索引大家可以理解为一本书里的目录，方便大家快速定位到自己要的章节，哪么在数据库里也一样，如果一个表数据有1000行数据，如何更快的查询到满足条件的记录，哪么索引就可以派上用场了，索引跟表一样，有自己的存储空间，只是表现形式不一样。
索引有很多种：分区和非分区索引、常规B树索引、位图（bitmap）索引、翻转（reverse）索引等。其中，B树索引属于最常见的索引，今天我们讲解下B树索引的原理。
上图是表示有1000行记录的二叉树结构，从顶层根节点到底层叶节点一共只有10层 ，假设我们只要查询ID=600这行，如果在没有索引情况下，要对表做整表扫描，从第1行开始扫，发现ID=1条件不成立，继续扫第二行，直到最后一行，相当于扫描了1000行，大家可能不理解为什么扫描到第600行后还要扫描呢，因为系统不知道是否有重复的ID=600记录呀，所以必须全部扫描后再返回数据，哪现在我们有了索引，系统是如何快速找到记录的呢，数据库系统会维护上图的这样一个结构，首先找根节点发现600>500,则往右边找下一层（第二层），600<750，则往左边找下一层。整个过程如下：500->750->625->562->594->……->600整个过程只要了10次，所以一下就从1000次减到只要10次了，是不是效率上来了，不过在工业中，我们的记录会要多得多，要是有1亿条呢，按这种情况也要查询30次以上了，效率也慢下来了，就有了B+树，就是在每一层中不是只做二叉，而是做多叉分开。如下图：
做了8叉树后我们的层级只要4层了，这样对大数据记录访问的次数就减少了。
优点：1：快速查询我们需要的数据，比如ID=600。
2：对范围查询也能很快查询出来，比如ID>500 AND ID<600，因为在索引里已是一个排序的记录，找到最少的一条后，直接读取索引的下一条，直到条件不成立。
缺点：因为系统要维护这个索引，增加存储空间，维护资源，在做表插入和删除记录时会影响性能。
语法：CREATE INDEX index_name ON table (column[, column]...);
CREATE INDEX idx_t_sales_user_no ON t_sales (user_no);
我们再来看下查询有索引字段脚本的执行计划，标红色的表示我们这个脚本是有走索引的。
下面是执行一个没有索引字段的脚本，执行计划是全表扫描了。
更多技术文章请关注公众号(长按后点识别图中二维码):
