摘要：
MySQL 索引排序规则？索引的顺序要遵循三个规则1.要遵循最左前缀 无论是多个还是一个列的索引 都不应该跳过最左列 如果在查询语句当中 没有使用最左前缀的字段 就不会使用索引2.... MySQL 索引排序规则？
索引的顺序要遵循三个规则
1.要遵循最左前缀 无论是多个还是一个列的索引 都不应该跳过最左列 如果在查询语句当中 没有使用最左前缀的字段 就不会使用索引
2.不能跨越索引列
3.索引进行模糊查询 范围查询 ，右边的所有列都无法使用索引优化
MySQL建立索引目的？
MySQL建立索引最简单的目的就是对数据库的访问会快一点。一个表，如果没有索引，数据量少点的时候你不会觉得数据库本身的的性能问题，但是随着数据量的显著增加，比如超过一万条记录之后，可能你就会遇到数据库操作的性能问题了，这个时候，你建立索引就会显著的改善数据库的写入性能。
图片来源：网络
mysql索引数据结构区别？
MySQL中常见的索引数据结构主要有B-Tree、B+Tree、Hash、R-Tree等。每种数据结构都有其特点和适用场景，下面简要介绍它们之间的区别：
B-Tree（平衡树）：
B-Tree是一种自平衡的树，能够保持数据有序。
相对于二叉树，B-Tree的每个节点可以有多个子节点，从而减少了树的高度，提高了查询效率。
但B-Tree在范围查询时可能不如B+Tree高效，因为B-Tree非叶子节点也存储了数据。
B+Tree：
B+Tree是B-Tree的一种变体，也是MySQL中最常用的索引结构（特别是InnoDB存储引擎）。
在B+Tree中，所有数据都存储在叶子节点上，非叶子节点只存储键值信息，用于指导查询的方向。
这种设计使得B+Tree在范围查询时特别高效，因为一旦找到范围的起点，就可以顺序遍历叶子节点直到范围的终点。
B+Tree的叶子节点之间通常还通过指针相连，这进一步提高了范围查询的效率。
Hash：
Hash索引基于哈希表实现，通过哈希函数快速定位数据。
对于等值查询，Hash索引通常非常快，因为可以直接计算哈希值并定位数据。
但Hash索引不支持范围查询和排序操作，因为哈希函数破坏了数据的顺序性。
在MySQL中，Memory存储引擎支持Hash索引。
R-Tree：
R-Tree主要用于空间索引，如地理空间数据。
它能够高效地处理多维空间数据，并支持范围查询和最近邻查询等空间操作。
在MySQL中，Spatial扩展支持R-Tree索引，用于处理地理空间数据。
总结：
B-Tree和B+Tree适用于大多数情况，特别是当需要支持范围查询和排序操作时。B+Tree由于叶子节点之间的指针连接，在范围查询上表现更优。
Hash索引适用于等值查询，但不适合范围查询和排序。
R-Tree主要用于地理空间数据和其他多维空间数据的索引。
在选择索引结构时，需要根据数据的特性和查询需求来权衡。
MySQL中的索引数据结构有多种，其中B树和B+树是两种常见的索引数据结构。它们在结构和特性上存在一些明显的区别。
B树（B-Tree）的特点是每个节点可以有多个孩子节点，孩子节点的数量等于关键字数量。这意味着在B树中，关键字和子节点的数量是相等的。非叶节点的关键字用于索引，但不保存数据记录，与记录有关的信息都存储在叶子节点中。
而B+树（B+-Tree）在结构上与B树有所不同。在B+树中，非叶节点的关键字数量等于子节点数量减一，即孩子数量 = 关键字数 + 1。此外，B+树的非叶节点仅用于索引，不保存数据记录，所有的数据记录都保存在叶子节点中。这种设计使得B+树在叶子节点之间具有更好的链式访问能力，提高了区间查询的效率。
在MySQL中，InnoDB存储引擎使用B+树作为其索引结构。对于主键索引，B+树按照主键进行建树，叶子节点存储主键和对应的行数据。
而对于非主键索引（也称为二级索引或辅助索引），叶子节点存储列值及对应的主键值，查询时需要先通过非主键索引查找到主键值，再通过主键值到主键索引中查找具体的行数据。
此外，MySQL还支持其他类型的索引，如哈希索引、全文索引等，它们各自具有不同的适用场景和优缺点。
在实际使用中，应根据数据的特性、查询需求以及存储引擎的支持情况来选择合适的索引结构。
总的来说，B树和B+树在MySQL中作为索引数据结构各有特点，B+树由于其在叶子节点之间的链式访问能力，更适合进行范围查询和排序操作，而B树则可能在某些特定场景下具有优势。
在选择使用哪种索引结构时，需要综合考虑查询性能、存储空间、维护成本等因素。
