1、你一般怎么建索引的？
去my.cnf里配置三個配置
監(jiān)控到慢SQL后，就馬上開始建索引?
NO,NO,NO….這種時候，應(yīng)該先考慮你的SQL能不能進行SQL優(yōu)化。
例如，當(dāng)只要一行數(shù)據(jù)時使用 limit 1
查詢時如果已知會得到一條數(shù)據(jù)，這種情況下加上 limit 1 會增加性能。因為 mysql 數(shù)據(jù)庫引擎會在找到一條結(jié)果停止搜索，而不是繼續(xù)查詢下一條是否符合標(biāo)準直到所有記錄查詢完畢。
然而大多數(shù)情況下，業(yè)務(wù)SQL十分復(fù)雜，沒法優(yōu)化。所以就要建立索引了。這個時候，參照如下規(guī)則建立索引
(1)索引并非越多越好，大量的索引不僅占用磁盤空間，而且還會影響insert,delete,update等語句的性能
(2)避免對經(jīng)常更新的表做更多的索引，并且索引中的列盡可能少；對經(jīng)常用于查詢的字段創(chuàng)建索引，避免添加不必要的索引
(3)數(shù)據(jù)量少的表盡量不要使用索引，由于數(shù)據(jù)較少，查詢花費的時間可能比遍歷索引的時間還要短，索引可能不會產(chǎn)生優(yōu)化效果
(4)在條件表達式中經(jīng)常用到不同值較多的列上創(chuàng)建索引，在不同值很少的列上不要建立索引。比如性別字段只有“男”“女”倆個值，就無需建立索引。如果建立了索引不但不會提升效率，反而嚴重減低數(shù)據(jù)的更新速度
(5)在頻繁進行排序或者分組的列上建立索引，如果排序的列有多個，可以在這些列上建立聯(lián)合索引。
2、講講索引的分類？你知道哪些？
從物理存儲角度:
聚簇索引和非聚簇索引
從數(shù)據(jù)結(jié)構(gòu)角度:
B+樹索引、hash索引、FULLTEXT索引、R-Tree索引
從邏輯角度:
主鍵索引：主鍵索引是一種特殊的唯一索引，不允許有空值
普通索引或者單列索引
多列索引（復(fù)合索引）：復(fù)合索引指多個字段上創(chuàng)建的索引，只有在查詢條件中使用了創(chuàng)建索引時的第一個字段，索引才會被使用。使用復(fù)合索引時遵循最左前綴集合
唯一索引或者非唯一索引
空間索引：空間索引是對空間數(shù)據(jù)類型的字段建立的索引，MYSQL中的空間數(shù)據(jù)類型有4種，分別是GEOMETRY、POINT、LINESTRING、POLYGON。
3、如何避免回表查詢?什么是索引覆蓋?
這個問題，如果要看詳細版，請參閱文章《Innodb中索引的原理》
這里簡單說一下。
當(dāng)能通過讀取索引就可以得到想要的數(shù)據(jù)，那就不需要回表讀取行了。一個索引包含了（或覆蓋了）滿足查詢結(jié)果的數(shù)據(jù)就叫做索引覆蓋。
例如此時有一張表table1,有一個聯(lián)合索引(a,b)
執(zhí)行如下SQL
select a,b from table1
在索引上就能找到結(jié)果，就不用回表去查詢！
而你執(zhí)行的是
c列在索引上不存在，就需要回表查詢。
需要說明的是覆蓋索引必須要存儲索引列的值，而哈希索引、空間索引和全文索引不存儲索引列的值，所以mysql只能用B+ tree索引做覆蓋索引。
4、現(xiàn)在我有一個列，里頭的數(shù)據(jù)都是唯一的，需要建一個索引，選唯一索引還是普通索引？
答唯一索引！
首先，在孤盡出的《阿里巴巴JAVA開發(fā)規(guī)范》中有這么一段話
【強制】業(yè)務(wù)上具有唯一特性的字段，即使是多個字段的組合，也必須建成唯一索引
說明：不要以為唯一索引影響了 insert 速度，這個速度損耗可以忽略，但提高查找速度是明顯的；另外，即使在應(yīng)用層做了非常完善的校驗控制，只要沒有唯一索引，根據(jù)墨菲定律，必然有臟數(shù)據(jù)產(chǎn)生。
那好，下一問出現(xiàn)了！
為什么唯一索引的插入速度比不上普通索引？為什么唯一索引的查找速度比普通索引快？
這個問題就要從Insert Buffer開始講起了，在進行非聚簇索引的插入時，先判斷插入的索引頁是否在內(nèi)存中。如果在，則直接插入；如果不在，則先放入Insert Buffer 中，然后再以一定頻率和情況進行Insert Buffer和原數(shù)據(jù)頁合并(merge)操作。
這么做的優(yōu)點:能將多個插入合并到一個操作中，就大大提高了非聚簇索引的插入性能。
InnoDB 從 1.0.x 版本開始引入了 Change Buffer，可以算是對 Insert Buffer 的升級。從這個版本開始，InnoDB 存儲引擎可以對 insert、delete、update 都進行緩存。
唯一速度的插入比普通索引慢的原因就是:
唯一索引無法利用Change Buffer
普通索引可以利用Change Buffer
于是乎下一問又來了！
為什么唯一索引的更新不使用 Change Buffer？
因為唯一索引為了保證唯一性，需要將數(shù)據(jù)頁加載進內(nèi)存才能判斷是否違反唯一性約束。但是，既然數(shù)據(jù)頁都加載到內(nèi)存了，還不如直接更新內(nèi)存中的數(shù)據(jù)頁，沒有必要再使用Change Buffer。
最后回答一下，唯一索引的搜索速度比普通索引快的原因就是:
普通索引在找到滿足條件的第一條記錄后，還需要判斷下一條記錄，直到第一個不滿足條件的記錄出現(xiàn)。
唯一索引在找到滿足條件的第一條記錄后，直接返回，不用判斷下一條記錄了。
5、mysql索引是什么結(jié)構(gòu)的？用紅黑樹可以么?
這個妥妥答最常見的B+ Tree。
AVL樹和紅黑樹基本都是存儲在內(nèi)存中才會使用的數(shù)據(jù)結(jié)構(gòu)。在大規(guī)模數(shù)據(jù)數(shù)據(jù)存儲的時候，顯然不能將全部數(shù)據(jù)全部加載進內(nèi)存，因此如果采用紅黑樹，就會造成頻繁IO，效率低下。
那為啥不用B Tree,而選擇B+ tree呢？
這就需要貼一下經(jīng)典的兩張圖。B tree是長下面這樣的
注意一下B tree的兩個明顯特點
樹內(nèi)存儲數(shù)據(jù)
葉子節(jié)點上無鏈表
而B+ tree長下面這樣的
注意一下B+ tree的兩個明顯特點
數(shù)據(jù)只出現(xiàn)在葉子節(jié)點
所有葉子節(jié)點增加了一個鏈指針
接下來就可以開始編了～～比如數(shù)據(jù)庫索引采用B+ tree的主要原因是B Tree在提高了磁盤IO性能的同時并沒有解決元素遍歷的效率低下的問題。正是為了解決這個問題，B+ tree應(yīng)運而生。B+ tree只要遍歷葉子節(jié)點就可以實現(xiàn)整棵樹的遍歷。而且在數(shù)據(jù)庫中基于范圍的查詢是非常頻繁的，如果使用B Tree，則需要做局部的中序遍歷，可能要跨層訪問，效率太慢。
提示，我下一問就是:
你剛才說了這么多B tree不行，那你知道為啥Mongodb用B Tree當(dāng)索引，而不用B+ Tree么？
(從關(guān)系數(shù)據(jù)庫和非關(guān)系數(shù)據(jù)庫的區(qū)別角度去答，不拓展了！仔細想想，在Mongodb里表示二者的關(guān)系，你會怎么處理!)
6、mysql某表建了多個單索引，查詢多個條件時如何走索引的？
其實，我看到這題的時候，內(nèi)心一抖。這題讓后端開發(fā)來答，真的很拼功底！
這里希望大家先看看我的另一篇文章《我是一條DQL》。此題在考優(yōu)化器的知識！此題是在考察優(yōu)化器如何抉擇索引的！優(yōu)化器會評估出走哪個索引最優(yōu)，然后執(zhí)行。
Mysql在優(yōu)化器中有一個優(yōu)化器稱為Range 優(yōu)化器，負責(zé)進行范圍查詢的優(yōu)化！
那么該優(yōu)化器計算執(zhí)行成本有兩種方式index dive與index statistics。
它們是MySQL優(yōu)化器對開銷代價的估算方法，前者統(tǒng)計速度慢但是能得到精準的值，后者統(tǒng)計速度快但是數(shù)據(jù)未必精準。
坦白說寫到這里，我內(nèi)心痛哭流涕，要把index dive和index statistics寫明白，真不是一件容易的事，這里只能稍微扯扯。
對于index dive:
計算成本的方式為
COST = CPU COST + IO COST
其中CPU COST指的是處理返回記錄所花的開銷。而IO COST指的是讀取頁面的開銷。
mysql會對每種索引的執(zhí)行情況，進行上述成本計算，最后以成本小的方式進行執(zhí)行。
但是呢，在某些情況下mysql執(zhí)行index dive的成本太大。因此優(yōu)化器會選擇以index statistics方式進行估算成本。
具體如下：
此時出來的結(jié)果中，有一列名為Cardinality，該值表示索引列中不重復(fù)值的個數(shù)。
簡單來說就是，索引列的唯一值的個數(shù)，如果是復(fù)合索引就是唯一組合的個數(shù)。
這個數(shù)值將會作為mysql優(yōu)化器對語句執(zhí)行計劃進行判定時依據(jù)。如果唯一性太小，那么優(yōu)化器會認為，這個索引對語句沒有太大幫助，而不使用索引。
Cardinality值越大，就意味著，使用索引能排除越多的數(shù)據(jù)，執(zhí)行也更為高效。
