索引
索引的本质上是一个存储列值的数据结构。如果在某列上使用了 B-树索引，那么这些列值在索引中是被排过序的，有序的值是索引能提高查询性能的主要原因。
索引的优点和缺点
优点：
通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。
可以大大加快数据的检索速度，这也是创建索引的最主要的原因。
可以加速表和表之间的连接，特别是在实现数据的参考完整性方面特别有意义。
在使用分组和排序子句进行数据检索时，同样可以显著减少查询中分组和排序的时间。
通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。
缺点：
创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。
索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间，如果要建立聚簇索引，那么需要的空间就会更大。
当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，这样就降低了数据的维护速度。
添加索引原则
在查询中很少使用或者参考的列不应该创建索引。
只有很少数据值的列也不应该增加索引。
定义为text、image和bit数据类型的列不应该增加索引。
当修改性能远远大于检索性能时，不应该创建索引。
几种索引类型
普通索引：仅加速查询
唯一索引：加速查询 + 列值唯一（可以有 null）
主键索引：加速查询 + 列值唯一（不可以有 null）+ 表中只有一个
组合索引：多列值组成一个索引，专门用于组合搜索，其效率大于索引合并
全文索引：对文本的内容进行分词，进行搜索
mysql索引原理
哈希索引
只有 memory （内存）存储引擎支持哈希索引，哈希索引用索引列的值计算该值的hashCode，然后在 hashCode 相应的位置存执该值所在行数据的物理位置，因为使用散列算法，因此访问速度非常快，但是一个值只能对应一个 hashCode， 而且是散列的分布方式，因此哈希索引不支持范围查找和排序的功能。
B+树索引
因为磁盘IO每次读取一个页，B+树每个节点大小为一个页，非叶节点不存储数据，能存更多key，树高更小，查询更快。
BTree 索引
BTree 是平衡搜索多叉树，设树的度为 d（d>1），高度为 h，那么 BTree 要满足以下条件：
每个叶子结点的高度一样，等于 h；
每个非叶子结点由 n-1 个 key 和 n 个指针 point 组成，其中 d<=n<=2d,key 和 point 相互间隔，结点两端一定是 key；
叶子结点指针都为 null；
非叶子结点的 key 都是[key,data]二元组，其中 key 表示作为索引的键，data 为键值所在行的数据
在 BTree 的机构下，就可以使用二分查找的查找方式，查找复杂度为 h*log(n)，一般来说树的高度是很小的，一般为 3 左右，因此 BTree 是一个非常高效的查找结构。
B+Tree 索引
B+Tree 是 BTree 的一个变种，设 d 为树的度数，h 为树的高度，B+Tree 和 BTree 的不同主要在于：
B+Tree 中的非叶子结点不存储数据，只存储键值；
B+Tree 的叶子结点没有指针，所有键值都会出现在叶子结点上，且 key 存储的键值对应的数据的物理地址；
一般来说 B+Tree 比 BTree 更适合实现外存的索引结构，因为存储引擎的设计专家巧妙的利用了外存（磁盘）的存储结构，即磁盘的一个扇区是整数倍的 page（页），页是存储中的一个单位，通常默认为 4K，因此索引结构的节点被设计为一个页的大小，然后利用外存的“预读取”原则，每次读取的时候，把整个节点的数据读取到内存中，然后在内存中查找，已知内存的读取速度是外存读取 I/O 速度的几百倍，那么提升查找速度的关键就在于尽可能少的磁盘 I/O，那么可以知道，每个节点中的 key 个数越多，那么树的高度越小，需要 I/O的次数越少，因此一般来说 B+Tree 比 BTree 更快， 因为 B+Tree 的非叶节点中不存储 data
域 ，就可以存储更多的 key 。
带顺序索引的 B+TREE
很多存储引擎在 B+Tree 的基础上进行了优化，添加了指向相邻叶节点的指针，形成了带有顺序访问指针的 B+Tree ，这样做是为了提高区间查找的效率，只要找到第一个值那么就可以顺序的查找后面的值。
在Innodb下主键索引是聚集索引，在Myisam下主键索引是非聚集索引
聚簇索引和非聚簇索引的区别
聚簇索引的叶子节点存放的是主键值和数据行，支持覆盖索引；二级索引的叶子节点存放的是主键值或指向数据行的指针。
由于节子节点(数据页)只能按照一颗B+树排序，故一张表只能有一个聚簇索引。辅助索引的存在不影响聚簇索引中数据的组织，所以一张表可以有多个辅助索引
注： 覆盖索引（covering index）指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取。