怎么查看一条语句是否走了索引
type字段就是描述了找到所需数据时使用的扫描方式是什么，常见扫描类型的执行效率从低到高的顺序为：
A‖（全表扫描）；
index(全索引扫描)；
range(索引范围扫描)；
ref(非唯一索引扫描)；
eq_ref(唯一索引扫描)；
const(结果只有一条的主键或唯一索引扫描)。
可以通过explain查看SQL的执行计划，关注type字段，这个字段表明SQL扫描的方式，如果type字段不是all或者index就代表是索引扫描的方式，这种情况就代表SQL走了索引，并且我们还可以通过key字段，看这条查询用了哪个索引字段来走索引，如果key为null，也代表没有走索引。
extra字段中的using index和using where的区别
- using index表示查询使用了索引覆盖，不会回表，这个可以提高查询效率。
- using where表示MySQL的存储引擎返回给server层的数据并不一定满足where子句的条件，所以MySQL从存储引擎掌到的数据，还得在server层进行了where子句的条件判断，来过滤出最终sql所需要查询的数据。
怎么找到慢SQL
可以开启慢查询日志，MySQL就会自动将执行比较慢的SQL语句记录在慢查询日志中，具体多慢我们可以自己设置的，比如设置3秒，那么MySQL就会将执行超过3秒的SQL语句记录在慢查询日志中
如何优化慢SQL
- 优化数据访问：要先确认这条查询语句是否查询了不必要的数据行，可以通过t子句来缩减查询返回的数据行数，如果查询语句用了select*，需要改进SQL语句，只返回需要查询的列。
- 切分查询：针对一个大查询可以拆分多个小查询，每个小查询只返回一部分查询数据。比如删除一千万行数据，可以改进成分批删除，每一次只删除一批数据，然后睡眠一下，再删除下一批，这样可以将一次性的压力分散到一个很长的时间段中，不仅可以降低对服务器的性能影响，还可以大大减少删除时锁的持续时间。
- 覆盖索引：如果没有索引字段的话，就需要考虑建立索引，或者建立联合索引，通过覆盖索引的查询，这样就避免回表查询，可以提高查询性能。
- 避免索引失效：检查SQL语句有没有问题，比如对索引进行了计算和函数操作、联合索引没有遵循最左匹配原则等，这些场景都会导致索引失效，这时候就需要修改SQL避免索引失效的发生。
- 分解联表查询：针对联表查询的SQL语句，可以将联表查询分解成多个单表查询的语句，然后在业务层来聚合数据，或者增加冗余字段减少联表查询。
- 排序优化：针对order by排序操作，如果执行计划的extra显示了文件排序，这时候我们可以对排序字段和其他字段建立联合索引，因为索引数据是天然有序的，这样对索引字段进行排序操作的时候，就不需要文件排序了，提高了查询性能。
深分页场景如何优化
分页最简单的实现是使用limit字节句，比如每页显示10条内容的话，第一页就是limit10、第二页就是limit10,10、第三页20,10。
但是这种方式，在深分页的场景，存在严重的性能问题，比如limit10000,20这样的查询，这时候MySQL最左叶子节点开始向右扫描10020条记录，时间复杂度为O(n)，然后只返回20条给客户端，前面10000条记录都将被抛弃。如果是使用了二级索引，这种场景性能损失会加剧，因为对于前10000个不需要的数据，MySQL每次也要回表去查找，这就导致了10000次随机IO。（LIMIT offset, count ，MySQL的offset没有下推）
select * from t_player order by score desc limit 10000,20
我能想到这两种优化方式：
- 可以在业务上改进，将"第几页"改成"下一页"，先记录上一页的最后一条记录的id，然后下次就直接从该记录的位置开始扫描，这样就避免MySQL扫描大量不需要的行然后再抛弃掉的问题。
-- 记录score为prev_score
select score from t_player order by score desc limit 20
-- 下一页
select score from t_player where score > prev_score order by score desc limit 20
- 如果要遵循第几页的方案，可以通过覆盖索引+子查询方式改进。子查询语句主要查询分页数据对应的数据库唯一id值，因为主键在辅助索引上就有，所以子查询可以不用回表。然后主查询再根据子查询返回的id，进行索引查询完整的数据行。
select * from t_player id in (select id from t_player order by score limit 10000, 1）
如果SQL和索引都没问题，查询还是很慢怎么办
- 分批查询：针对一个大查询可以拆分多个小查询，每个小查询只返回一部分查询数据
- 增加缓存：针对频繁读取的热点数据，我们可以放到Redis缓存，避免每次都要请求MySQL
- 分表：如果表的数据量很大，比如表数据千万级别了，这时候可以考虑分表了，通过减少每次查询数据总量来解决数据查询缓慢的问题
- 主从复制：针对读多写少的场景，我们可以搭建MySQL主从模式来分摊读请求的流量
- 分库：针对写多读少的场景，单库的性能无法抗住高并发流量，就需要进行分库，把并发请求分散到多个实例中去