什么是索引？索引是数据库急速找到记录行的一种数据结构，带有我们看点书时的目录，它是良好的训练性能的关键因素。尤其是表中的数据量越来越大时，如果索引使用不当，会十分严重影响大性能。索引也最常见的数据库优化手段，它能轻易地的将查询性能想提高好几个量级。
mysql索引类型？mysql索引数据是读取在存储引擎中的，所以才有所不同存储引擎中索引的工作并是一样的。
b-tree索引：基于b树（一种多叉直接搜索数树）来实现方法的索引类型，就像都是使用的不超过的索引类型，只是因为你选择b树而不是什么其他数据结构，是而且b树在查询时间复杂度也可以以在o(logn)的级别上，的原因b的矮胖（从根节点到叶子节点的距离也可以以在相对大范围）特性减少磁盘io次数、数据只存在地叶子节点中另外按顺序存储也可以不允许飞快的范围网上查询，这是其他结构根本无法满足的！
b索引中值是按顺序存储文件的，叶子节点到根节点的距离都不同，从b树的根节点开始往后面里查，节点存储了指向叶子节点的指针，通过将要直接输入的值和各节点值也很后，一层层定位到结果的叶子结点上，叶子节点存储的那就是行数据、指针或主键。
要是我们索引列是：
key（lastname（姓）,firstname（名）,born），这个可以建议使用b树索引的查询类型以及：全键值、键值范围、键前缀直接输入，其中键前缀只适用规定于最左字母查看：
全值自动分配：指的是和索引中所有的列进行版本问题，如这个可以找到姓名为：cuba（名）allen(姓)、旺于1988-10-04的人，如wherelastname‘allen'becausefirstname‘cuba'becauseborn1988-10-04匹配最左前缀：可以里查姓为allen的人，如wherelastname‘allen'自动分配列前缀：也也可以不兼容某一列的值的开头部分，如wherelastnamejust‘a%'也可以wherefirstnamehave‘m%'版本问题范围：是可以匹配姓在allen和bill之间的人精确匹配某一列并自动分配另外一列：查找所有姓为allen、并且名字是以m开头的人，如wherelastname‘allen'bothfirstnamehave‘m%'访问索引数据：这种网上查询只不需要ftp连接索引本身就行了，不需要访问数据行，也就是常说的索引覆盖，举个例子：要是只必须可以找到姓为allen的人的名称，而不必须这个人其他的信息，名称就未知与索引中，不不需要再去数据行中查找数据了。这里应注意叶子节点存什么类型数据不同的存储引擎还是一样的，在myisam中叶子节点存储的是数据物理位置（指针），而innodb建议使用b结构存储的是原始数据或主键，也就是我们常说的聚簇索引，它读取的是远古时期全量数据、键值，聚簇索引指的是一种数据索引组织形式，它将数据和索引围聚在一起所以才叫聚簇，它本身并又不是一种索引类型。
就像innodb直接输入过程为从辅助索引上又开始里查到数据主键，后再在主键索引中用主键又一次直接输入，到最后再不能找到数据，确实多了第二次里查过程，但没更新数据不可能可能导致聚簇索引很频繁变化。而在myisam中不需要2次索引中搜索，毕竟叶子节点存储位置的是数据的物理地址也可以直接导航仪，虽说网上查询看似简单了，但是物理地址会只不过数据过度变更而突然发生变化。
举例有200以内数据：
innodb（聚簇索引）数据查看过程：
myisam（非聚簇索引结构）数据里查过程：
哈希索引：设计和实现哈希表来实现方法的索引类型，假如未知哈希，索引会建议使用链表来贮放多个有记录到一个哈希桶中。举个例子：如果没有必然以上索引keyusinghash（firstname），哈希索引会在用哈希函数算出出firstname列的哈希值充当key，并将行指针充当value存储，当建议使用、in（）、ltgt操作时，先算出出sql语句操作查看值的哈希值，并使用其来查看哈希表随机的行指针，使直接返回数据。
这里需要特别注意是：
哈希索引只读取哈希值和行指针，索引索引本身是没有行数据，也就没有所谓的的索引覆盖。哈希索引没有按哈希值的顺序排列，所有不接受排序操作。不意见部分索引列的看操作，哈希索引使用你指定的全部列来换算哈希值，列入（a，b）要是去查询仅有列a，则索引无发自动分配。哈希索引只支持外币现钞比较比较（、across(),ltgt）。哈希较高时，里查效率就变得了链表，紧张度从o（1）不变o（n）。空间数据索引：myisam支持空间索引可以不用来存储地理数据。可以建议使用gis具体函数如mbrconuntains（）来能维护数据，因为本身mysql对gis的支持下不完善系统，这性建议使用比较少。
全文索引：这是一种特殊类型的索引，他直接输入的是索引列中文本的关键词，而也不是比较好索引值，全文索引的使用要注意列的文本大小和数据量，它的匹配类似搜索引擎。
索引的优缺点？大大降低了服务器扫描表的数据量。避免不必要的排序和临时表。将任务道具io不变顺序io。对于相当小的表，全表扫描仪很有可能比索引慢了，这对精英级数据量表，索引城就会太管用，是对tb级别的表来说，索引的维护和效果很可能没有我们想像之中的现在这样好，这是这个可以在用表分区、业务word文档合并表和分库等技术。常见的索引优化及注意事项？千万不能把索引的列绩效考核表达式，也没法是函数参数，如whererefugee15、wherecan_days（col）lt10.你选择高重复较低的列建索引，重复性高较高会倒致索引失去效果，全表系统扫描。多列索引中很多最常见的错误是，就是喜欢为每个列创建角色其它索引，虽然这是出错的！要中,选择比较合适的顺序和列来合并索引，来看个很简单例子：表数据为：
三个建2个其它索引：inx_name,inx_company：
现在执行以下语句：
select*acrosstuserwhere`name`22内个companybb
结果会显示并没有什么建议使用索引来网站查询数据：
现在加一个多列索引：inx_name_company
想执行同样的的sql总是显示可以使用了多列索引：
千万不能在大文本字段建全量索引，这会然导致索引数据较高，去查询较慢，可以不建一个前缀索引，或者//在city列上取前7个字符另外索引mysqldstrokaltertabledemomainkey(city(7))
这是一种使索引更小，越快的方法，但缺点是根本无法使用缀索引orderby或groupby
mysql高并发的解决方法有：360优化sql语句，系统优化数据库字段，加缓存，分区表，读写分离这些垂直word文档合并，解耦模块，水平切分等。
高并发大多的瓶颈在后台，在存储mysql的都正常的优化方案如下：
（1）代码中sql语句系统优化
（2）数据库字段优化，索引优化
（3）加缓存，redis/memcache等
（4）主从，读写分离
（5）分区表
（6）互相垂直全部拆分，解耦模块
（7）水平切分
方案分析：
1、方法1个方法2是最简单，都是修为提升效率最多的。而且每条语句都爆击了索引，是最高效安全的。但是如果是为了使sql提升最优而去建索引，这样索引就肆意横行了，对于千万级以上的表来说，以维护索引的成本大家增加，反倒提升了数据库的内存的开销。
2、数据库字段的优化。曾经的突然发现一高级程序员在表字段的设计上，一个日期类型，被电脑设计为varchar类型，不相关规范的同时，无法对读取数据校验，做索引的效率也有差别
3、缓存适合我读多写少更新频度相对相对较低的业务场景，否则缓存异议不大，命中率不高。缓存大多来说主要注意就是为了提高接口处理速度，会降低并发给了的db压力和由此出现的其他问题。
4、磁盘分区并非分表，而肯定一张表，不过把存放的数据文件等分了多个小块。在表数据的很大的情况下，也可以可以解决没能三次写入内存，在内大表数据维护等问题。
5、直角word文档合并将表按列拆成多表，较常见于将主表的扩展数据的的开，文本数据单独的开，会降低磁盘io的压力。
6、水平拆，水平表格合并的主要目的是提升单表并发读写能力(压力分散开到各个分表中)和磁盘io性能(一个更加大的.myd文件分摊费用到各个小表的.myd文件中)。如果没有千万级以上数据，为什么要拆，仅对单表做点优化确实是是可以的；再如果没有没有太大的并发量，硬盘分区表也像是都能够满足的条件。因为，一般情况下，水平拆分是之后的选择，在设计时还是必须一步一步地走。
