1. 索引的本质是什么

索引的本质是一种排好序的数据结构。

它就好比字典中的目录。

2. 索引的分类

索引的分类要看是什么维度。

如果是从数据库功能的维度来划分的，如下:

如果是从数据结构的维度来划分的，如下:

• Hash 索引
  Hash 索引是比较常见的一种索引，他的单条记录查询的效率很高，时间复杂度为1。
  但是，Hash索引并不是最常用的数据库索引类型，尤其是我们常用的Mysql Innodb引擎就是不支持hash索引的。

因为存储引擎都会为每一行计算一个hash码，hash码都是比较小的，
并且不同键值行的hash码通常是不一样的，hash索引中存储的就是Hash码，
hash 码彼此之间是没有规律的，且 Hash 操作并不能保证顺序性，
所以值相近的两个数据，Hash值相差很远，被分到不同的桶中。

• 二叉树

一个节点只能有两个子节点。即度不超过2
二叉树的时间复杂度为 O(n)
左子节点 小于 本节点，右子节点 大于 本节点

二叉树的特点:
磁盘的IO由树高决定

• B树（二三树）

B树的结构每个节点中不仅包含数据的 key 值，还有 data 值

见下图

B树结构

如果 data 比较大，会导致每个节点的 key 存储的较少，
当数据量较大的时候，同样会导致B树很深，从而增加了磁盘 IO 的次数，进而影响查询效率。

• B+树

MySQL 中最常用的索引的数据结构是 B+ 树，它有以下特点：

1. 在 B+ 树中，所有数据记录节点都是按照键值的大小存放在同一层的叶子节点上，
    而非叶子结点只存储key的信息，这样可以大大减少每个节点的存储的key的数量，降低B+ 树的高度

2. B+ 树叶子节点的关键字从小到大有序排列，左边结尾数据都会保存右边节点开始数据的指针。

3. B+ 树的层级更少：相较于 B 树 B+ 每个非叶子节点存储的关键字数更多，
    树的层级更少所以查询数据更快

4. B+ 树查询速度更稳定：B+ 所有关键字数据地址都存在叶子节点上，
    所以每次查找的次数都相同所以查询速度要比B树更稳定;

5. B+ 树天然具备排序功能：B+ 树所有的叶子节点数据构成了一个有序链表，
    在查询大小区间的数据时候更方便，数据紧密性很高，缓存的命中率也会比B树高。

6. B+ 树全节点遍历更快：B+ 树遍历整棵树只需要遍历所有的叶子节点即可，
     而不需要像 B 树一样需要对每一层进行遍历，这有利于数据库做全表扫描。

关于B+树的详细介绍可以查看我的另一篇博客:
https://www.cnblogs.com/davidgu/p/14526659.html

3. 何时使用索引

MySQL每次查询只使用一个索引。
与其说是“数据库查询只能用到一个索引”，倒不如说，和全表扫描比起来，
去分析两个索引B+树更加耗费时间。

所以where A=a and B=b这种查询使用（A，B）的组合索引最佳，
B+树根据（A，B）来排序。

使用索引的场景:

a. 主键，unique字段
b. 和其他表做连接的字段需要加索引
c. 在where里使用＞，≥，＝，＜，≤，is null和between等字段
d. 使用不以通配符开始的like，where A like 'China%'
e. 聚集函数MIN()，MAX()中的字段
f. order by和group by字段

4. 何时不使用索引

不使用索引的场景:

a. 表记录太少
b. 数据重复且分布平均的字段(只有很少数据值的列)
c. 经常插入、删除、修改的表要减少索引
d. text，image等类型不应该建立索引，这些列的数据量大
    假如text前10个字符唯一，也可以对text前10个字符建立索引
e. MySQL能估计出全表扫描比使用索引更快时，不使用索引

5. 索引何时失效

索引失效的场景:

a. 组合索引未使用最左前缀，例如组合索引（A，B），where B=b不会使用索引
b. like未使用最左前缀，where A like '%Sheep'
c. 搜索一个索引而在另一个索引上做order by，where A=a order by B，
    只使用A上的索引，因为查询只使用一个索引
d. or会使索引失效。如果查询字段相同，也可以使用索引。
    (eg: where A=a1 or A=a2（生效），where A=a or B=b（失效）)
e. 如果列类型是字符串，要使用引号
    (eg: where A='Sheep'，否则索引失效（会进行类型转换）)
f. 在索引列上的操作，函数（upper()等）、or、！=(<>)、not in等

6. explain语句显示结果关键字解释