索引index，是一种有序的数据结构，可以高效的获取数据，在数据库中维护着满足查找特定算法的数据结构，就是索引
无索引的情况，查询数据时会全表扫描，效率极低
索引结构
（1）二叉树，查询性能还行，但当数据顺序插入时，就会形成链表，数据量大时，层级就深，查询效率慢
（2）红黑树，是普通二叉树优化，但本质仍是二叉树，不适合大数据情况
（3）BTree，即多路平衡查找树，该树一个节点下可以挂多个节点，以一个5阶的树，他的每个节点底下可以挂5个子节点，每个节点最多存储4个key，5个指针。节点中超过了4个key，就会向上分裂。
（4）B+Tree，以4阶的树为例，所有的元素都会出现在叶子节点，上面的节点不存放数据，且叶子节点形成了单项链表、
在mysql中的B+Tree中，对普通的树进行了优化，即叶子节点形成的不再是单向链表，而是双向链表
（5）Hash用一定的hash算法，算出对应的hash值，映射到对应的位置上，然后存储在hash表中
多个key计算的hash值有可能重复，可以通过链表来解决（类似HashMap）
Hash只能用于对等比较，不能范围查询，也不能排序，因为查询结果无序，但查询效率高，通常只需要查询一次，有时候遇到hash碰撞要多查询
索引的分类
（1）主键索引PRIMARY
（2）唯一索引UNIQUE
（3）常规索引
（4）全文索引FULLTEXT
innoDB中，索引按存储形式又分为聚集索引和二级索引
聚集索引就是叶子节点下挂的是这一行的行数据，而二级索引的叶子节点下挂的是表的主键，还要通过主键再次索引
如果表有主键，主键索引就是聚集索引
不存在主键，将使用第一个unique索引作为聚集索引
上述都不存在，则会自动生成一个rowid作为聚集索引
索引的语法
（1）查看对应表的索引 show index from 表名；
（2）创建索引 create [ PRIMARY/UNIQUE/FULLTEXT] index 索引名 on 表名；
索引名一般这样取：idx_
--------------------------
索引性能优化
性能的优化主要是优化查询语句，所以怎么才能知道什么表中的查询较多呢？
（1）根据show [session / global] status like 'Com__9_____';可以访问CRUD的访问频次
（2）查看慢查询日志
所有执行时间超过参数long_query_time的查询都会被记录在慢查询日志，默认下慢查询日志未开启
（3）profile
数据库支持profile的话可以使用，可以使用select @@have_profiling查看是否支持
profiling默认为关闭，需要set profiling = 1打开开关
show proflies能够帮我们查看sql优化中，时间都花在了哪里
（4）explain执行计划
前三种方法都只是在时间上判断sql语句性能，而explain或desc可以获取如何执行select的信息，包括在执行中表如何连接，和连接的顺序情况
explain执行计划中，各个字段的含义：
id：select查询的序列号，表示查询中执行select字句或是操作表的顺序，当id相同时，执行顺序从上到下，id不同，则id越大，越先执行。
select_type：表示select的类型，一般有primary（主查询，即外层查询），simple（不使用表连接或子查询），union（union中的第二个或之后的查询语句），subquery（子查询）
type：表示连接类型，性能由好到差的连接类型为：null（不使用任何表），system（访问了系统表），const（使用主键或唯一索引访问），eq_ref，ref（使用非唯一索引），range（范围查询），index，all，优化sql时尽量往前优化。
possible_keys：可能应用到这张表上的索引
keys：实际使用的索引，无则为null
key_len：索引使用的字节数，一般来说长度越短越好
rows：mysql认为必须要执行查询的行数，是一个估计值
filtered：返回结果的行数占需读取行数的百分比，越大越好
extra：额外展示的信息
