合索引。
CREATE INDEX idx_user_pro_age_sta ON tb_user(profession,age,status);

D. 为email建立合适的索引来提升查询效率。
CREATE INDEX idx_email ON tb_user(email);

完成上述的需求之后，可以查看tb_user表的所有的索引数据：

⑥SQL性能分析

对于SQL优化来说，主要优化的是查询语句。而在优化查询语句的时候，索引的优化占主导地位。

☆SQL执行频率

MySQL 客户端连接成功后，通过 show [session|global] status 命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：

-- session 是查看当前会话 ;
-- global 是查询全局数据 ;
SHOW GLOBAL STATUS LIKE 'Com_______';

查看访问频次结果如下：

通过上述指令，我们可以查看到当前数据库到底是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。 如果是以增删改为主，我们可以考虑不对其进行索引的优化。 如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

假如说是以查询为主，该如何定位针对于那些查询语句进行优化呢？ 此时可以借助于慢查询日志。

☆慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志。
MySQL的慢查询日志默认没有开启，我们可以查看一下系统变量 slow_query_log。

在慢查询日志中，只会记录执行时间超多我们预设时间（2s）的SQL，执行较快的SQL是不会记录的。通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化。

☆profile详情

如果说超过2s就是慢查询，那么对于1.95s的SQL查询语句，相对来说也是效率较低的，但是此时慢查询解决不了SQL优化的问题，就需要profile。

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作：
执行语句SELECT @@have_profiling ;

通过语句SELECT @@profiling ;来查看profile开关是否开启，如果为0，执行语句SET profiling = 1;开启。

开关已经打开了，接下来，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。 我们直接执行如下的SQL语句：

select * from tb_user;
select * from tb_user where id = 1;
select * from tb_user where name = '白起';
select count(*) from tb_sku;

执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：

-- 查看每一条SQL的耗时基本情况
show profiles;

-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;

-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;

在执行show Profiles;语句后：

可以看到每一条语句的执行状态和花费的时间。

☆explain

EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。（执行过程当中到底是否真正用到了索引）

在语句前加上explain 或者desc就可以看到语句的执行情况：
执行语句explain select * from tb_user where id = 1;后，可以看到：

其中paartitions是分区，type是连接类型，possible_keys是可能用到的索引，keys是实际用到的索引，key_lens是索引的长度，rows是扫描的记录数，extra是额外的信息。

在多表查询中：
情况一：在test2数据库中，执行语句select s.*,c.* from student s,course c,student_course sc where s.id=sc.studentid and c.id=sc.courseid;来查询学生选课信息。

然后执行explain select s.*,c.* from student s,course c,student_course sc where s.id=sc.studentid and c.id=sc.courseid;观察这条语句的执行计划如下：

可以看到表的执行顺序是s表，sc表，c表。

情况二：查询选修了Mysql课程的学生；（子查询）
若不用子查询，查询语句如下：

select id from course c where c.name='MySQL';
select studentid from student_course where courseid=3;
select * from student s where s.id in (1,2);

执行语句select * from student s where s.id in (select studentid from student_course where courseid=(select id from course c where c.name='MySQL'));

在前面加上explain，可以看到这条语句的执行计划如下：

在explain的查询结果中，id值不同的情况下，id越大，执行的优先级就越高。如果id值相同，执行顺序为从上到下，其中subquery表示子查询。

select_type表示查询的类型，type代表的是访问的类型，在优化SQL语句时，尽量往前面进行优化。NULL的性能是最好的，但对于业务系统中的SQL来说，一般不太可能用到NULL，因为当查询的时候不访问任何表，才会出现NULL，当我们通过主键或者唯一索引时就会出现const，如果使用非唯一索引，就会出现ref，index代表用了索引，但是也会对索引进行扫描遍历整个索引树。

⑦索引使用

执行语句select * from tb_sku where id = 1; 后可以看到，即使sku表中有上万条数据，但通过主键索引速度还是很快的，因为id是有聚集索引的。

执行语句SELECT * FROM tb_sku WHERE sn = '100000003145001'; ，我们可以看到根据sn字段进行查询，查询返回了一条数据，结果耗时 3s，就是因为sn没有索引，要进行全表扫描，而造成查询效率很低。

那么我们可以针对于sn字段，建立一个索引，create index idx_sku_sn on tb_sku(sn) ; 建立了索引之后，我们再次根据sn进行查询，再来看一下查询耗时情况。

然后再次执行相同的SQL语句，再次查看SQL的耗时，耗时0.0012s，明显会看到，sn字段建立了索引之后，查询性能大大提升。建立索引前后，查询耗时都不是一个数量级的。

☆最左前缀法则

如果索引了多列（联合索引），要遵守最左前缀法则。**最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。**如果跳跃某一列，索引将会部分失效(后面的字段索引失效)。

执行语句show index from tb_user;查看tb_user表的索引：

可以看到idx_user_pro_age_sta是一个联合索引，这个联合索引涉及到三个字段，顺序分别为：profession，age，status。对于最左前缀法则指的是，查询时，最左边的列，也就是profession必须存在，否则索引全部失效。而且中间不能跳过某一列，否则该列后面的字段索引将失效。

执行语句explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0';查看具体的执行计划：

可以看到这时候的联合索引长度是42，再执行语句explain select * from tb_user where profession = '软件工程' and age = 31; 查看去掉一列之后的执行计划：

再执行语句explain select * from tb_user where profession = '软件工程'; ，查看执行计划：

经过这三组测试数据，我们发现只要联合索引最左边的字段 profession存在，索引就会生效，只不过索引的长度不同。 而且由以上三组测试，我们也可以推测出profession字段索引长度为36、age字段索引长度为2（38-36=2）、status字段索引长度为4（42-38=4）。

执行语句`explain select * from tb_user where age = 31 and status = ‘0’;和explain select * from tb_user where status = '0';可以看到，

索引并未生效，原因是因为不满足最左前缀法则，联合索引最左边的列profession不存在。

执行语句explain select * from tb_user where profession = '软件工程' and status = '0';可以看到：

上述的SQL查询时，存在profession字段，最左边的列是存在的，索引满足最左前缀法则的基本条件。但是查询时，跳过了age这个列，所以后面的列索引是不会使用的，也就是索引部分生效，所以索引的长度就是36。

注：执行SQL语句explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程'； 时是完全满足最左前缀法则的，索引长度42，联合索引是生效的。所以最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是第一个字段)必须存在，与我们编写SQL时，条件编写的先后顺序无关。

☆范围查询

联合索引中，若出现范围查询(>,<)，范围查询右侧的列索引失效。

例如，执行语句explain select * from tb_user where profession = '软件工程' and age > 30 and status= '0';时：

从上图中可以看到，当范围查询使用> 或 < 时，走联合索引了，但是索引的长度为38，就说明范围查询右边的status字段是没有走索引的。

执行语句explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';后：

当范围查询使用>= 或 <= 时，走联合索引了，但是索引的长度为42，就说明所有的字段都是走索引的。

所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 <。

☆索引失效情况

（1）.索引列运算
**不要在索引列上进行运算操作， 索引将失效。**例如：

①当根据phone字段进行等值匹配查询时, 索引生效：
执行语句explain select * from tb_user where phone = '17799990015'; 查看执行计划：

此时索引是生效的。

②当根据phone字段进行函数运算操作之后，索引失效。
执行语句explain select * from tb_user where substring(phone,10,2) = '15';查看执行计划：

此时key为0，索引失效。

（2）字符串不加引号
字符串类型字段使用时，不加引号，索引将失效。**例如：

执行语句explain select * from tb_user where profession = '软件工程' and age = 31 and status= 0;查看执行计划：

索引长度为38，只走了profession这一个字段的索引，后两个字段的索引失效，但是查询结果是对的。
如果字符串不加单引号，对于查询结果，没什么影响，但是数据库存在隐式类型转换，索引将失效。

（3）模糊查询

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。

由于下面查询语句中，都是根据profession字段查询，符合最左前缀法则，联合索引是可以生效的，我们主要看一下，模糊查询时，%加在关键字之前，和加在关键字之后的影响：

explain select * from tb_user where profession like '软件%';
explain select * from tb_user where profession like '%工程';
explain select * from tb_user where profession like '%工%';

执行后两句的结果key都为NULL。在like模糊查询中，在关键字后面加%，索引可以生效。而如果在关键字前面加了%，索引将会失效。

（4）or连接条件

用or分割开的条件， 如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

执行语句：

explain select * from tb_user where id = 10 or age = 23;
explain select * from tb_user where phone = '17799990017' or age = 23;

执行结果如下：

由于age没有索引，所以即使id、phone有索引，索引也会失效。所以需要针对于age也要建立索引。

此时，可以对age字段建立索引：执行语句create index idx_user_age on tb_user(age);
查看执行后的变化：

最终可以发现，当or连接的条件左右两侧字段都有索引时，索引才会生效。

（5）数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

例如：执行语句explain select * from tb_user where phone >= '17799990005';后：

执行语句explain select * from tb_user where phone >= '17799990015';后：

可以发现，相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为因为MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。

执行下面两条语句：

explain select * from tb_user where profession is null;
explain select * from tb_user where profession is not null;

第一条语句执行结果：

第二条语句执行结果：

将profession字段值全部更新为null:
执行语句update tb_user set profession=null;后哉执行上述两条语句，观察执行计划如下：


一模一样的SQL语句，先后执行了两次，结果查询计划是不一样的，为什么会出现这种现象，这是和数据库的数据分布有关系。查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引走全表扫描。 因此，is null 、is not null是否走索引，得具体情况具体分析，并不是固定的。

☆SQL提示

在我本地数据库test2的tb_user表中，查看索引情况如下：

把上述的 idx_user_age, idx_email 这两个之前测试使用过的索引直接删除。

drop index idx_user_age on tb_user;
drop index idx_email on tb_user;

执行语句explain select * from tb_user where profession = '软件工程';查询到走了联合索引：

然后创建profession的单列索引：create index idx_user_pro on tb_user(profession);再执行上述语句：

根据测试结果，可以看到，possible_keys中 idx_user_pro_age_sta,idx_user_pro 这两个索引都可能用到，最终MySQL选择了idx_user_pro_age_sta索引。这是MySQL自动选择的结果。那么，我们能不能在查询的时候，自己来指定使用哪个索引呢？ 答案是肯定的，此时就可以借助于MySQL的SQL提示来完成。

SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。
1). use index ： 建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估）。
explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';

2). ignore index ： 忽略指定的索引。
explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';

3). force index ： 强制使用索引。
explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';

☆覆盖索引

覆盖索引是指 查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到 。减少select *：

explain select id, profession from tb_user where profession = '软件工程' and age =31 and status = '0' ;
explain select id, profession from tb_user where profession = '软件工程' and age =31 and status = '0' ;
explain select id,profession,age, status from tb_user where profession = '软件工程'and age = 31 and status = '0' ;

上面三条指令的执行结果都是一样的，除了extra中的内容。

extra中的内容出现using where或using index表示查询性能高，出现了using index condition/null性能会低

因为，在tb_user表中有一个联合索引 idx_user_pro_age_sta，该索引关联了三个字段profession、age、status，而这个索引也是一个二级索引，所以叶子节点下面挂的是这一行的主键id。 所以当我们查询返回的数据在 id、profession、age、status 之中，则直接走二级索引直接返回数据了。 如果超出这个范围，就需要拿到主键id，再去扫描聚集索引，再获取额外的数据了，这个过程就是回表。 而我们如果一直使用select * 查询返回所有字段值，很容易就会造成回表查询（除非是根据主键查询，此时只会扫描聚集索引）。

示例：一张表, 有四个字段(id, username, password, status), 由于数据量大, 需要对以下SQL语句进行优化：
select id,username,password from tb_user where username ='itcast';
针对于 username, password建立联合索引, sql为: create index idx_user_name_pass on tb_user(username,password);
这样可以避免上述的SQL语句在查询的过程中出现回表查询，是最优的解决方案，

☆前缀索引

当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO， 影响查询效率。**此时可以只将字符串的一部分前缀，建立索引，**这样可以大大节约索引空间，从而提高索引效率。

（1）语法
create index idx_xxxx on table_name(column(n)) ;

（2）前缀长度
可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，（比值越大）索引选择性越高则查询效率越高， 唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

执行语句select count(distinct email) from tb_user ;查询tb_user中email值不重复的记录个数；
执行语句select count(distinct email) / count(*) from tb_user ;查询email这个字段的选择性。

选择性为1的性能是最好的，也是最高的。

执行语句select count(distinct substring(email,1,10)) / count(*) from tb_user ;后发现选择性依然是1，若截取前9个，就不是1 了。最后发现，截取前5个的结果和截取前9个是一样的，这时候为了存储空间考虑，就选择截取前五个了。

于是为tb_user表的email字段，建立长度为5的前缀索引：
create index idx_email_5 on tb_user(email(5));
接下来执行语句explain select * from tb_user where email='[email protected]'; 查看执行计划。

☆单列索引和联合索引

单列索引：即一个索引只包含单个列。
联合索引：即一个索引包含了多个列。

执行语句explain select id,phone,name from tb_user where phone='17799990010' and name='韩信';查看其执行计划如下：

通过上述执行计划我们可以看出来，在and连接的两个字段 phone、name上都是有单列索引的，但是最终mysql只会选择一个索引，也就是说，只能走一个字段的索引，此时是会回表查询的。

紧接着，再来创建一个phone和name字段的联合索引来查询一下执行计划：

create unique index idx_user_phone_name on tb_user(phone,name);

此时，就走了联合索引，而在联合索引中包含 phone、name的信息，在叶子节点下挂的是对应的主键id，所以查询是无需回表查询的。
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。

☆索引设计原则

1). 针对于数据量较大（超过100多w），且查询比较频繁的表建立索引。
2). 针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引。
3). 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
4). 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
5). 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
6). 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
7). 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。