概念
一种用于提高数据库查询性能的有序的数据结构。通过使用索引，数据库引擎可以快速定位到存储表中的特定数据，而不必逐行遍历整个表。在处理大量数据的时候可以显著加快数据检索的速度。
通过索引列队数据进行排序，降低数据排序的成本，降低了cpu的消耗（索引列会自动对数据进行排序）
索引是在存储引擎中实现的，不同的存储引擎，索引的结构不同。
存储引擎是控制数据如何存、如何取、如何组织，而具体的数据最终是存储在磁盘中的。
存储引擎是存储数据，建立索引，更新数据/查询数据的实现方式。存储引擎是基于表的，不是基于库的。换句话说一个数据库下可以有多个存储引擎。
B+树和B树的结点：
B+树非叶子节点只存储key，不存储值，直到叶子节点才存储值，非叶子节点主要起到索引作用，叶子节点包含了所有插入的元素。
B树每个结点即存值又存key，导致每个结点存储的key的个数少，进而导致树的层数很深。
索引是帮助MySQL高效获取数据的 数据结构（有序）。
提高查询效率，提高排序效率，但是索引也占用空间，虽然能提高查询效率，但是降低了更新表的速度，因为在更新的时候也要维护索引。所以说不是索引越多越好！！
InnoDB为什么使用B+树，而不是Hash等其他的索引结构？
①不用二叉树，因为如果是顺序存储，则层级会特别深，链表。
②不用B树，因为：对于同一个页单位【页单位大小固定】，如果又存放Key又存放指针，那么存放的指针会很少，导致数值数量一样的情况下，B树会比B+树更深，查询的更慢，而B+树因为在非叶子结点中的页单位里，只存放指针，那么一个页单位可以存放很多个指针（相对B树），那么B+树的层级就会低，查询效率提高。
③不用Hash，因为Hash索引只能做到精确查找，不能进行范围查找，同时Hash不能对数据进行排序操作。
聚集索引和二级索引
在InnoDB存储引擎中，根据索引的存储形式，分为聚集索引（指针）和二级索引（二级指针）
索引结构中，叶子结点存放的是整行的行数据。必须有，且只有一个。
索引结构中，叶子结点存放的是对应的主键。可以有多个。除了聚集索引以外的索引都是二级索引
聚集索引选取规则
如果存在主键，主键就是聚集索引。
如果没有设置主键，默认第一个唯一索引就是聚集索引。
如果又没有主键，又没有唯一索引，那么InnoDB会自动生成一个rowid作为隐藏的聚集索引。
对于叶子节点：聚集索引存放的是一行的全部信息，而二级索引存放的是主键值（然后通过主键值，再回表）
回表查询
：先查二级索引，得到主键值，再拿该主键值去查聚集索引。【先介绍下聚集索引和二级索引】
前缀索引
create index idx_xxxx on table_name(column(n)) ;
对于行文本，字符串类型，通过取前n位，作为区分
联合索引
一个索引涉及到多个列，查询条件涉及多个列，意义就是减少回表查询，覆盖索引，提高查询效率。
覆盖索引
：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。如select id，name from a where name = jack ，因为name是二级索引，通过该索引查到了id，也就是主键值，不需要回表查询，所以叫做覆盖索引，因此尽量不要使用select *。
索引失效的场景
用到复合（联合）索引的时候，违反最左前缀法则【查询的时候必须从索引的最左列开始，如果跳过了中间某一列，则跳过之后的索引都失效】
当查询条件有范围查询的时候，其右边的条件，如where id > 1 and xxx 【and后面的索引都会失效】
在索引列上进行运算操作
隐式类型转换（如表中数据是字符串类型，而你给他一个int类型，即不加单引号）
以%开头的模糊查询
索引设计原则
①数据量大，且查询比较频繁的表建立索引，如果一个表全是增删改，就没必要了
②常作为查询条件where、order by、group by操作的字段建立索引，如果一次查询条件的字段为多个，也可以考虑设置联合索引，但记住它们的顺序不能改变，要遵守最左配对原则
③选择区分度高的列作为索引，像性别男女就没必要。
④如果是字符串类型的字段，且长度较长，可以针对字段的特点，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，避免回表，提高查询效率。
⑥控制索引的数量，索引越多，维护索引结构的代价也越大，会影响增删改的效率