概述

           企业应用软件中，在数据存储方面选择为DBMS（数据库管理系统）。当数据量增多后，对数据的查询和分析在速度上会有很大的影响。原因如下：
        1、数据文件存储在磁盘上，每次读取会有I/O消耗。
        2、I/O性能始终是数据读取的瓶颈。数据随机存放，每一次的I/O操作消耗大量的CPU时间。为了降低I/O操作对DBMS查询速度的限制，DBMS引入了索引的概念。

       下面会以MySQL为例来说明,例子如下：
       假设数据库中一个表有10^6条记录，DBMS的页面大小为4K，并存储100条记录。如果没有索引，查询将对整个表进行扫描，最坏的情况下，如果所有数据页都不在内存，需要读取10^4个页面，如果这10^4个页面在磁盘上随机分布，需要进行10^4次I/O，假设磁盘每次I/O时间为10ms(忽略数据传输时间)，则总共需要100s(但实际上要好很多很多)。如果对之建立B-Tree索引，则只需要进行log100(10^6)=3次页面读取，最坏情况下耗时30ms。这就是索引带来的效果，很多时候，当你的应用程序进行SQL查询速度很慢时，应该想想是否可以建索引。
 
索引

        索引类型

        MySQL的数据库引擎有两种，一是MyISAM另一种是INNODB。对于这两种的区别可以参看以下内容：
 http://www.cnblogs.com/villion/archive/2009/07/09/1893762.html。

        BTree是INNODB的索引算法，m阶的BTree树，满足如下内容
        1、所有节点最多有m个子节点
        2、根节点至少有两个子节点
        3、除根节点和叶子节点外，其它节点至少有m/2取上整个节点
        4、所有叶子节点在同一层
        5、有k个节点的非叶子节点恰好有k-1个关键字。
       其结构如下：

MySql执行计划

       使用explain关键字，通过该关键字可以查看mysql的执行计划。执行计划的参数如下：
 
 
查询优化经验

               (1)越小的数据类型通常更好：越小的数据类型通常在磁盘、内存和CPU缓存中都需要更少的空间，处理起来更快。

               (2)简单的数据类型更好：整型数据比起字符，处理开销更小，因为字符串的比较更复杂。在MySQL中，应该用内置的日期和时间数据类型，而不是用字符串来存储时间；以及用整型数据类型存储IP地址。

               (3)尽量避免NULL：应该指定列为NOT NULL，除非你想存储NULL。在MySQL中，含有空值的列很难进行查询优化，因为它们使得索引、索引的统计信息以及比较运算更加复杂。你应该用0、一个特殊的值或者一个空串代替空值。这个在实际开发中应该要注意到，避免出现空值。

               (4)如果对多列进行索引(组合索引)，列的顺序非常重要，MySQL仅能对索引最左边的前缀进行有效的查找。

            例如：存在组合索引index_name(name,pwd)。

查询语句select * from t5 where name='1' and pwd='2'能够使用该索引。
查询语句select * from t5 where name='1' 也能够使用该索引。
查询语句select * from t1 where pwd='2'不能够使用该索引，因为没有组合索引的引导列，即，要想使用pwd列进行查找，必需出现name等于某值。
例子如下:

mysql> desc t5;
 +---------+-------------+------+-----+---------+----------------+
 | Field   | Ty