• 索引概念、索引模型
  

    索引其实是一种数据结构，能够帮助我们快速的检索数据库中的数据

    常见的MySQL主要有两种结构：Hash索引和B+ Tree索引, InnoDB引擎，默认的是B+树。

    Hash索引和B+ Tree索引 优缺点：

    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+ Tree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。

   哈希索引没办法利用索引完成排序 哈希索引不支持多列联合索引的最左匹配规则 如果有大量重复键值得情况下，哈希索引的效率会很低，因为存在哈希碰撞问题

• 聚簇索引、覆盖索引
  

     索引B+ Tree的叶子节点存储了整行数据的是主键索引，也被称之为聚簇索引。

     而索引B+ Tree的叶子节点存储了主键的值的是非主键索引，也被称之为非聚簇索引。

     区别：聚簇索引查询会更快，因为主键索引树的叶子节点直接就是我们要查询的整行数据了。而非主键索引的叶子节点是主键的值，查到主键的值以后，需要回表查询多次

     覆盖索引 ：

     指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取。也可以称之为实现了索引覆盖。

     当一条查询语句符合覆盖索引条件时，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再返回表操作，减少I/O提高效率。

• 联合索引、最左前缀匹配
  

      在创建多列索引时，我们根据业务需求，where子句中使用最频繁的一列放在最左边，因为MySQL索引查询会遵循最左前缀匹配的原则，即最左优先，

      在检索数据时从联合索引的最左边开始匹配。所以当我们创建一个联合索引的时候，如(key1,key2,key3)，相当于创建了（key1）、(key1,key2)和(key1,key2,key3)三个索引，这就是最左匹配原则。

• 索引概念、索引模型
  

    索引其实是一种数据结构，能够帮助我们快速的检索数据库中的数据

    常见的MySQL主要有两种结构：Hash索引和B+ Tree索引, InnoDB引擎，默认的是B+树。

    Hash索引和B+ Tree索引 优缺点：

    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+ Tree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。

   哈希索引没办法利用索引完成排序 哈希索引不支持多列联合索引的最左匹配规则 如果有大量重复键值得情况下，哈希索引的效率会很低，因为存在哈希碰撞问题

• 聚簇索引、覆盖索引
  

     索引B+ Tree的叶子节点存储了整行数据的是主键索引，也被称之为聚簇索引。

     而索引B+ Tree的叶子节点存储了主键的值的是非主键索引，也被称之为非聚簇索引。

     区别：聚簇索引查询会更快，因为主键索引树的叶子节点直接就是我们要查询的整行数据了。而非主键索引的叶子节点是主键的值，查到主键的值以后，需要回表查询多次

     覆盖索引 ：

     指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取。也可以称之为实现了索引覆盖。

     当一条查询语句符合覆盖索引条件时，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再返回表操作，减少I/O提高效率。

• 联合索引、最左前缀匹配
  

      在创建多列索引时，我们根据业务需求，where子句中使用最频繁的一列放在最左边，因为MySQL索引查询会遵循最左前缀匹配的原则，即最左优先，

      在检索数据时从联合索引的最左边开始匹配。所以当我们创建一个联合索引的时候，如(key1,key2,key3)，相当于创建了（key1）、(key1,key2)和(key1,key2,key3)三个索引，这就是最左匹配原则。