一、索引是什么？
索引就是一种为了加速数据查询的、排好序的快速查找数据结构。
二、索引的核心：B+树
- 矮胖树，层级低：即使数据量有千万级，B+Tree 也只需要 3-4 层就能定位到数据。树的高度决定了磁盘 I/O 的次数，高度越低，查询越快。
- 数据全在叶子节点：所有实际的数据行地址都存储在最底层的叶子节点上。这使得上层的非叶子节点可以存放更多的索引键值，让树更“矮胖”。
- 叶子节点是双向链表：所有叶子节点之间用指针连成一个有序链表。这带来了一个巨大优势：非常适合范围查询
三、索引的优缺点
优点：大大加快数据查询速度：这是最核心的目的。
缺点：
- 占用磁盘空间：索引本身就是一张表，需要存储。
- 降低增、删、改的速度：因为数据变更时，不仅要改数据，还要更新索引树，维护排序。
重要结论：索引不是越多越好。应该只为那些常用于查询、排序、分组条件的列创建索引。
四、索引的类型
- 主键索引
- 一张表只能有一个。
- 要求唯一且非空。
- 叶子节点存储的是整行数据（聚簇索引）。
- 普通索引
- 最基本的索引，没有任何唯一性限制。
- 唯一索引
- 要求索引列的值必须唯一，但允许有空值。
- 联合索引
- 一个索引包含多个列。
- 核心原则：最左前缀匹配原则。
五、最左前缀原则（联合索引的灵魂）
如果你创建了一个 (name, age, position) 的联合索引，它相当于创建了以下三个索引：
(name)(name, age)(name, age, position)
你的查询条件必须从最左边的列 name 开始，否则索引就会失效
六、如何知道索引是否生效？（EXPLAIN 命令）
- type：查询类型。从好到坏：
system > const > eq_ref > ref > range > index > ALL。至少要做到range级别，如果看到ALL就是全表扫描，需要优化。 - key：实际使用的索引名称。如果为
NULL，说明没用到索引。 - rows：预估需要扫描的行数。越少越好。
- Extra：额外信息。
Using index：恭喜，使用了覆盖索引，性能极佳。Using filesort：需要额外的排序，通常需要优化。Using temporary：需要创建临时表，性能差，必须优化。
七、索引失效的常见场景
- 查询条件包含
or，可能导致索引失效 - 如果字段类型是字符串，
where时一定用引号括起来，否则索引失效 like通配符可能导致索引失效。- 联合索引，查询时的条件列不是联合索引中的第一个列，索引失效。
- 在索引列上使用 mysql 的内置函数，索引失效。
- 对索引列运算（如，
+、-、*、/），索引失效。 - 索引字段上使用
（！= 或者 < >，not in）时，可能会导致索引失效。 - 索引字段上使用
is null， is not null，可能导致索引失效。 - 左连接查询或者右连接查询查询关联的字段编码格式不一样，可能导致索引失效。
- mysql 估计使用全表扫描要比使用索引快,则不使用索引。
八 hash索引和B+树索引的区别是什么?
- B+树可以进行范围查询，Hash 索引不能。
- B+树支持联合索引的最左侧原则，Hash 索引不支持。
- B+树支持 order by 排序，Hash 索引不支持。
- Hash 索引在等值查询上比 B+树效率更高。（但是索引列的重复值很多的话，Hash冲突，效率降低）。
- B+树使用 like 进行模糊查询的时候，like 后面（比如%开头）的话可以起到优化的作用，Hash 索引根本无法进行模糊查询
九 字符串加索引
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 完整索引 | 最精准，支持所有查询 | 索引大，速度慢 | 字符串短，或查询模式复杂 |
| 前缀索引 | 索引小，速度快 | 不支持排序和覆盖扫描 | 最通用的优化方案，适用于大多数长字符串 |
| 倒序+前缀 | 解决前缀区分度低的问题 | 需要维护额外列，查询复杂 | 身份证号、手机号等尾部区分度高的字符串 |
| 哈希索引 | 索引极小，等值查询极快 | 仅支持等值查询，需处理冲突 | 只有等值查询需求的超长字符串（如URL） |
黄金法则：
- 字符串不长（几十个字符内） -> 直接全列索引。
- 字符串很长 -> 优先考虑前缀索引，并通过计算选择性找到最佳前缀长度。
- 字符串前缀区分度极低（如身份证） -> 考虑倒序存储 + 前缀索引。
- 只有等值查询需求 -> 可以考虑哈希索引。
