聚集索引：数据行的物理顺序与列值（一般是主键的那一列）的逻辑顺序相同，一个表中只能拥有一个聚集索引。 叶子结点存储索引和行记录，聚簇索引查询会很快，因为可以直接定位到行记录。
创新互联建站主要从事做网站、成都做网站、网页设计、企业做网站、公司建网站等业务。立足成都服务新田,十余年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18980820575
非聚集索引：该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同，一个表中可以拥有多个非聚集索引。 叶子节点存储聚簇索引值（主键id），需要扫码两遍索引树，先通过普通索引定位到主键值id，再通过聚集索引定位到行记录。
回表查询可以理解为普通索引的查询，先定位主键值，再定位行记录，它的性能较扫一遍索引树更低。
索引覆盖，即将查询sql中的字段添加到联合索引里面，只要保证查询语句里面的字段都在索引文件中，就无需进行回表查询；
实际开发中，不可能把所有字段建立到联合索引，可根据实际业务场景，把经常需要查询的字段建立到联合索引中。
在Mysql5.6的版本上推出，用于优化查询。 在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
优化超多分页场景。 查询条件放到子查询中，子查询只查主键id，然后使用子查询中确定的主键关联查询其他的属性字段。
通俗的讲就是，如果索引的列在 select 所需获得的列中（因为在 mysql 中索引是根据索引列的值进行排序的，所以索引节点中存在该列中的部分值）或者根据一次索引查询就能获得记录就不需要回表，如果 select 所需获得列中有大量的非索引列，索引就需要到表中找到相应的列的信息，这就叫回表。
InnoDB聚集索引的叶子节点存储行记录，因此， InnoDB必须要有，且只有一个聚集索引：
（1）如果表定义了主键，则PK就是聚集索引；
（2）如果表没有定义主键，则第一个非空唯一索引（not NULL unique）列是聚集索引；
（3）否则，InnoDB会创建一个隐藏的row-id作为聚集索引；
先创建一张表，sql 语句如下：
然后，我们再执行下面的 SQL 语句，插入几条测试数据。
假设，现在我们要查询出 id 为 2 的数据。那么执行 select * from xttblog where ID = 2; 这条 SQL 语句就不需要回表。原因是根据主键的查询方式，则只需要搜索 ID 这棵 B+ 树。主键是唯一的，根据这个唯一的索引，MySQL 就能确定搜索的记录。
但当我们使用 k 这个索引来查询 k = 2 的记录时就要用到回表。select * from xttblog where k = 2; 原因是通过 k 这个普通索引查询方式，则需要先搜索 k 索引树，然后得到主键 ID 的值为 1，再到 ID 索引树搜索一次。这个过程虽然用了索引，但实际上底层进行了两次索引查询，这个过程就称为回表。
也就是说，基于非主键索引的查询需要多扫描一棵索引树。因此，我们在应用中应该尽量使用主键查询。
我这里表里的数据量比较少，如果数据量大的话，你能很明显的看出两次查询所用的时间，很明显使用主键查询效率更高。
更多如下图：
（1）先通过普通索引定位到主键值id=5；
（2）在通过聚集索引定位到行记录；
这就是所谓的回表查询，先定位主键值，再定位行记录，它的性能较扫一遍索引树更低。
使用聚集索引（主键或第一个唯一索引）就不会回表，普通索引就会回表。
只需要在一棵索引树上就能获取SQL所需的所有列数据，无需回表，速度更快。
explain的输出结果Extra字段为Using index时，能够触发索引覆盖。
例子
第一个sql：
select id,name from user where name='shenjian';
Extra：Using index。
第二个sql：
select id,name,sex from user where name='shenjian';
能够命中name索引， 索引叶子节点存储了主键id，没有储存sex，sex字段必须回表查询才能获取到 ，不符合索引覆盖，需要再次通过id值扫描聚集索引获取sex字段，效率会降低。
Extra：Using index condition。
如果把(name)单列索引升级为联合索引(name, sex)就不同了。
可以看到：
select id,name ... where name='shenjian';
select id,name,sex ... where name='shenjian';
单列索升级为联合索引(name, sex)后，索引叶子节点存储了主键id，name，sex ，都能够命中索引覆盖，无需回表。
画外音，Extra：Using index。
场景1：全表count查询优化
原表为：
user(PK id, name, sex)；
直接：
select count(name) from user;
不能利用索引覆盖。
添加索引：
alter table user add key(name);
就能够利用索引覆盖提效。
场景2：列查询回表优化
这个例子不再赘述，将单列索引(name)升级为联合索引(name, sex)，即可避免回表。
场景3：分页查询
将单列索引(name)升级为联合索引(name, sex)，也可以避免回表。
假设有这么个需求，查询表中“名字第一个字是张，性别男，年龄为10岁的所有记录”。那么，查询语句是这么写的：
根据前面说的“最左前缀原则”，该语句在搜索索引树的时候，只能匹配到名字第一个字是‘张’的记录（即记录ID3），接下来是怎么处理的呢？当然就是从ID3开始，逐个回表，到主键索引上找出相应的记录，再比对age和ismale这两个字段的值是否符合。
但是！MySQL 5.6引入了索引下推优化，可以在索引遍历过程中， 对索引中包含的字段先做判断，过滤掉不符合条件的记录，减少回表字数 。
下面图1、图2分别展示这两种情况。
图 1 中，在 (name,age) 索引里面我特意去掉了 age 的值， 这个过程 InnoDB 并不会去看 age 的值 ，只是按顺序把“name 第一个字是’张’”的记录一条条取出来回表。因此，需要回表 4 次。
图 2 跟图 1 的区别是，InnoDB 在 (name,age) 索引内部就判断了 age 是否等于 10，对于不等于 10 的记录，直接判断并跳过。在我们的这个例子中，只需要对 ID4、ID5 这两条记录回表取数据判断，就只需要回表 2 次。
如果没有索引下推优化（或称ICP优化），当进行索引查询时， 首先根据索引来查找记录，然后再根据where条件来过滤记录 ；在支持ICP优化后，MySQL会在取出索引的同时， 判断是否可以进行where条件过滤再进行索引查询 ，也就是说提前执行where的部分过滤操作，在某些场景下，可以大大减少回表次数，从而提升整体性能。
MySQL 前缀索引能有效减小索引文件的大小，提高索引的速度。但是前缀索引也有它的坏处：MySQL 不能在 ORDER BY 或 GROUP BY 中使用前缀索引，也不能把它们用作覆盖索引(Covering Index)。
集一个索引包含多个列（最左前缀匹配原则）
索引列的值必须唯一，但允许有空值
全文索引为FUllText，在定义索引的列上支持值的全文查找，允许在这些索引列中插入重复值和空值，全文索引可以在CHAR,VARCHAR,TEXT类型列上创建
设定主键后数据会自动建立索引，InnoDB为聚簇索引
即一个索引只包含单个列，一个表可以有多个单列索引
覆盖索引是指一个查询语句的执行只用从所有就能够得到，不必从数据表中读取，覆盖索引不是索引树，是一个结果，当一条查询语句符合覆盖索引条件时候，MySQL只需要通过索引就可以返回查询所需要的数据，这样避免了查到索引后的回表操作，减少了I/O效率
查看索引
列名解析：
删除索引
查看：
删除前:
删除后：
普通的索引，没有什么介绍
查看:（注意和前缀索引Sub_part的区别）
当索引的列是unique的时候，会生成唯一索引，唯一索引关于null有下列两种情况
SQLSERVER 下的唯一索引的列，允许null值，但最多允许有一个空值
MYSQL下的唯一索引的列，允许null值，并且允许多个空值
查看:
会建立两个索引，一个非聚簇索引，一个是唯一索引
结果:
可以插入两个空值（明人不说暗话，我喜欢MySQL）
一方面，它不会索引所有字段所有字符，会减小索引树的大小.
另外一方面，索引只是为了区别出值，对于某些列，可能前几位区别很大，我们就可以使用前缀索引。
一般情况下某个前缀的选择性也是足够高的，足以满足查询性能。对于BLOB，TEXT，或者很长的VARCHAR类型的列，必须使用前缀索引，因为MySQL不允许索引这些列的完整长度。
查看：
查看：
复合索引的最左前缀匹配原则 ：
对于复合索引，查询在一定条件才会使用该索引
减少开销。 建一个联合索引(col1,col2,col3)，实际相当于建了(col1),(col1,col2),(col1,col2,col3)三个索引。每多一个索引，都会增加写操作的开销和磁盘空间的开销。对于大量数据的表，使用联合索引会大大的减少开销！
覆盖索引。 对联合索引(col1,col2,col3)，如果有如下的sql: select col1,col2,col3 from test where col1=1 and col2=2。那么MySQL可以直接通过遍历索引取得数据，而无需回表，这减少了很多的随机io操作。减少io操作，特别的随机io其实是dba主要的优化策略。所以，在真正的实际应用中，覆盖索引是主要的提升性能的优化手段之一。
效率高。 索引列越多，通过索引筛选出的数据越少。有1000W条数据的表，有如下sql:select from table where col1=1 and col2=2 and col3=3,假设假设每个条件可以筛选出10%的数据，如果只有单值索引，那么通过该索引能筛选出1000W10%=100w条数据，然后再回表从100w条数据中找到符合col2=2 and col3= 3的数据，然后再排序，再分页；如果是联合索引，通过索引筛选出1000w10% 10% *10%=1w。
在模糊搜索中很有效，搜索全文中的某一个字段，可以参考这篇博文
:
我们先进行下面一个实验看看InnoDB下的主键索引的一个现象。
查看:
我们插入进去的时候，数据的id都是乱序的，为什么这里最后select查询出来的结果都是进行了排序？
这是因为InnoDB索引底层实现的是B+tree，B+tree具有下列的特点：
所以上面的排序是为了使用B+tree的结构 ，B+tree为了范围搜索，将主键按照从小到大排序后，拆分成节点。后续还有新的节点进入的时候，和B-tree相同的操作，会进行分裂。
一般来说，聚簇索引的B+tree都是三层
InnoDB中主键索引一定是聚簇索引，聚簇索引一定是主键索引。
为什么这里辅助索引叶子结点不直接存储数据呢？
MYISAM只有非聚簇索引，索引最终指向的都是物理地址。
Q:既然有回表的存在，那么聚簇索引的优势在哪里？
Q:主键索引作为聚簇索引需要注意什么
在查询语句中使用LIke关键字进行查询时，如果匹配字符串的第一个字符为"%"，索引不会使用。如果“%”不是在第一位，索引就会使用
多列索引是在表的多个字段上创建的索引，满足最左前缀匹配原则，索引才会被使用
查询语句只有Or关键字时候，如果OR前后的两个条件都是索引，这这次查询将会使用索引，否则Or前后有一个条件的列不是索引，那么查询中将不使用索引
