在MySQL默认的InnoDB存储引擎中，有两类索引，分别是：聚簇索引和二级索引。 聚簇索引，他的特点呢就是数据与索引存放在一块儿，B+tree索引结构的叶子节点保存了整行数据，而且在一张表中，聚簇索引有且仅有一个，默认主键索引就是聚簇索引。二级索引，指的是数据和索引分开存储，B+tree的叶子节点保存对应的主键，二级索引在一张表中可以有多个。
所谓回表查询，就指的是，在执行这条SQL语句的时候，先根据二级索引去检索出对应的主键值；然后再根据主键值，到聚簇索引中查询出对应的数据，这个过程就叫回表查询。 所以回表查询，是需要扫描两次索引的，性能相对来说会差一些。
●
进阶内容：
所以，在项目开发中，我们进行SQL优化的时候，如果需求允许的情况下，尽量避免回表查询，主要从以下几个方面来做：
1). 业务允许的情况下，尽可能根据主键查询，使用聚集索引-避免回表查询。
2). 为表中的字段，根据业务需求创建合适的联合索引，查询时使用索引覆盖-避免回表查询。
3). 使用索引下推，减少回表查询的次数。【索引下推，是mysql5.6之后提供的功能】
●
可能继续发问的问题：
你刚才提到索引下推，简单聊聊什么是索引下推？
索引下推（Index Condition Pushdown），是MySQL5.6后提供的功能，指的是在多条件查询SQL执行时，提前判断对应的搜索条件是否满足，满足了再去回表（就是将本应该在 server 层进行筛选的条件，下推到存储引擎层来进行筛选判断，这样能有效减少回表），通过减少回表次数进而提高查询效率。
2.4 为什么MySQL索引结构是B+tree ?
●
必答内容：
其实这个问题，我们可以做一个假设啊。
●
假设索引结构是二叉搜索树、平衡二叉树 或 红黑树等，其实本质都是二叉树，一个节点下最多只能有两个子节点，如果这张表要存储的数据量比较大，二叉树的层级将会非常深，检索效率会很低。
●
而如果索引结构是Btree，在B树中，非叶子节点和叶子节点既要要存储key和指针，还要存放数据，而InnoDB的物理存储结构中，一页（Page）的大小是固定的，就是16KB。 那这一页中能够存储的key的数量并不多，就会造成大数据量情况下，树的层级较深，检索速度慢。 还有一个问题，就是由于 非叶子节点和叶子节点既要要存储key，还要存放数据，查找效率并不稳定。 （有些数据，只需要一次查找，有些数据，可能需要五六次，有些...）
所以，在MySQL数据库中才使用了B+tree作为索引的数据结构。 主要有以下优势：
●
在B+tree中，非叶子节点并不存放数据，只存放key和指针，所以一页（Page）中能够容纳的key将更多，相同数据量的情况下，树的层级要浅的多，检索效率高。
●
所有的数据都存储在B+tree的叶子节点中，也就意味着无论什么数据，都需要找到叶子节点才能查询到对应的数据，检索效率更加稳定。
●
第三是B+树数据都存储在B+tree的叶子节点，并形成了一个双向链表，便于区间范围查询。
●
可能继续发问的问题：
那MySQL的B+tree的索引结构，树的高度一般是多高呢？
嗯，这个高度其实是可以计算出来的，一般高度在2-3层，如果高度为3，基本上就可以容纳一两千万的数据了。如何计算呢？
●
我们的索引是在页（Page）中存储的，而一个页的大小模式为（16KB）。
●
对于非叶子节点来说，页中存储的除了具体的key之外，还有一个就是指针 。(假设主键为bigint占8个字节，指针占6个字节)
●
那么我们就可以大概计算出一页中可以存储的key数量为：16 1024 / 14 = 1170 。也就意味着一个页（Page）中约可以存1170个key
●
假设一行数据的大小为1KB，一页可以存16条数据。那两层的B+tree可以容纳：117016=18720条数据。
●
那三层的B+tree可以容纳：1170 1170 16 = 21902400 条数据。
