一、索引介绍
数据库索引调优是一项技术活，不能仅仅靠理论，因为实际情况千变万化，而且各种数据库本身存在很复杂的机制，如查询优化策略和各种引擎的实现等。但同时这些理论是索引调优的基础，只有在明白理论的基础上，才能对调优策略进行合理推断并了解其背后的机制，，然后结合实践中不断的实验和摸索。
索引其实就是在数据库存储数据之外，还维护着另外的满足某种查询算法的数据结构，这些数据结构再以某种方式指向真实的存储数据，然后在现有的数据结构上实现快速查询。（找了张很不错的二叉树的图来理解索引，现在大多的索引都是B+树的结构，基本上没有使用二叉树的）。
二、数据库操作时间占用都在IO操作上
索引本身也很大，不可能全部存储在内存中，往往以索引文件的形式存储在磁盘上。所以索引查找过程中就要产生磁盘I/O消耗，相对于内存存取，I/O存取的消耗要高出好多好多，所以评价一个数据结构作为索引的优劣最重要的指标就是在查找过程中磁盘I/O操作次数的复杂度。换句话说，索引的结构组织要尽量减少查找过程中磁盘I/O的存取次数。而B+树结构在实际的应用中刚好满足减少物理I/O操作的要求，来胜任索引结构再合适不过了（下面介绍）。
三、随机IO、顺序IO
随机访问的特点是每次IO请求的数据在磁盘上的位置跨度很大（如：分布在不同的扇区），因此N个非常小的IO请求会以N次IO请求才能获取到相应的数据。
顺序访问的特点跟随机访问相反，它请求的数据在磁盘的位置是连续的。当系统发起N个非常小的IO请求（如：1K）时，因为一次IO是有代价的，系统会取完整的一块数据（如4K、8K），所以当第一次IO完成时，后续IO请求的数据可能已经有了。这样可以减少IO请求的次数。
随机访问的特点是每次IO请求的数据在磁盘上的位置跨度很大（如：分布在不同的扇区），因此N个非常小的IO请求会以N次IO请求才能获取到相应的数据。
顺序访问的特点跟随机访问相反，它请求的数据在磁盘的位置是连续的。当系统发起N个非常小的IO请求（如：1K）时，因为一次IO是有代价的，系统会取完整的一块数据（如4K、8K），所以当第一次IO完成时，后续IO请求的数据可能已经有了。这样可以减少IO请求的次数。
四、文件系统和数据库系统中常用的B+ 树结构
在学校时候理解数据库中的查询就认为是一般的顺序查找，现在再回想这种复杂度为O(n)的算法在数据量很大的情况下简直不敢想想，那么多牛逼的查询算法像二分查找、二叉树查找等 在实际的应用上还真没有好好琢磨过。找了些对比B-Tree、B+Tree结构的资料（下图很好诠释了两种结构的区别）。
1、B-Tree、B+Tree主要区别： B+树的非叶子结点只包含导航信息，不包含实际的值，所有的叶子结点和相连的节点使用链表相连，便于区间查找和遍历。
2、B+ 树的优点在于：
五、组合索引使用场景
常索引有 唯一索引、主键索引、聚集索引，有时候为了了更多的提高mysql效率可建立组合索引，遵循“最左前缀“原则。最左前缀：顾名思义，就是最左优先。例如，对于表title(id,no,name,age)我们创建了以三个字段的组合多列索引(no,name,age),相当于创建了(no)单列索引，(name,fname)组合索引以及(no,name,age)组合索引。
其他的不多说了，这次主要是对组合索引的学习，下面列出组合索引“最左前缀”的场景(就以上表title为例、通过查看执行计划是否走了索引)：
1、可以走索引的全列匹配
当查询条件 where no=n and name=b and age =20 或者 where no=n and name=b 或者where no=n 都可以走进索引；项mysql查询优化器会自动调整where子句的条件顺序以使用适合的索引，所以把条件顺序做下调整不会影响结果 如：where age=20 and name=b and no=n 同样可以走到索引；在条件中使用“in”语法同样可以走到索引；
2、最左前缀，中间的一个条件未提供
no ，后面age虽然也在索引中，由于缺少name列 无法和左前缀连接；
3、查询条件没有指明 索引第一列
eck’and age = 20 这样不匹配最左前缀，就无法走索引了。
4、索引字段中用到了 %的模糊匹配语法
如果在某列中使用了 % 模糊匹配，要看%的位置判断是否能走到索引， %在字符串的最后则可以使用索引 ，如：where no = 1 and name like ‘luc%’ ； 但是，如果%在前面就不行 如：where no = 1 and name like ‘%cy’ ;
5、范围查找销售世界上第一号的产品——不是汽车，
