索引

一般的应用对数据库大部分操作都是查询，所以查询速度显得尤为重要。

当数据库中数据量很大时，查找数据会变得很慢，这个时候就需要做相应的优化处理。

建立索引一个有效的优化方案：

索引就好比一本书的目录，它会让你更快的找到内容，显然目录（索引）并不是越多越好，假如这本书1000页，有500也是目录，它当然效率低，目录是要占纸张的,而索引是要占磁盘空间的。

选择索引的数据类型：

越小的数据类型越好，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。 简单的数据类型更好，整型数据比起字符串，处理开销更小，因为字符串的比较更复杂。

Mysql常见索引有：主键索引、唯一索引、普通索引、全文索引、组合索引

创建索引

PRIMARY KEY（主键索引）：

alter table 表名 add primary key (列名);

UNIQUE(唯一索引)：

alter table 表名 add unique (列名);

INDEX(普通索引)：

alter table 表名 add index 索引名称 （列名);

FULLTEXT(全文索引)：

alter table add fulltext (列名);

组合索引：

alter table 表名 add index 索引名 (列1，列2，列2);

查看索引

show index from 表名;

删除索引

drop index 索引名 on 表名;

查询测试

创建一个表myindex表，向里面插入50万条数据

create table myindex(
id int auto_increment primary key  not null,
test varchar(10)
)

写一段python脚本插入将50万条数据插入

# coding=utf-8
from pymysql import *
conn = connect(host='127.0.0.1',port=3306,database='python',user='root',password='mysql',charset='utf8')
cs1=conn.cursor()
for i in range(0,500000):
    str_ = 'test' +str(i)
    sql = "insert into myindex values(0,%s);"
    cs1.execute(sql,[str_])
conn.commit()
cs1.close()
conn.close()

创建好表之后开始查询不建索引与建立索引需要的时间，

开始时间检测

set profiling=1;

没有给test字段创建索引的时候,查找第400000条数据

select * from myindex where test='test400000';

查看执行时间

show profiles;

建立索引

alter table myindex add index index_name test;

查找第400000条数据

select * from myindex where test='test400000';

查看执行时间

show profiles;