MySQL是如何利用索引的？什么是索引？索引是數(shù)據(jù)庫急速找到記錄行的一種數(shù)據(jù)結(jié)構(gòu)，帶有我們看點書時的目錄，它是良好的訓(xùn)練性能的關(guān)鍵因素。尤其是表中的數(shù)據(jù)量越來越大時，如果索引使用不當(dāng)，會十分嚴(yán)重影響大

MySQL是如何利用索引的？

什么是索引？索引是數(shù)據(jù)庫急速找到記錄行的一種數(shù)據(jù)結(jié)構(gòu)，帶有我們看點書時的目錄，它是良好的訓(xùn)練性能的關(guān)鍵因素。尤其是表中的數(shù)據(jù)量越來越大時，如果索引使用不當(dāng)，會十分嚴(yán)重影響大性能。索引也最常見的數(shù)據(jù)庫優(yōu)化手段，它能輕易地的將查詢性能想提高好幾個量級。

MySQL索引類型？mysql索引數(shù)據(jù)是讀取在存儲引擎中的，所以才有所不同存儲引擎中索引的工作并是一樣的。

B-Tree索引：基于B樹（一種多叉直接搜索數(shù)樹）來實現(xiàn)方法的索引類型，就像都是使用的不超過的索引類型，只是因為你選擇B樹而不是什么其他數(shù)據(jù)結(jié)構(gòu)，是而且B樹在查詢時間復(fù)雜度也可以以在O(logn)的級別上，的原因B的矮胖（從根節(jié)點到葉子節(jié)點的距離也可以以在相對大范圍）特性減少磁盤IO次數(shù)、數(shù)據(jù)只存在地葉子節(jié)點中另外按順序存儲也可以不允許飛快的范圍網(wǎng)上查詢，這是其他結(jié)構(gòu)根本無法滿足的！

B索引中值是按順序存儲文件的，葉子節(jié)點到根節(jié)點的距離都不同，從B樹的根節(jié)點開始往后面里查，節(jié)點存儲了指向葉子節(jié)點的指針，通過將要直接輸入的值和各節(jié)點值也很后，一層層定位到結(jié)果的葉子結(jié)點上，葉子節(jié)點存儲的那就是行數(shù)據(jù)、指針或主鍵。

要是我們索引列是：

key（lastname（姓）,firstname（名）,born），這個可以建議使用B樹索引的查詢類型以及：全鍵值、鍵值范圍、鍵前綴直接輸入，其中鍵前綴只適用規(guī)定于最左字母查看：

全值自動分配：指的是和索引中所有的列進行版本問題，如這個可以找到姓名為：Cuba（名）Allen(姓)、旺于1988-10-04的人，如wherelastname‘Allen'becausefirstname‘Cuba'becauseborn1988-10-04匹配最左前綴：可以里查姓為Allen的人，如wherelastname‘Allen'自動分配列前綴：也也可以不兼容某一列的值的開頭部分，如wherelastnamejust‘A%'也可以wherefirstnamehave‘M%'版本問題范圍：是可以匹配姓在Allen和Bill之間的人精確匹配某一列并自動分配另外一列：查找所有姓為Allen、并且名字是以M開頭的人，如wherelastname‘Allen'bothfirstnamehave‘M%'訪問索引數(shù)據(jù)：這種網(wǎng)上查詢只不需要ftp連接索引本身就行了，不需要訪問數(shù)據(jù)行，也就是常說的索引覆蓋，舉個例子：要是只必須可以找到姓為Allen的人的名稱，而不必須這個人其他的信息，名稱就未知與索引中，不不需要再去數(shù)據(jù)行中查找數(shù)據(jù)了。這里應(yīng)注意葉子節(jié)點存什么類型數(shù)據(jù)不同的存儲引擎還是一樣的，在MyISAM中葉子節(jié)點存儲的是數(shù)據(jù)物理位置（指針），而InnoDB建議使用B結(jié)構(gòu)存儲的是原始數(shù)據(jù)或主鍵，也就是我們常說的聚簇索引，它讀取的是遠(yuǎn)古時期全量數(shù)據(jù)、鍵值，聚簇索引指的是一種數(shù)據(jù)索引組織形式，它將數(shù)據(jù)和索引圍聚在一起所以才叫聚簇，它本身并又不是一種索引類型。

就像InnoDB直接輸入過程為從輔助索引上又開始里查到數(shù)據(jù)主鍵，后再在主鍵索引中用主鍵又一次直接輸入，到最后再不能找到數(shù)據(jù)，確實多了第二次里查過程，但沒更新數(shù)據(jù)不可能可能導(dǎo)致聚簇索引很頻繁變化。而在MyISAM中不需要2次索引中搜索，畢竟葉子節(jié)點存儲位置的是數(shù)據(jù)的物理地址也可以直接導(dǎo)航儀，雖說網(wǎng)上查詢看似簡單了，但是物理地址會只不過數(shù)據(jù)過度變更而突然發(fā)生變化。

舉例有200以內(nèi)數(shù)據(jù)：

InnoDB（聚簇索引）數(shù)據(jù)查看過程：

MyISAM（非聚簇索引結(jié)構(gòu)）數(shù)據(jù)里查過程：

哈希索引：設(shè)計和實現(xiàn)哈希表來實現(xiàn)方法的索引類型，假如未知哈希，索引會建議使用鏈表來貯放多個有記錄到一個哈希桶中。舉個例子：如果沒有必然以上索引keyUSING HASH（firstname），哈希索引會在用哈希函數(shù)算出出firstname列的哈希值充當(dāng)key，并將行指針充當(dāng)value存儲，當(dāng)建議使用、IN（）、ltgt操作時，先算出出sql語句操作查看值的哈希值，并使用其來查看哈希表隨機的行指針，使直接返回數(shù)據(jù)。

這里需要特別注意是：

哈希索引只讀取哈希值和行指針，索引索引本身是沒有行數(shù)據(jù)，也就沒有所謂的的索引覆蓋。哈希索引沒有按哈希值的順序排列，所有不接受排序操作。不意見部分索引列的看操作，哈希索引使用你指定的全部列來換算哈希值，列入（A，B）要是去查詢僅有列A，則索引無發(fā)自動分配。哈希索引只支持外幣現(xiàn)鈔比較比較（、across(),ltgt）。哈希較高時，里查效率就變得了鏈表，緊張度從O（1）不變O（n）?？臻g數(shù)據(jù)索引：MyISAM支持空間索引可以不用來存儲地理數(shù)據(jù)?？梢越ㄗh使用GIS具體函數(shù)如MBRCONUNTAINS（）來能維護數(shù)據(jù)，因為本身mysql對GIS的支持下不完善系統(tǒng)，這性建議使用比較少。

全文索引：這是一種特殊類型的索引，他直接輸入的是索引列中文本的關(guān)鍵詞，而也不是比較好索引值，全文索引的使用要注意列的文本大小和數(shù)據(jù)量，它的匹配類似搜索引擎。

索引的優(yōu)缺點？大大降低了服務(wù)器掃描表的數(shù)據(jù)量。避免不必要的排序和臨時表。將任務(wù)道具IO不變順序IO。對于相當(dāng)小的表，全表掃描儀很有可能比索引慢了，這對精英級數(shù)據(jù)量表，索引城就會太管用，是對TB級別的表來說，索引的維護和效果很可能沒有我們想像之中的現(xiàn)在這樣好，這是這個可以在用表分區(qū)、業(yè)務(wù)word文檔合并表和分庫等技術(shù)。常見的索引優(yōu)化及注意事項？千萬不能把索引的列績效考核表達式，也沒法是函數(shù)參數(shù)，如whererefugee15、wherecan_days（col）lt10.你選擇高重復(fù)較低的列建索引，重復(fù)性高較高會倒致索引失去效果，全表系統(tǒng)掃描。多列索引中很多最常見的錯誤是，就是喜歡為每個列創(chuàng)建角色其它索引，雖然這是出錯的！要中,選擇比較合適的順序和列來合并索引，來看個很簡單例子：表數(shù)據(jù)為：

三個建2個其它索引：inx_name,inx_company：

現(xiàn)在執(zhí)行以下語句：

SELECT*acrosstuserwhere`name`22內(nèi)個companybb

結(jié)果會顯示并沒有什么建議使用索引來網(wǎng)站查詢數(shù)據(jù)：

現(xiàn)在加一個多列索引：inx_name_company

想執(zhí)行同樣的的sql總是顯示可以使用了多列索引：

千萬不能在大文本字段建全量索引，這會然導(dǎo)致索引數(shù)據(jù)較高，去查詢較慢，可以不建一個前綴索引，或者//在city列上取前7個字符另外索引mysqldstrokaltertabledemomainkey(city(7))

這是一種使索引更小，越快的方法，但缺點是根本無法使用綴索引order by或group by

mysql怎么處理一秒10萬并發(fā)？

mysql高并發(fā)的解決方法有：360優(yōu)化SQL語句，系統(tǒng)優(yōu)化數(shù)據(jù)庫字段，加緩存，分區(qū)表，讀寫分離這些垂直word文檔合并，解耦模塊，水平切分等。

高并發(fā)大多的瓶頸在后臺，在存儲mysql的都正常的優(yōu)化方案如下：

（1）代碼中sql語句系統(tǒng)優(yōu)化

（2）數(shù)據(jù)庫字段優(yōu)化，索引優(yōu)化

（3）加緩存，redis/memcache等

（4）主從，讀寫分離

（5）分區(qū)表

（6）互相垂直全部拆分，解耦模塊

（7）水平切分

方案分析：

1、方法1個方法2是最簡單，都是修為提升效率最多的。而且每條語句都爆擊了索引，是最高效安全的。但是如果是為了使sql提升最優(yōu)而去建索引，這樣索引就肆意橫行了，對于千萬級以上的表來說，以維護索引的成本大家增加，反倒提升了數(shù)據(jù)庫的內(nèi)存的開銷。

2、數(shù)據(jù)庫字段的優(yōu)化。曾經(jīng)的突然發(fā)現(xiàn)一高級程序員在表字段的設(shè)計上，一個日期類型，被電腦設(shè)計為varchar類型，不相關(guān)規(guī)范的同時，無法對讀取數(shù)據(jù)校驗，做索引的效率也有差別

3、緩存適合我讀多寫少更新頻度相對相對較低的業(yè)務(wù)場景，否則緩存異議不大，命中率不高。緩存大多來說主要注意就是為了提高接口處理速度，會降低并發(fā)給了的db壓力和由此出現(xiàn)的其他問題。

4、磁盤分區(qū)并非分表，而肯定一張表，不過把存放的數(shù)據(jù)文件等分了多個小塊。在表數(shù)據(jù)的很大的情況下，也可以可以解決沒能三次寫入內(nèi)存，在內(nèi)大表數(shù)據(jù)維護等問題。

5、直角word文檔合并將表按列拆成多表，較常見于將主表的擴展數(shù)據(jù)的的開，文本數(shù)據(jù)單獨的開，會降低磁盤io的壓力。

6、水平拆，水平表格合并的主要目的是提升單表并發(fā)讀寫能力(壓力分散開到各個分表中)和磁盤IO性能(一個更加大的.MYD文件分?jǐn)傎M用到各個小表的.MYD文件中)。如果沒有千萬級以上數(shù)據(jù)，為什么要拆，僅對單表做點優(yōu)化確實是是可以的；再如果沒有沒有太大的并發(fā)量，硬盤分區(qū)表也像是都能夠滿足的條件。因為，一般情況下，水平拆分是之后的選擇，在設(shè)計時還是必須一步一步地走。