索引类似大学图书馆建书目索引，可以提高数据检索的效率，降低数据库的IO成本。MySQL在300万条记录左右性能开始逐渐下降，虽然官方文档说500~800w记录，所以大数据量建立索引是非常有必要的。MySQL提供了Explain，用于显示SQL执行的详细信息，可以进行索引的优化。
1.硬件问题。如网络速度慢，内存不足，I/O吞吐量小，磁盘空间满了等。
2.没有索引或者索引失效。（一般在互联网公司，DBA会在半夜把表锁了，重新建立一遍索引，因为当你删除某个数据的时候，索引的树结构就不完整了。所以互联网公司的数据做的是假删除.一是为了做数据分析,二是为了不破坏索引）
3.数据过多（分库分表）
4.服务器调优及各个参数设置（调整my.cnf）
1.先观察，开启慢查询日志，设置相应的阈值（比如超过3秒就是慢SQL），在生产环境跑上个一天过后，看看哪些SQL比较慢。
2.Explain和慢SQL分析。比如SQL语句写的烂，索引没有或失效，关联查询太多（有时候是设计缺陷或者不得以的需求）等等。
3.ShowProfile是比Explain更近一步的执行细节，可以查询到执行每一个SQL都干了什么事，这些事分别花了多少秒。
4.找DBA或者运维对MySQL进行服务器的参数调优。
MySQL官方对索引的定义为：索引(Index)是帮助MySQL高效获取数据的数据结构。我们可以简单理解为：快速查找排好序的一种数据结构。Mysql索引主要有两种结构：B+Tree索引和Hash索引。我们平常所说的索引，如果没有特别指明，一般都是指B树结构组织的索引(B+Tree索引)。索引如图所示：
最外层浅蓝色磁盘块1里有数据17、35（深蓝色）和指针P1、P2、P3（黄色）。P1指针表示小于17的磁盘块，P2是在17-35之间，P3指向大于35的磁盘块。真实数据存在于子叶节点也就是最底下的一层3、5、9、10、13……非叶子节点不存储真实的数据，只存储指引搜索方向的数据项，如17、35。
查找过程：例如搜索28数据项，首先加载磁盘块1到内存中，发生一次I/O，用二分查找确定在P2指针。接着发现28在26和30之间，通过P2指针的地址加载磁盘块3到内存，发生第二次I/O。用同样的方式找到磁盘块8，发生第三次I/O。
前文铺垫完成，进入实操部分，先来插入测试需要的数据：
CREATETABLE`user_info`(
`id`BIGINT(20)NOTNULLAUTO_INCREMENT,
`name`VARCHAR(50)NOTNULLDEFAULT'',
`age`INT(11)DEFAULTNULL,
PRIMARYKEY(`id`),
KEY`name_index`(`name`)
)ENGINE=InnoDBDEFAULTCHARSET=utf8;
INSERTINTOuser_info(name,age)VALUES('xys',20);
INSERTINTOuser_info(name,age)VALUES('a',21);
INSERTINTOuser_info(name,age)VALUES('b',23);
INSERTINTOuser_info(name,age)VALUES('c',50);
INSERTINTOuser_info(name,age)VALUES('d',15);
INSERTINTOuser_info(name,age)VALUES('e',20);
INSERTINTOuser_info(name,age)VALUES('f',21);
INSERTINTOuser_info(name,age)VALUES('g',23);
INSERTINTOuser_info(name,age)VALUES('h',50);
INSERTINTOuser_info(name,age)VALUES('i',15);
CREATETABLE`order_info`(
`user_id`BIGINT(20)DEFAULTNULL,
`product_name`VARCHAR(50)NOTNULLDEFAULT'',
`productor`VARCHAR(30)DEFAULTNULL,
KEY`user_product_detail_index`(`user_id`,`product_name`,`productor`)
INSERTINTOorder_info(user_id,product_name,productor)VALUES(1,'p1','WHH');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(1,'p2','WL');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(1,'p1','DX');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(2,'p1','WHH');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(2,'p5','WL');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(3,'p3','MA');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(4,'p1','WHH');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(6,'p1','WHH');
INSERTINTOorder_info(user_id,product_name,productor)VALUES(9,'p8','TE');
初体验，执行Explain的效果：
索引使用情况在possible_keys、key和key_len三列，接下来我们先从左到右依次讲解。
--id相同,执行顺序由上而下
explainselectu.*,o.*fromuser_infou,order_infoowhereu.id=o.user_id;
--id不同,值越大越先被执行
explainselect*fromuser_infowhereid=(selectuser_idfromorder_infowhereproduct_name='p8');
可以看id的执行实例，总共有以下几种类型：
table表示查询涉及的表或衍生的表：
explainselecttt.*from(selectu.*fromuser_infou,order_infoowhereu.id=o.user_idandu.id=1)tt
id为1的
type字段比较重要，它提供了判断查询是否高效的重要依据依据。通过type字段，我们判断此次查询是全表扫描还是索引扫描等。
通常来说,不同的type类型的性能关系如下:
ALL ALL类型因为是全表扫描，因此在相同的查询条件下，它是速度最慢的。而index类型的查询虽然不是全表扫描，但是它扫描了所有的索引，因此比ALL类型的稍快.后面的几种类型都是利用了索引来查询数据，因此可以过滤部分或大部分数据，因此查询效率就比较高了。 它表示mysql在查询时，可能使用到的索引。注意，即使有些索引在possible_keys中出现，但是并不表示此索引会真正地被mysql使用到。mysql在查询时具体使用了哪些索引，由key字段决定。 此字段是mysql在当前查询时所真正使用到的索引。比如请客吃饭,possible_keys是应到多少人，key是实到多少人。当我们没有建立索引时： explainselecto.*fromorder_infoowhereo.product_name='p1'ando.productor='whh'; createindexidx_name_productoronorder_info(productor); dropindexidx_name_productoronorder_info; 建立复合索引后再查询： 表示查询优化器使用了索引的字节数，这个字段可以评估组合索引是否完全被使用。 这个表示显示索引的哪一列被使用了，如果可能的话,是一个常量。前文的type属性里也有ref，注意区别。 rows也是一个重要的字段，mysql查询优化器根据统计信息，估算sql要查找到结果集需要扫描读取的数据行数，这个值非常直观的显示sql效率好坏，原则上rows越少越好。可以对比key中的例子，一个没建立索引钱，rows是9，建立索引后，rows是4。 explain中的很多额外的信息会在extra字段显示,常见的有以下几种内容: explainselectu.*,o.*fromuser_infouLEFTJOINorder_infooonu.id=o.user_id; 执行结果，type有ALL，并且没有索引： 开始优化，在关联列上创建索引，明显看到type列的ALL变成ref，并且用到了索引，rows也从扫描9行变成了1行： 这里面一般有个规律是：左链接索引加在右表上面，右链接索引加在左表上面。 索引虽然能非常高效的提高查询速度，同时却会降低更新表的速度。实际上索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录，所以索引列也是要占用空间的。