目录
一、(InnoDB下MySQL)索引的实现原理
索引的实现经历了 3 个阶段的升级：⼆叉树、 B 树、 B+ 树。
1、二叉树阶段：
缺点：数据⼤之后树很⾼，维护和查询的性能不好。
2、B树阶段：
缺点：将所有数据都存储在叶子节点和非叶子节点，当数据量特别大的时候，光把索引加载起来就需要很长很长的时间。
3、B+树阶段：
优化：只有叶⼦节点才存储数据，且数据和索引是分离的，所谓的存储的数据，其实是指向数据的地址，数据量变的⾮常⼩。
二、必问的面试问题：聚簇索引/聚集索引/主键索引和非聚簇索引/二级索引/非聚集索引的区别。
每个索引都会对应一颗B+树
表中 R1~R5 的 (ID,k) 值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，两棵树的示例示意图如下：
聚簇索引时只要查询到对应的id就能直接得到id对应的这一行数据。（只有主键索引的叶子节点才存储的是数据的内存地址，其他索引的叶子节点存储的都是主键信息）
从上述图⽚可以看出，聚簇索引叶⼦节点存储的是表的⾏数据内容(内存地址)，所以可以直接返回结果；⽽⾮聚簇索引叶⼦节点存储的是主键 id，因此当非聚簇索引能够匹配上之后，只能拿到主键信息，需要使⽤主键 id 再去聚簇索引中获取表的相关信息，所以执⾏效率没有聚簇索引⾼，⽽这个查询的过程就叫做回表查询。
回表查询——> 二级索引——>ID——>又去查询聚簇索引，找到对应的数据。
总结：
聚簇索引和⾮聚簇索引的区别主要体现在两⽅⾯：
1.执⾏效率：聚簇索引查询速度更快，因为聚簇索引存储的是数据，⽽⾮聚簇索引存储的是主键 ID，需要进⾏回表查询。
2. 数量上：聚簇索引⼀个表只能有⼀个，⽽⾮聚簇索引可以有多个。
三、索引校验：确认创建的索引是否生效
explain语句可以分析sql的执行逻辑，顺序，是否使用索引等等。
四、建表的时候创建索引：
五、索引失效场景
1、联合索引不满足最左匹配原则（也叫前缀匹配）
1.1 A+B+C：满足最左匹配原则，可以使用联合索引
1.2 A+B：满足最左匹配原则，可以使用联合索引
1.3 A+C：符合最左匹配原则，可以触发联合索引
1.4 A：符合最左匹配原则，可以触发联合索引
1.5 B+A：符合最左匹配原则，可以触发联合索引
1.6 C+A：符合最左匹配原则，可以触发联合索引
1.7 A+C+B：符合最左匹配原则，可以触发联合索引
1.8 C+A+B:符合最左匹配原则，可以触发联合索引
1.9 B+C+A:符合最左匹配原则，可以触发联合索引
1.10 B+C：不符合最左匹配原则，不能使用联合索引
1.11 B 或 C：不符合最左匹配原则，不能使用联合索引
1.12 C+B：不符合最左匹配原则，不能使用联合索引
总结： 即有A(最左侧的)字段就可以使用联合查询。
值得注意的是，当遇到范围查询(>、<、between、like)就会停止匹配。
select * from t where a=1 and b>1 and c =1;
这样a,b可以用到（a,b,c），c索引用不到这条语句只有 a,b 会用到索引，c 都不能用到索引。但是如果是建立(a,c,b)联合索引，则a,b,c都可以使用索引，因为优化器会自动改写为最优查询语句。
select * from t where a=1 and b >1 and c=1;
如果是建立(a,c,b)联合索引，则a,b,c都可以使用索引。优化器改写为
select * from t where a=1 and c=1 and b >1;
这也是最左前缀原理的一部分，索引index1:(a,b,c)，只会走a、a,b、a,b,c 三种类型的查询，其实这里说的有一点问题，a,c也走，但是只走a字段索引，不会走c字段。
另外还有一个特殊情况，
select * from table where a = '1' and b > ‘2’ and c='3';
这种类型的也只会有 a与b 走索引，c不会走。
像select * from table where a = ‘1’ and b > ‘2’ and c=‘3’ 这种类型的sql语句，在a、b走完索引后，c肯定是无序了，所以c就没法走索引，数据库会觉得还不如全表扫描c字段来的快。
以index （a,b,c）为例建立这样的索引相当于建立了索引a、ab、abc三个索引。一个索引顶三个索引当然是好事，毕竟每多一个索引，都会增加写操作的开销和磁盘空间的开销。
2、使用错误的模糊查询
3、索引查询使用运算操作（+ - * /）
4.查询的列使用了函数
5.查询的列使用了隐式的类型转换
6.使用not null
