【【【Mysql数据库中，什么情况下设置了索引但⽆法使⽤?
1. 没有符合最左前缀原则d
2. 字段进⾏了隐式数据类型转化【数据库是varchar，但是传参是int的不行，反之是可以的】
3. ⾛索引没有全表扫描效率⾼
【【【索引种类有哪些
system：系统表中只有一条记录，或者对于一个返回单条记录的衍生表进行主查询。这种类型非常快，但实际开发中很少遇到。
const：当索引列是主键或唯一键，并且查询条件完全匹配这个值时，可以到达这个级别。例如，SELECT * FROM table WHERE id = 1;，其中id是主键或唯一索引。
eq_ref：对于每个索引键的查询，返回匹配唯一行数据。这通常发生在使用主键或唯一索引进行查询时。
【普通索引】ref：非唯一性索引，对于每个索引键的查询，返回匹配的所有行（可以是0，或多个）。
range：检索指定范围的行，查找一个范围内的数据，例如使用BETWEEN, IN, <, >等操作符的查询。
index：索引全表扫描，比ALL快，因为索引文件通常比数据文件小，并且索引是按顺序存储的。
ALL：全表扫描，这是最不高效的类型，因为没有使用索引，数据库需要扫描整个表来查找匹配的行
MySQL 索引类型有哪些？
主键索引
索引列中的值必须是唯一的，不允许有空值。
普通索引
MySQL中基本索引类型，没有什么限制，允许在定义索引的列中插入重复值和空值。
唯一索引
索引列中的值必须是唯一的，但是允许为空值。
全文索引
只能在文本类型CHAR,VARCHAR,TEXT类型字段上创建全文索引。字段长度比较大时，如果创建普
通索引，在进行like模糊查询时效率比较低，这时可以创建全文索引。MyISAM和InnoDB中都可以
使用全文索引。
空间索引
MySQL在5.7之后的版本支持了空间索引，而且支持OpenGIS几何数据模型。MySQL在空间索引这
方面遵循OpenGIS几何数据模型规则。
前缀索引
在文本类型如CHAR,VARCHAR,TEXT类列上创建索引时，可以指定索引列的长度，但是数值类型不
能指定。
阿里内部资料
其他（按照索引列数量分类）
1. 单列索引
2. 组合索引
组合索引的使用，需要遵循最左前缀匹配原则（最左匹配原则）。一般情况下在条件允许的情
况下使用组合索引替代多个单列索引使用。
【【【全文索引的用法
#查看长度是多少
SHOW VARIABLES LIKE 'ft_min_word_len';
SHOW VARIABLES LIKE 'innodb_ft_min_token_size';
#1-编辑配置文件
vim /etc/my.cnf
#添加以下内容
[mysqld]
ft_min_word_len = 1
innodb_ft_min_token_size = 1
#2-并且重启mysql服务
sudo systemctl restart mysqld
#3-删除之前创建的全文索引字段并且重新创建
#4-查询写法
SELECT * FROM user WHERE MATCH(name) AGAINST(concat('+', 'c', '*') IN BOOLEAN MODE);
说说在 MySQL 中一条查询 SQL 是如何执行的？
比如下面这条SQL语句：
1. 取得链接，使用使用到 MySQL 中的连接器。
select name from t_user where id=1
阿里内部资料
2. 查询缓存，key 为 SQL 语句，value 为查询结果，如果查到就直接返回。不建议使用次缓存，
在 MySQL 8.0 版本已经将查询缓存删除，也就是说 MySQL 8.0 版本后不存在此功能。
3. 分析器，分为词法分析和语法分析。此阶段只是做一些 SQL 解析，语法校验。所以一般语法错
误在此阶段。
4. 优化器，是在表里有多个索引的时候，决定使用哪个索引；或者一个语句中存在多表关联的时
候（join），决定各个表的连接顺序。
5. 执行器，通过分析器让 SQL 知道你要干啥，通过优化器知道该怎么做，于是开始执行语句。执
行语句的时候还要判断是否具备此权限，没有权限就直接返回提示没有权限的错误；有权限则
打开表，根据表的引擎定义，去使用这个引擎提供的接口，获取这个表的第一行，判断 id 是都
等于 1。如果是，直接返回；如果不是继续调用引擎接口去下一行，重复相同的判断，直到取
到这个表的最后一行，最后返回。
【【【oracle查询锁定的表和对应会话：
SELECT
o.object_name,
s.sid,
s.serial#,
p.spid,
s.username,
s.program
FROM
v$locked_object l
JOIN dba_objects o ON l.object_id = o.object_id
JOIN v$session s ON l.session_id = s.sid
LEFT JOIN v$process p ON p.addr = s.paddr;
ALTER SYSTEM KILL SESSION 'sid,serial#';
【【【mysql查找死锁和主动杀死方法
SELECT * FROM INFORMATION_SCHEMA.INNODB_TRX;
kill trx_mysql_thread_id;
【【【回表可以举个sql例子嘛
当然可以。以MySQL数据库为例，假设我们有一个名为employees的表，其中包含以下列：
sql
CREATE TABLE employees (
id INT NOT NULL AUTO_INCREMENT,
firstName VARCHAR(50),
lastName VARCHAR(50),
department VARCHAR(50),
salary DECIMAL(10, 2),
PRIMARY KEY (id),
KEY idx_department (department)
) ENGINE=InnoDB;
在这个表中，id是主键，而department是一个普通索引。
不需要回表的情况：
如果我们的查询只涉及department字段，并且这个字段被索引覆盖，那么就不需要回表：
sql
SELECT department FROM employees WHERE department = 'Sales';
在这个查询中，MySQL可以直接使用idx_department索引来获取所有在销售部门的记录，不需要访问主键索引。
需要回表的情况：
如果查询涉及到不在索引中的字段，比如salary，那么就需要回表：
sql
SELECT firstName, salary FROM employees WHERE department = 'Sales';
在这个查询中，MySQL首先会使用idx_department索引来找到所有在销售部门的记录的id，然后它需要使用这些id去主键索引中查找每一行的firstName和salary字段，因为这些字段不在idx_department索引中。这个过程就是回表。
避免回表的优化：
为了优化查询性能并避免回表，我们可以创建一个覆盖索引，这个索引包含查询中需要的所有字段：
sql
CREATE INDEX idx_department_salary ON employees (department, salary);
现在，如果我们使用新的索引进行查询：
sql
SELECT department, salary FROM employees WHERE department = 'Sales';
MySQL可以直接使用idx_department_salary索引来获取所需的数据，而不需要回表，因为索引中已经包含了department和salary字段。这就是所谓的覆盖索引，它覆盖了查询所需的全部数据，从而提高了查询效率。
【【【大表如何优化？
当MySQL单表记录数过大时，数据库的CRUD性能会明显下降，一些常见的优化措施如下：
1. 限定数据的范围
务必禁止不带任何限制数据范围条件的查询语句。比如：我们当用户在查询订单历史的时候，我们
可以控制在一个月的范围内；
2. 读/写分离
经典的数据库拆分方案，主库负责写，从库负责读；
3. 垂直分区
根据数据库里面数据表的相关性进行拆分。 例如，用户表中既有用户的登录信息又有用户的基本信
息，可以将用户表拆分成两个单独的表，甚至放到单独的库做分库。
简单来说垂直拆分是指数据表列的拆分，把一张列比较多的表拆分为多张表。 如下图所示，这样来
说大家应该就更容易理解了。
1583307481617
垂直拆分的优点： 可以使得列数据变小，在查询时减少读取的Block数，减少I/O次数。此外，
垂直分区可以简化表的结构，易于维护。
垂直拆分的缺点： 主键会出现冗余，需要管理冗余列，并会引起Join操作，可以通过在应用层
进行Join来解决。此外，垂直分区会让事务变得更加复杂；
B树和B+树的区别，为什么Mysql使⽤B+树
B树的特点：
1. 节点排序
2. ⼀个节点了可以存多个元素，多个元素也排序了
B+树的特点：
1. 拥有B树的特点
2. 叶⼦节点之间有指针
3. ⾮叶⼦节点上的元素在叶⼦节点上都冗余了，也就是叶⼦节点中存储了所有的元素，并且排好顺序
Mysql索引使⽤的是B+树，因为索引是⽤来加快查询的，⽽B+树通过对数据进⾏排序所以是可以提⾼查询
速度的，然后通过⼀个节点中可以存储多个元素，从⽽可以使得B+树的⾼度不会太⾼，在Mysql中⼀个
Innodb⻚就是⼀个B+树节点，⼀个Innodb⻚默认16kb，所以⼀般情况下⼀颗两层的B+树可以存2000万
⾏左右的数据，然后通过利⽤B+树叶⼦节点存储了所有数据并且进⾏了排序，并且叶⼦节点之间有指针，
可以很好的⽀持全表扫描，范围查找等SQL语句。
