索引优化策略
-
索引类型
1.1 B-tree索引
注：名叫btree索引，大的方面看，都用平衡树，但具体实现上，各引擎稍有不同。
比如严格的说，NDB引擎使用的是T-tree,myisam,innodb使用的是B-tree索引。
B-tree系统可以理解为“排好序的快速查找结构”1.2 hash索引
在memory表里，默认是hash索引，hash索引理论查询时间复杂度为O(1)
疑问：既然hash查找如此高效，为什么不都用hash索引？
答：
1.hash函数计算后的结果是随机的，如果在磁盘上放置数据，
比如主键是id为例，随着id的增长，id对应的行，在磁盘上随机放置
2.无法对范围查询进行优化
3.无法利用前缀索引。比如在btree中，field列的值“helloworld”,并加索引查询xx=helloworld,自然可以利用索引，xx=hello，也可以利用索引（左前缀索引）。因为hash(‘helloworld’),hash(‘hello’)，两者的关系仍为随机
4.无法优化排序
5.必须回行。就是说，通过索引拿到数据位置，必须回到表中取数据 -
btree索引的常见误区
2.1 在where条件常用的列上都加上索引
例：where id = 1 and price = 2 ,对id和peice都建立索引，只能使用一个2.2 在多列上建立索引后，查询哪个列，索引都将发挥作用
误：多列索引上，索引发挥作用，需要满足左前缀要求以 index(a,b,c) 为例
语句 索引是否有效 where a=1 是 where a=1 and b= 2 是 where a=1 and b= 2 and c= 3 是 where b=2 或 where c= 3 否 where a=1 and c= 2 a是，c否 where a=1 and b>2 and c= 3 a,b是，c否 where a=1 and b like ‘%2%’ and c =3 a,b是，c否 2.3 示例
假设某表有一个联合索引（c1,c2,c3,c4）
A.where c1 = x and c2 = x and c4 > x and c3 = x （c1,c2,c3,c4）
B.where c1 = x and c2 = x and c4 = x order by c3 （c1,c2,c3）
C.where c1 = x and c4 = x group by c2,c3 （c1）
D.where c1 = ? and c5 = ? order by c2,c3 （c1,c2,c3）
E.where c1 = ? and c2 = ? and c5 = ? order by c2,c3 （c1,c2,c3）
