存储引擎分类有哪些以及使用场景？

（1）：存储引擎主要有: 1. MyIsam , 2. InnoDB, 3. Memory, 4. Archive, 5. Federated 。
默认为:InnoDB 引擎。InnoDB 底层存储结构为 B+树， B 树的每个节点对应 innodb
的一个 page，page 大小是固定的，一般设为 16k

（2）：使用场景？
	1)经常更新的表，适合处理多重并发的更新请求。
	2)支持事务。
    3)可以从灾难中恢复(通过 bin-log 日志等)。
    4)外键约束。只有他支持外键。 
    5)支持自动增加列属性 auto_increment。

创建索引的原则？

（1）：选择唯一性索引：唯一性索引的值是唯一的。可以更快的通过该索引来确定某条记录。
（2）：为经常需要排序、分组、以及联合查询的列创建索引。
（3）：为经常作为查询条件的列创建索引。
（4）：限制索引的数目：越多的索引越导致表的查询效率变低，因为索引表在每次更新表数据的时候都会重新创建这个表的索引，表的数据越多，索引列越多，那么创建索引的时间消耗就越大。
（5）： 如果索引的值很长，那么查询的速度会受到影响。
（6）：如果索引字段的值很长，最好使用值得前缀来进行索引。
（7）：删除不再使用或者很少使用的索引。
（8）：最左前缀匹配原则，非常重要的原则。
（9）：尽量选择区分度高的列作为索引.
（10）:索引列不能参与计算，保持列“干净”:带函数的查询不参与索引。
（11）：尽量的扩展索引，不要新建索引。

索引失效情况？ ==校验SQL语句是否使用了索引方式为：在SQL语句前面使用explain关键字==

（1）：like以%开头索引无效，当like以&结尾，索引有效。
（2）：or语句前后没有同事使用索引，当且仅当or语句查询条件的前后列均为索引时，索引生效。
（3）：组合索引，使用的不是第一列索引时候，索引失效，即最左匹配规则。
（4）：数据类型出现隐式转换，如varchar不加单引号的时候可能会自动转换为int类型，这个时候索引失效。
（5）：在索引列上使用IS NULL或者 IS NOT NULL 时候，索引失效，因为索引是不索引空值得。
（6）：在索引字段上使用，NOT、 <>、！= 、时候是不会使用索引的，对于这样的处理只会进行全表扫描。
（7）：对索引字段进行计算操作，函数操作时不会使用索引。
（8）：当全表扫描速度比索引速度快的时候不会使用索引。

索引分类？

（1）：单列索引
	1）普通索引：MySQL中基本索引类型，没有什么限制，允许在定义索引的列中插入重复值和空值，纯粹为了查询数据更快一点。
	2）唯一索引：索引列中的值必须是唯一的，但是允许为空值，
	3）主键索引：是一种特殊的唯一索引，不允许有空值。
（2）：组合索引：多个字段组合上创建的索引，只有在查询条件中使用了这些字段的左边字段时，索引才会被使用，使用组合索引时遵循最左前缀集合。
（3）：全文索引：只有在MyISAM引擎上才能使用，只能在CHAR,VARCHAR,TEXT	类型字段上使用全文索引，介绍了要求，说说什么是全文索引，就是在一堆文字中，通过其中的某个关键字等，就能找到该字段所属的记录行，比如有"你是个靓仔，靓女 ..."   通过靓仔，可能就可以找到该条记录
（4）：空间索引：空间索引是对空间数据类型的字段建立的索引，MySQL中的空间数据类型有四种，GEOMETRY、POINT、LINESTRING、POLYGON。在创建空间索引时，使用SPATIAL关键字。要求，引擎为MyISAM，创建空间索引的列，必须将其声明为NOT NULL。

linux添加索引

主键索引：ALTER TABLE `table_name` ADD PRIMARY KEY ( `column` )
唯一索引：ALTER TABLE `table_name` ADD UNIQUE ( `column` ) 
普通索引：ALTER TABLE `table_name` ADD INDEX index_name ( `column` ) 
全文索引：ALTER TABLE `table_name` ADD FULLTEXT ( `column`) 
多列索引：ALTER TABLE `table_name` ADD INDEX index_name ( `column1`, `column2`, `column3` )

什么是索引？

索引其实就是一种数据结构，能够帮助我们快速的检索数据库中的数据。

索引具体采用那种数据结构呢？

常见的mysql主要有两种结构：hash索引和B+Tree索引，我们使用的是innodb引擎，默认的是B+树。

既然提到了InnoDB使用户的B+树的索引模型，那么你知道为什么采用B+树吗？这和Hash索引比较起来有什么缺点吗？

因为hash索引底层是哈希表，哈希表是一种以key-value存储数据的结构，所以多个数据在存储关系上是完全没有任何顺序关系的，所以，对于区间查询是无法直接通过索引查询的，就需要全表扫描。所以，哈希索引只适用于等值查询的场景。而B+树是一种多路平衡查询树，所以他的节点是天然有序的（左子节点小于父节点，父节点小于右子节点），所以对于范围查询的时候不需要做全表扫描。

B+ Tree索引和Hash索引区别？

1：hash索引适合等值查询，但是无法进行范围查询。
2：hash索引没办法利用索引完成排序。
3：hash索引不支持多列联合索引的最左匹配规则。
4：如果有大量重复健值得情况下，hash索引的效率会很低，因为哈希碰撞问题。

B+Tree的页子节点都可以存放哪些东西？

1：innoDB的B+Tree可能存储的是整行数据，也有可能是主键的值。

innoDB的B+Tree 存储整行数据和主键的值得区别？

1：整行数据：innoDB的B+Tree存储了整行数据的是主键索引，也被成为聚凑索引。
2：存储主键的值：成为非主键索引，也被称为非聚凑索引

聚簇索引和非聚簇索引，在查询数据的时候有区别吗？为什么？

聚簇索引查询会更加快些。因为主键索引树的页子节点存储的是整行数据。也就是我们需要得到的数据。而非主键索引的页子节点是主键的值，查询的主键之后，我们还需要通过主键的值再次进行查询数据。（这个过程被称之为回表）。

非主键索引一定会查询多次吗？

不一定的？因为通过覆盖索引也可以只查询一次。

覆盖索引是什么？

（1）：覆盖索引指的是一个查询语句的执行只用从索引中就能获取到。不必从数据表中读取。也可以被称之为索引覆盖。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。这样就可以避免回表操作，减少I/O提高效率。
（2）：表covering_index_sample中有一个普通索引 idx_key1_key2(key1,key2)。当我们通过SQL语句：
select key2 from covering_index_sample where key1 = 'keytest';的时候，就可以通过覆盖索引查询，无需回表。

最左匹配原则？

在创建联合索引时候，一般需要遵循最左匹配原则。即联合索引中的属性识别度最高的放在查询语句的最前面。

mysql5.6和mysql5.7对索引做了哪些优化？

mysql5.6引入了索引下推优化，默认是开启的。
例子：user表中（a,b,c）构成一个索引。
select * from user where a='23' and b like '%eqw%' and c like 'dasd'。
解释：如果没有索引下推原则，则mysql会通过a='23' 先查询出一个对应的数据。然后返回到mysql服务端。mysql服务端再基于两个like模糊查询来校验and查询出的数据是否符合条件。这个过程就设计到回表操作。
如果使用了索引下推技术，则mysql会首先返回返回条件a='23'的数据的索引，然后根据模糊查询的条件来校验索引行数据是否符合条件，如果符合条件，则直接根据索引来定位对应的数据，如果不符合直接reject掉。因此，有了索引下推优化，可以在有like条件的情况下，减少回表的次数。

怎么查询SQL语句是否使用了索引查询？

使用explain查询SQL语句的执行计划，通过执行计划来分析索引的使用情况。

优化器的执行过程？

1：根据搜索条件，找出可能使用的索引。
2：计算全表扫描的代价。
3：计算使用不同索引执行查询的代价。
4：对比各种执行方案的代价，找出成本最低的一个。