使用索引很简单的。只要能写创建表单语句。就能写创建索引的语句。
当然我的本科的局限性：就是加索引能失败查询变快。。。变快。变快
特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，BTree索引，哈希索引，全文索引。因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。
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。提取句子主干，就可以得到索引的本质：索引是数据结构。
为什么要给表加上主键？？？
主流的RDMBS都是把平衡树当做数据库默认的索引数据结构。当然也有的是哈希桶作为索引的。。
我自己理解的就是：不同的引擎的话，索引是不同的。
我们平时建表的时候都会为表加上主键，在某些关系数据中，如果建表时不指定主键，数据库会拒绝建表
的语句的执行。事实上，一个加了主键的表，并不能称之为表，一个没加主键的表，她的数据会无序的放置在磁盘‘存储器上，
一行一行的排列的很整齐，和我认知中的表很接近，如果这时候加上了主键，那么表在磁盘上的存储结构就有整齐排列结构变成了树状结构。也就是上面的平衡树。整个表就变成了一个聚集索引，这就是为什么一个表只能有一个主键，一个表只能有一个聚集索引，因为主键的作用就是把表的数据格式转换成平衡树的格式放置。
讲完聚集索引，接下来我们就聊一聊非聚集索引，也就是我们平时经常提起和使用的常规索引。
非聚集索引和聚集索引一样。同样是采用非平衡树作为索引的数据结构的。索引结构中个节点的值来自于表中
的索引字段，假如给user表的name字段加上索引，那么索引就是有name字段的值构成，在数据改变时，DBNS需要一直维护索引结构的正确性，如果给表中的多个字段加上索引，那么就会出现多个独立的索引结构，每个索引（非聚集聚集）就不互相关联了。每次给字段建一个新索引，字段中数据就会被复制一份出来。用于生成索引。因此，给表添加索引，就会添加表的体积。占用磁盘存储空间。
非聚集索引和聚集索引的区别在于：通过聚集索引可以查到需要查找的数据，而通过非聚集索引可以查到记录对应的主键值，在使用主键的值通过聚集索引查找需要的数据。
不管以任何方式查询表，最终都会利用主键通过聚集索引来定位到数据，聚集索引（主键）是通往真实数据真实数据的唯一途径。
-----------------这里我们介绍的就是为什么添加索引后，效率会高很多-------------------
B数又叫B-树，它就是一种平衡多路查找数。。
这里我们就简单的去描述一下B数的主要特点。。
所有的叶子节点必须在同一层次，也就是他们具有相同的深度。
在一个节点中，第n个子数中的所有key，小于这个节点第n个key.大于n-1的key。。就是这样的。
由于B_tree的特性，在B-tree中安key解锁数据的算法非常直观：如果找到则返回对应的节点的data,否则对相应区间的指针指向的节点递归进行查找，直到找到节点或找到null指针，前者查找成功，后者查找失败，B-tree上查找算法的伪代码的如下：
根据上面的性质的话，我们对于一个度为d的B-tree，设其索引N个key，则其树的高上面为logd((N+1)/2),解锁一个key.其查找节点个数的建进度复杂度O(logdN).这点。B-tree是一个 非常有效率的索引数据结构。
另外， 由于插入删除新的数据会破坏B-tree的性质，在插入删除时，需要对数进行一个分裂，合并，转移等操作以保持
B-tree性质。
这里的话，b-tree有很多变种，其中最常见的就是b+tree，比如mysql就普遍使用B+tree实现其索引结构。
这里就是每个节点不存储data，只储存key.
叶子节点不存储指针。
。。。。。。。。这里我们对数据库 的优化，谈谈自己的看法吧。。。。。。。。。。。。
sql的优化就是结构优化和查询语句的优化：（就是简单点的话，就是避免全表扫描）
1.对查询进行优化，应尽量避免的是全表扫描，首先应考虑的在where 即order by设计的列上建立索引。
这里我们就简单的说三条可以不？
应尽量避免在where字句中对字段进行null值判断，否则将导致引擎方式使用索引而进行全表扫描。
应尽量避免使用where语句中使用or来连接条件。否则将导致引擎放弃 使用索引而进行全表扫描。