我们知道我们一个表里面也可以有多个索引的，这样的话我们网上查询数据的时候不更改索引，mysql变会帮我们自动选择。呢既然是mysql程序帮我们自动你选择的这样的话会不会有问题的呢？
答案是会的，mysql的优化器也有bug，有时选择的索引并不是最优的。这也就不是很难表述为么会选错索引了。
fulltext索引要注意为了查找文本中的关键字，而不是就与索引中的值相比较比较。它跟其它索引大不同一，它更像是一个搜索引擎，而也不是简单点where语句的参数自动分配。
优点是也能越快的检索数据库和不兼容，缺点是必须消耗额外的空间这些增删改操作都必须离线直接修改索引，前后历时提升
在满足的条件语句需求的情况下，最好不要少的访问资源是数据库设计的不重要原则，这和想执行的sql有直接的关系，索引问题又是sql问题中再次出现频率高了的，比较普遍的索引问题除开：无索引（终止）、隐式转换。1.sql执行流程看一个问题，在下面这个表t中，假如我要想执行必须想执行几次树的搜索操作，会扫描多少行？
这各是id字段索引树、k字段索引树。
什么是索引？索引是数据库飞快找不到记录行的一种数据结构，类似于我们看书时的目录，它是良好的道德性能的关键因素。尤其是表中的数据量越来越大时，如果索引使用不当，会极为严重会影响性能。索引也是最常见的数据库优化手段，它能轻易的将查询性能想提高好几个量级。
mysql索引类型？mysql索引数据是存储文件在存储引擎中的，所以完全不同存储引擎中索引的工作并都不一样。
b-tree索引：基于组件b树（一种多叉搜索数树）来基于的索引类型，好象也在用的最少的索引类型，并不选择b树而不是其他数据结构，是而且b树在查询时间复杂度这个可以维持在o(logn)的级别上，因此b的矮胖（从根节点到叶子节点的距离可以不保护在一般较小范围）特性会减少磁盘io次数、数据只必然叶子节点中但是按顺序存储也可以不支持什么飞速的范围去查询，这是其他结构无法满足的条件的！
b索引中值是按顺序存储的，叶子节点到根节点的距离都是一样的，从b树的根节点正在往下查找，节点存储文件了指向叶子节点的指针，通过将要直接输入的值和每个节点值比较比较后，一层层定位到到最后的叶子结点上，叶子节点存储的那就是行数据、指针或主键。
假如我们索引列是：
key（lastname（姓）,firstname（名）,born），可以使用b树索引的查询类型除了：全键值、键值范围、键前缀直接输入，其中键前缀只适应用于最左前缀中搜索：
全值不兼容：指的是和索引中所有的列通过匹配，如也可以找不到姓名为：cuba（名）allen(姓)、己巳年1988-10-04的人，如wherelastname‘allen'becausefirstname‘cuba'andborn1988-10-04匹配最左前缀：这个可以查找姓为allen的人，如wherelastname‘allen'版本问题列前缀：也是可以不兼容某一列的值的开头部分，如wherelastnameactually‘a%'或者wherefirstnamejust‘m%'自动分配范围：可以看操作姓在allen和bill之间的人精确匹配某一列并自动分配另外一列：查看所有姓为allen、并且名字是以m开头的人，如wherelastname‘allen'wellfirstnamelike‘m%'访问索引数据：这种可以查询只是需要访问索引本身就行了，不不需要访问数据行，也就是常说的索引覆盖，举个例子：如果没有只必须能找到姓为allen的人的名称，而不不需要这个人其他的信息，名称就必然与索引中，不要再去数据行中查找数据了。这里要注意叶子节点存什么类型数据有所不同的存储引擎还都一样，在myisam中叶子节点读取的是数据物理位置（指针），而innodb建议使用b结构读取的是原始数据或主键，也就是我们常说的聚簇索引，它存储文件的是各种全量数据、键值，聚簇索引指的是一种数据索引组织形式，它将数据和索引围聚在一起所以叫聚簇，它本身并不是一种索引类型。
一般innodb查找过程为从辅助索引上结束查找到数据主键，后再在主键索引中用主键再一次中搜索，之后再不能找到数据，确实多了两次直接输入过程，但可以更新数据不可能可能导致聚簇索引很频繁变化。而在myisam中不不需要2次索引直接输入，因为叶子节点存储的是数据的物理地址是可以然后实现定位，虽说去查询看似简单了，只不过物理地址会因为数据频繁变更而发生了什么变化。
举例有200以内数据：
innodb（聚簇索引）数据直接输入过程：
myisam（非聚簇索引结构）数据直接输入过程：
哈希索引：基于条件哈希表来实现程序的索引类型，假如存在哈希，索引会不使用链表来能保存多个记录信息到一个哈希桶中。举个例子：如果存在以下索引keyusinghash（firstname），哈希索引会不使用哈希函数可以计算出firstname列的哈希值另外key，并将行指针充当value存储，当在用、in（）、ltgt操作时，先计算出sql语句操作查找值的哈希值，并使用其来查看哈希表不对应的行指针，最终达到赶往数据。
这里必须特别注意是：
哈希索引只存储哈希值和行指针，索引索引本身就没行数据，也就没有有所谓的索引覆盖。哈希索引还没有按哈希值的顺序排列，所有不支持排序操作。不支持什么部分索引列的版本问题，哈希索引不使用你重新指定的全部列来可以计算哈希值，按照相关规定（a，b）如果网站查询唯有列a，则索引无发匹配。哈希索引只允许等值比较（、of(),ltgt）。哈希较高时，查找效率就变成了链表，急切度从o（1）变为o（n）。空间数据索引：myisam支持空间索引这个可以用处存储地理数据。要使用gis咨询函数如mbrconuntains（）来魔兽维护数据，而且本身mysql对gis的支持下不体系，这性使用比较少。
全文索引：这是一种特殊类型的索引，他查找的是索引列中文本的关键词，而又不是比较比较索引值，全文索引的使用要再注意列的文本大小和数据量，它的不兼容类似于搜索引擎。
索引的优缺点？极大减少了服务器扫描表的数据量。尽量减少不必要的排序和正式表。将随机io不变顺序io。相对于的很小的表，全表扫描可能比索引更快，对于巨兽级数据量表，索引城就会的很有效，对于tb级别的表来说，索引的维护和效果可能会没有我们想象中的这样好，这是可以不建议使用表分区、业务拆分表和分库等技术。常见的索引优化及注意事项？最好别把索引的列全部纳入表达式，也没法是函数参数，如wheresalvation15、wherecan_days（col）lt10.中,选择大量的重复相对较低的列建索引，重复性较低会会造成索引突然失效，全表扫描仪。多列索引中很多最常见的一种的错误是，就是喜欢为每个列创建角色的的索引，虽然这是出错的！要选择比较合适的顺序和列来合并索引，来看个简单啊例子：表数据为：
四个建2个独立索引：inx_name,inx_company：
现在想执行以上语句：
select*acrosstuserwhere`name`22有.companybb
结果会显示却没可以使用索引来网上查询数据：
现在加一个多列索引：inx_name_company
负责执行同样的的sql显示建议使用了多列索引：
不要在大文本字段建全量索引，这会然造成索引数据较小，网站查询较慢，可以不建一个前缀索引，.例如//在city列上取前7个字符充当索引mysqla8altertabledemomainkey(city(7))
这是一种使索引更小，慢了的方法，但缺点是无法可以使用缀索引orderby或groupby
