索引是减少磁盘IO的物理手段，本质是排序的“小表”，存列值和数据行地址；B+树结构支持高效查找、范围查询与排序；需依执行计划评估，避免无效索引。
索引就是数据库的“目录”，不是加速查询的魔法，而是减少磁盘 IO 的物理手段
MySQL 索引本质是一张额外的、排序过的“小表”，里面存的是 列值 + 对应数据行的磁盘地址（或主键）。它不改变原表数据，但让查询不用扫全表——比如查 WHERE name = '张三'，有索引时，MySQL 直接在索引 B+ 树里二分查找，定位到叶子节点，再按地址取数据；没索引就得从第一页磁盘读到最后一行，IO 次数可能差几十倍。
- B+ 树是 InnoDB 默认且最常用的数据结构：非叶子节点只存键和指针，叶子节点存完整数据（聚簇索引）或主键（二级索引），且叶子间用双向链表连起来，天然支持范围查询（
BETWEEN、>=）和排序（ORDER BY） - 索引不是越多越好：每个索引都要占磁盘空间，写操作（
INSERT/UPDATE/DELETE）时还要同步更新索引树，拖慢写入速度 - 重复值高的列（如
gender只有 'M'/'F'）建索引效果极差，优化器很可能直接放弃使用
什么时候该建索引？看执行计划比凭感觉靠谱得多
别猜“这列经常 where 就该加索引”。先用 EXPLAIN 看 MySQL 实际怎么走的：
EXPLAIN SELECT * FROM users WHERE status = 1 AND created_at > '2024-01-01';
重点关注 type 字段：ALL 是全表扫描（危险），range 或 ref 才算走了索引；key 显示实际用的索引名；rows 是预估扫描行数——如果远大于结果集，说明索引效率低或没选对。
- 单列索引适合等值查询（
=、IN）和高区分度字段（如user_id） - 联合索引要注意最左前缀原则：索引
(a, b, c)能命中WHERE a=1、WHERE a=1 AND b=2、WHERE a=1 AND b=2 AND c=3，但WHERE b=2或WHERE a=1 AND c=3无法利用后两列 - 覆盖索引能避免回表：如果
SELECT id, name FROM users WHERE name = '李四'，而索引是(name, id)，那查完索引就拿到全部字段，不用再根据主键去聚簇索引捞数据
常见踩坑：这些“看起来合理”的索引其实无效
很多线上慢查询，根源不是没建索引，而是建了但白建了：
易优cms汽车车辆租赁源码1.7.2
下载
由于疫情等原因大家都开始习惯了通过互联网上租车服务的信息多方面，且获取方式简便，不管是婚庆用车、旅游租车、还是短租等租车业务。越来越多租车企业都开始主动把租车业务推向给潜在需求客户，所以如何设计一个租车网站，以便在同行中脱颖而出就重要了，易优cms针对租车行业市场需求、目标客户、盈利模式等，进行策划、设计、制作，建设一个符合用户与搜索引擎需求的租车网站源码。 网站首页
- 在
WHERE条件里对索引列用了函数或表达式：WHERE YEAR(create_time) = 2024→ 改成WHERE create_time >= '2024-01-01' AND create_time -
隐式类型转换：
user_id是INT，却写WHERE user_id = '123'→ 字符串强制转数字会丢索引 - 用
LIKE以通配符开头：WHERE name LIKE '%辉'→ B+ 树没法从头匹配，只能全扫；LIKE '张%'才有效 - 索引列参与运算：
WHERE score + 10 > 90→ 必须改写为WHERE score > 80
建索引不是一劳永逸，得定期检查和清理
业务迭代后，旧索引可能长期未被使用，反而拖累写性能。InnoDB 提供了统计信息：
SELECT * FROM sys.schema_unused_indexes WHERE object_schema = 'your_db';
（需开启 performance_schema 并导入 sys 库）
- 高频更新但低频查询的列，谨慎加索引；可考虑延迟构建或用缓存替代
- 联合索引顺序要按查询频率和区分度综合排：高区分度、常用于等值过滤的放左边，范围查询（
>、BETWEEN）的放右边 - 删除索引前务必确认：查
information_schema.STATISTICS或用pt-index-usage工具分析历史慢日志
真正难的从来不是“怎么建索引”，而是判断“要不要建”以及“建了之后它到底有没有被用上”。磁盘 IO 和 B+ 树层级是硬约束，所有优化都绕不开这两点。
