一：介绍
为何要有索引？
回答：
一般的应用系统，读写比例在10：1左右，而且插入操作和一般的更新操作很少出现性能问题，
在生产环境中，我们遇到最多的，也就是最容易出问题的，还是一些负责的查询操作，
因此对查询语句的优化显然是重中之重。说起加速查询，就不得不提到索引了。
什么是索引：
回答：
这里的索引，形象的可以理解为一本数中，里面的目录就索引。我们可以通过索引，快速查询到我们需要的数据。
专业说法：
索引在MySQL中也叫做“键”，是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能
非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。
索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。
索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查。
二：索引的原理
索引的原理：
1.索引的目的在于提高查询效率。
与我们查阅图书所用的目录是一个道理：先定位到章，然后定位到该章下的一个小节，然后找到页数。
相似的例子还有：查字典，查火车车次，飞机航班等
本质都是：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，
也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。
数据库也是一样，但显然要复杂的多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。
数据库应该选择怎么样的方式来应对所有的问题呢？
我们回想字典的例子，能不能把数据分成段，然后分段查询呢？
最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段......这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。
但如果是1千万的记录呢，分成几段比较好？
稍有算法基础的同学会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。
但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的。
而数据库实现比较复杂，一方面数据是保存在磁盘上的，另外一方面为了提高性能，
每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，
所以简单的搜索树难以满足复杂的应用场景。
三：索引的数据结构
以上是： b+树性质
1.索引字段要尽量的小
2.索引的最左匹配特性
三：mysql 索引管理
1.功能
1.索引的功能就是加速查找
2.mysql中的primary key，unique， 联合唯一也都是索引
2.mysql的索引分类
1.普通索引：
index: 加速查找
2.唯一索引：
主键索引 primary key : 加速查找+约束（不为空、不能重复）
唯一索引 unique : 加速查找+约束 （不能重复）
3.联合索引：
primary key(id,name) -----联合主键索引
unique(id,name) -----联合唯一索引
index(id,name) -----联合普通索引
各个索引的运用场景：
举个例子来说，比如你在为某商场做一个会员卡的系统。 这个系统有一个会员表 有下列字段： 会员编号 INT 会员姓名 VARCHAR(10) 会员身份证号码 VARCHAR(18) 会员电话 VARCHAR(10) 会员住址 VARCHAR(50) 会员备注信息 TEXT 那么这个 会员编号，作为主键，使用 PRIMARY 会员姓名 如果要建索引的话，那么就是普通的 INDEX 会员身份证号码 如果要建索引的话，那么可以选择 UNIQUE （唯一的，不允许重复） #除此之外还有全文索引，即FULLTEXT 会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。 用于搜索很长一篇文章的时候，效果最好。 用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。 但其实对于全文搜索，我们并不会使用MySQL自带的该索引，而是会选择第三方软件如Sphinx，专门来做全文搜索。 #其他的如空间索引SPATIAL，了解即可，几乎不用
3.索引的两大类型 hash 与 btree
#我们可以在创建上述索引的时候，为其指定索引类型，分两类 hash类型的索引：查询单条快，范围查询慢 btree类型的索引：b+树，层数越多，数据量指数级增长（我们就用它，因为innodb默认支持它） #不同的存储引擎支持的索引类型也不一样 InnoDB 支持事务，支持行级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引； MyISAM 不支持事务，支持表级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引； Memory 不支持事务，支持表级别锁定，支持 B-tree、Hash 等索引，不支持 Full-text 索引； NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 B-tree、Full-text 等索引； Archive 不支持事务，支持表级别锁定，不支持 B-tree、Hash、Full-text 等索引；
4.创建/删除索引的语法
方法一：创建表时
create table 表名 (
字段1 数据类型 [完整性约束条件...],
字段2 数据类型 [完整性约束条件...],
[unique | fulltext | spatial ] index | key
[索引名] (字段名[(长度)] [asc | desc])
);
方法二：create 在已存在的表上创建索引
create [unique | fulltext | spatial ] index 索引名
on 表名 (字段名[(长度)] [asc | desc]);
方法三：alter table 在已存在的表上创建索引
alter table 表名 add [unique | fulltest |spatial ] index
索引名 (字段名[(长度)] [asc |desc] );
删除索引： drop index 索引名 on 表名字；
四：测试索引
1.准备
#1. 准备表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);
#2. 创建存储过程，实现批量插入记录
delimiter $$ #声明存储过程的结束符号为$$
create procedure auto_insert1()
BEGIN
declare i int default 1;
while(i<3000000)do
insert into s1 values(i,concat('egon',i),'male',concat('egon',i,'@oldboy'));
set i=i+1;
end while;
END$$ #$$结束
delimiter ; #重新声明分号为结束符号
#3. 查看存储过程
show create procedure auto_insert1G
#4. 调用存储过程
call auto_insert1();
2.在没有索引的前提下测试查询速度
3.加上索引之后
五：正确使用索引
1.并不是索引建立了就会提升速度的，索引也要依照各种情况而定。如下索引就未命中
2.覆盖索引 与 索引合并（两个字段单独建立索引）
#覆盖索引：
- 在索引文件中直接获取数据
http://blog.itpub.net/22664653/viewspace-774667/
#分析
select * from s1 where id=123;
该sql命中了索引，但未覆盖索引。
利用id=123到索引的数据结构中定位到该id在硬盘中的位置，或者说再数据表中的位置。
但是我们select的字段为*，除了id以外还需要其他字段，这就意味着，我们通过索引结构取到id还不够，还需要利用该id再去找到该id所在行的其他字段值，这是需要时间的，很明显，如果我们只select id，就减去了这份苦恼，如下
select id from s1 where id=123;
这条就是覆盖索引了，命中索引，且从索引的数据结构直接就取到了id在硬盘的地址，速度很快
#索引合并：把多个单列索引合并使用 #分析： 组合索引能做到的事情，我们都可以用索引合并去解决，比如 create index ne on s1(name,email);#组合索引 我们完全可以单独为name和email创建索引 组合索引可以命中： select * from s1 where name='egon' ; select * from s1 where name='egon' and email='adf'; 索引合并可以命中： select * from s1 where name='egon' ; select * from s1 where email='adf'; select * from s1 where name='egon' and email='adf'; 乍一看好像索引合并更好了：可以命中更多的情况，但其实要分情况去看，如果是name='egon' and email='adf',那么组合索引的效率要高于索引合并，如果是单条件查，那么还是用索引合并比较合理