索引：排好序的快速查询数据结构
MySQL底层用的B+Tree，现在默认的引擎是InnoDB
为什么不用其它的数据结构存储数据呢？
不用二叉树：因为使用二叉树，当出现特殊情况，单边增长，会导致树跟表一样高，IO次数不会减少
不用红黑树：虽然红黑树会进行自平衡，使得树变矮，但是当数据非常庞大的时候，千万数据量的时候，红黑树也会变得非常高，IO次数依然很多
不用hash查找：当查询的条件为常量时，使用hash查找是很快（算出常量的hash码），但是如果查询条件为一个范围的话，就不好使了
不用BTree：每一个节点存储多个索引键值，这样就使得树横向增长，大大的降低了树的高度，极大的降低IO次数，基本不要超过10次IO，就能在千万级别的数据中查找到所需要的数据，但是缺点：每一个节点除了保存索引键值的数据外还保存了那一行的数据，由于每一次IO读取磁盘的数据大小是固定的，当一个节点里的每一条数据变大时，就会导致那一个节点所能存储的索引键值变少，为了在一次IO操作中读取足够的索引键值，就最终使用B+Tree，并且还能节省空间
使用B+Tree：每一个节点只存储索引键值，所有的数据存在树的叶子节点上，所有的叶子节点从最小到最大进行排序
注意：如果是主键索引，叶子节点才存储那整个行的数据，如果不是主键索引的B+Tree，叶子节点存储对应的主键id，所以MySQL推荐所有表的主键用整形并且自增，用整形好进行排序比较
建立索引：create index idx_字段名1_字段名2_字段名3 on 表名(字段名1,字段名2,字段名3)
查看索引：show index from 表名
删除索引：drop index 索引名 on 表名
引擎：InnoDB引擎（聚集索引）和MyISAM引擎（非聚集索引）
InnoDB引擎支持行锁，支持事务，B+Tree的叶子节点存储数据
MyISAM引擎只支持表锁，不支持事务，B+Tree的叶子节点存储文件指针，不存储数据，相比于InnoDB多一次IO操作
执行计划：MySQL是如何执行查询语句
EXPLAIN SELECT * FROM USER;
解释字段：
id：表的读取顺序
三种情况：
1、id相同，执行顺序由上至下
EXPLAIN SELECT * FROM USER,orders,route WHERE user.id = orders.userId AND orders.routeId = route.id;
结果：先查route路线表，再查orders订单表，最后查user用户表
2、如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行
EXPLAIN SELECT * FROM USER WHERE user.id IN (SELECT userId FROM orders);
结果：先查orders订单表，再查user表
3、id相同又不同，id高的先执行，id相同的顺序执行
EXPLAIN SELECT * FROM USER WHERE user.id IN (SELECT userId FROM orders);
结果：<subquery2>中的2代表前面的id2，这个执行计划的意思查询orders表，再查询user表，最后查询<subquery2>虚表，这个虚表指的是执行sql之后得到的新表，在新表select *筛选最终结果
select_type：什么样的查询
取值：
SIMPLE：简单的select查询，查询中不包含子查询或者UNION
PRIMARY：查询中若包含任何复杂的子部分，最外层查询则被标记为PRIMARY，简而言之就是最后被加载的那个
SUBQUERY/MATERIALIZED：在SELECT或WHERE中包含子查询
DERIVED：在FROM列表中包含的子查询被标记为DERIVED(衍生表)，MySQL会递归执行这些子查询，把结果放在临时表里
UNION：若第二个SELECT出现在UNION之后，则被标记为UNION；若UNION包含在FROM子句的子查询中，外层SELECT将被标记为：DERIVED
UNION RESULT：从UNION表获取结果的SELECT
table：查的哪个表
type：
显示查询使用了何种类型，
从最好到最差依次是：system>const>eq_ref>ref>range>index>ALL
取值：
system：表只有一行记录（等于系统表），这是const类型的特例，平时不会出现，这个可以忽略不记
const：表示通过索引一次就找到了，const用于比较primary key或者unique索引。因为只匹配一行数据，所以很快，如将主键置于where列表中，MySQL就能将该查询转换为一个常量
EXPLAIN SELECT * FROM USER WHERE id = 1;
eq_ref：唯一性索引扫描，对于每个索引键，表中只有一条记录与之匹配，常见于主键或唯一索引扫描
ref：非唯一性索引，返回匹配某个单独值的所有行
EXPLAIN SELECT * FROM orders WHERE userId = 1;
订单表里userId为1的用户下过多次订单
range：只检索给定范围的行，使用一个索引来选择行。key列显示使用了哪个索引
EXPLAIN SELECT * FROM USER WHERE id IN (1,2,3);
index：index和ALL区别为index类型只遍历索引树。这通常比ALL快，因为索引文件通常比数据文件小。index从索引中读数据，all从磁盘读数据
EXPLAIN SELECT username FROM USER;
ALL：全表扫描
EXPLAIN SELECT * FROM USER;
possible_keys：显示可能应用在这张表中的索引，一个或多个。查询涉及到的字段上若存在索引，则该索引将被列出，但不一定被查询实际使用
key：实际使用的索引。如果为NULL，则没有使用索引，查询中若使用了覆盖索引，则该索引出现在key列表中
key_len：表示索引中使用的字节数，可通过该列计算查询中使用的索引的长度。在不损失精确性的情况下，长度越短越好
ref：显示索引的哪一列被使用了，如果可能的话，是一个常数。哪些列或常量被用于查找索引列上的值
EXPLAIN SELECT * FROM USER WHERE id = 1;
rows：根据表统计信息和索引选用情况，大致估算出找到所需的记录所需要读取的行数
extra：十分重要的额外信息
取值：
Using filesort：说明mysql会对数据库使用一个外部的索引排序，而不是按照表内的索引顺序进行读取，MySQL中无法利用索引完成的排序操作称为文件排序
Using temporary：使用了临时表保存中间结果，MySQL在对查询结果排序时使用临时表，常见于排序order by和分许查询group by。
Using index：表示相应的select操作中使用了覆盖索引（Covering Index），避免了访问了表的数据行，效率不错！如果同时出现Using where，表明索引被用来执行索引键值的查找；如果没有同时Using where，表明索引来读取数据而非执行查找动作。
Using where：
索引失效？（如何避免）
1、全值匹配我最爱
2、最佳左前缀法则(带头大哥不能死，中间兄弟不能断)：如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中间的列：比如：idx_a_b_c 查询条件中生效的索引有：a，ab，abc，ac带这些条件的可以使用，直接使用b或c索引失效，直接使用bc也不行，带头大哥a不能没有，此外a，ab，abc，ac的顺序可以变换，比如abc变成bac，cab，cba同样可以使用到索引，因为SQL查询优化器会选择最优的查询方式，将bac，cab，cba处理成abc。虽然ac用到了索引，但是中间兄弟不能断，这里没有用到b，所以实际只用到了a的索引，c的没有使用
3、不再索引列上做任何操作(计算、函数、（自动or手动）类型转换)，会导致索引失效而转向全表扫描（索引列上无计算）
4、存储引擎不能使用索引中范围条件右边的列，但是范围的索引还是用到了的哦，type会变为range（范围之后全失效）
5、尽量使用覆盖索引（只访问索引的查询（索引列和查询列一致）），减少select *
6、mysql在使用不等于（!=或者<>）的时候无法使用索引会导致全表扫描
7、is null,is not null也无法使用索引
8、like以通配符开头('%abc...')mysql索引失效会变成全表扫描的操作(百分like加右边)
9、字符串不加单引号索引会失效(varchar类型一定不能少单引号，没有单引号会导致失效，会被项目经理骂死)
10、少用or，用它来连接时索引会失效
