索引
索引的本質上是一個存儲列值的數據結構。如果在某列上使用了 B-樹索引，那麼這些列值在索引中是被排過序的，有序的值是索引能提高查詢性能的主要原因。
索引的優點和缺點
優點：
通過創建唯一性索引，可以保證數據庫表中每一行數據的唯一性。
可以大大加快數據的檢索速度，這也是創建索引的最主要的原因。
可以加速表和表之間的連接，特別是在實現數據的參考完整性方面特別有意義。
在使用分組和排序子句進行數據檢索時，同樣可以顯著減少查詢中分組和排序的時間。
通過使用索引，可以在查詢的過程中，使用優化隱藏器，提高系統的性能。
缺點：
創建索引和維護索引要耗費時間，這種時間隨着數據量的增加而增加。
索引需要佔物理空間，除了數據表佔數據空間之外，每一個索引還要佔一定的物理空間，如果要建立聚簇索引，那麼需要的空間就會更大。
當對錶中的數據進行增加、刪除和修改的時候，索引也要動態的維護，這樣就降低了數據的維護速度。
添加索引原則
在查詢中很少使用或者參考的列不應該創建索引。
只有很少數據值的列也不應該增加索引。
定義爲text、image和bit數據類型的列不應該增加索引。
當修改性能遠遠大於檢索性能時，不應該創建索引。
幾種索引類型
普通索引：僅加速查詢
唯一索引：加速查詢 + 列值唯一（可以有 null）
主鍵索引：加速查詢 + 列值唯一（不可以有 null）+ 表中只有一個
組合索引：多列值組成一個索引，專門用於組合搜索，其效率大於索引合併
全文索引：對文本的內容進行分詞，進行搜索
mysql索引原理
哈希索引
只有 memory （內存）存儲引擎支持哈希索引，哈希索引用索引列的值計算該值的hashCode，然後在 hashCode 相應的位置存執該值所在行數據的物理位置，因爲使用散列算法，因此訪問速度非常快，但是一個值只能對應一個 hashCode， 而且是散列的分佈方式，因此哈希索引不支持範圍查找和排序的功能。
B+樹索引
因爲磁盤IO每次讀取一個頁，B+樹每個節點大小爲一個頁，非葉節點不存儲數據，能存更多key，樹高更小，查詢更快。
BTree 索引
BTree 是平衡搜索多叉樹，設樹的度爲 d（d>1），高度爲 h，那麼 BTree 要滿足以下條件：
每個葉子結點的高度一樣，等於 h；
每個非葉子結點由 n-1 個 key 和 n 個指針 point 組成，其中 d<=n<=2d,key 和 point 相互間隔，結點兩端一定是 key；
葉子結點指針都爲 null；
非葉子結點的 key 都是[key,data]二元組，其中 key 表示作爲索引的鍵，data 爲鍵值所在行的數據
在 BTree 的機構下，就可以使用二分查找的查找方式，查找複雜度爲 h*log(n)，一般來說樹的高度是很小的，一般爲 3 左右，因此 BTree 是一個非常高效的查找結構。
B+Tree 索引
B+Tree 是 BTree 的一個變種，設 d 爲樹的度數，h 爲樹的高度，B+Tree 和 BTree 的不同主要在於：
B+Tree 中的非葉子結點不存儲數據，只存儲鍵值；
B+Tree 的葉子結點沒有指針，所有鍵值都會出現在葉子結點上，且 key 存儲的鍵值對應的數據的物理地址；
一般來說 B+Tree 比 BTree 更適合實現外存的索引結構，因爲存儲引擎的設計專家巧妙的利用了外存（磁盤）的存儲結構，即磁盤的一個扇區是整數倍的 page（頁），頁是存儲中的一個單位，通常默認爲 4K，因此索引結構的節點被設計爲一個頁的大小，然後利用外存的“預讀取”原則，每次讀取的時候，把整個節點的數據讀取到內存中，然後在內存中查找，已知內存的讀取速度是外存讀取 I/O 速度的幾百倍，那麼提升查找速度的關鍵就在於儘可能少的磁盤 I/O，那麼可以知道，每個節點中的 key 個數越多，那麼樹的高度越小，需要 I/O的次數越少，因此一般來說 B+Tree 比 BTree 更快， 因爲 B+Tree 的非葉節點中不存儲 data
域 ，就可以存儲更多的 key 。
帶順序索引的 B+TREE
很多存儲引擎在 B+Tree 的基礎上進行了優化，添加了指向相鄰葉節點的指針，形成了帶有順序訪問指針的 B+Tree ，這樣做是爲了提高區間查找的效率，只要找到第一個值那麼就可以順序的查找後面的值。
在Innodb下主鍵索引是聚集索引，在Myisam下主鍵索引是非聚集索引
聚簇索引和非聚簇索引的區別
聚簇索引的葉子節點存放的是主鍵值和數據行，支持覆蓋索引；二級索引的葉子節點存放的是主鍵值或指向數據行的指針。
由於節子節點(數據頁)只能按照一顆B+樹排序，故一張表只能有一個聚簇索引。輔助索引的存在不影響聚簇索引中數據的組織，所以一張表可以有多個輔助索引
注： 覆蓋索引（covering index）指一個查詢語句的執行只用從索引中就能夠取得，不必從數據表中讀取。