提到事务，你肯定会想到 ACID（Atomicity、Consistency、Isolation、Durability，即原子性、一致性、隔离性、持久性）

SQL 标准的事务隔离级别包括：读未提交（read uncommitted）、读提交（read committed）、可重复读（repeatable read）和串行化（serializable ）。

下面我逐一为你解释：
    a.读未提交是指，一个事务还没提交时，它做的变更就能被别的事务看到。
    b.读提交是指，一个事务提交之后，它做的变更才会被其他事务看到。
    c.可重复读是指，一个事务执行过程中看到的数据，总是跟这个事务在启动时看到的数据是一致的。
      当然在可重复读隔离级别下，未提交变更对其他事务也是不可见的。
    d.串行化，顾名思义是对于同一行记录，“写”会加“写锁”，“读”会加“读锁”。当出现读写锁冲突的时候，
      后访问的事务必须等前一个事务执行完成，才能继续执行。

索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。

哈希表：
    1.适用于等值查询场景(直接按key查找)。
    2.不适用于按区间查找，无序的，区间查询需要全部遍历一遍。

有序数组：
    1.有序数组在等值查询和范围查询场景中的性能就都非常优秀。
      单个和区间查找都可以用二分查找加速查询，时间复杂度O(logN)。
    2.缺点更新数据太麻烦，中间插入记录需要挪动后面所有数据，只适用于
      静态存储引擎，比如保存的数据不会再修改。

二叉搜索树：
    1.二叉搜索树的特点是：每个节点的左儿子小于父节点，父节点又小于右儿子。这样如果你要查 ID_card_n2 的话，
      按照图中的搜索顺序就是按照 UserA -> UserC -> UserF -> User2 这个路径得到。这个时间复杂度是 O(log(N))。
    2.当然为了维持 O(log(N)) 的查询复杂度，你就需要保持这棵树是平衡二叉树。
      为了做这个保证，更新的时间复杂度也是 O(log(N))
    3.二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。其原因是，索引不止存在内存中，还要写到磁盘上。
    4.为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N 叉”树。
      这里，“N 叉”树中的“N”取决于数据块的大小。
    5.以 InnoDB 的一个整数字段索引为例，这个 N 差不多是 1200。这棵树高是 4 的时候，就可以存 1200 的 3 次方个值，这已经 17 亿了。
     考虑到树根的数据块总是在内存中的，一个 10 亿行的  表上一个整数字段的索引，查找一个值最多只需要访问 3 次磁盘。
     其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。 

1.每一个索引在 InnoDB 里面对应一棵 B+ 树.

2.主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引（clustered index）:
  如上图左，例如：主键ID为300，叶子节点为100~600是说明主键ID这行，字段的值为100~600。
  
  非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）：
  如上图右，例如：字段值为3，也子节点1,2,3，5,6是主键值。

3.在查询整行数据值时，基于主键索引查找优于基于普通索引查找（主键是一种唯一性索引(默认)，必须指定为“PRIMARY KEY”。）：
  a.如果语句是 select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
  b.如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引树，
    得到 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。 
  
  基于非主键索引的查询需要多扫描一棵索引树

索引维护：
    1.以上面这个图为例，如果插入新的行 ID 值为 700，则只需要在 R5 的记录后面插入一个新记录。
      如果新插入的 ID 值为 400，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。
    2.而更糟的情况是，如果 R5 所在的数据页已经满了，根据 B+ 树的算法，这时候需要申请一个新的数据页，
      然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受影响。
    3.除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约 50%。
    4.当然有分裂就有合并。当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。
      合并的过程，可以认为是分裂过程的逆过程。

自增主键：
  1.自增主键是指自增列上定义的主键，在建表语句中一般是这么定义的： NOT NULL PRIMARY KEY AUTO_INCREMENT。
  插入新记录的时候可以不指定 ID 的值，系统会获取当前 ID 最大值加 1 作为下一条记录的 ID 值。
  也就是说，自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。
  而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。
  2.除了考虑性能外，我们还可以从存储空间的角度来看。假设你的表中确实有一个唯一字段，比如字符串类型的身份证号，那应该用身份证号做主键，还是用自增字段做主键呢？
   由于每个非主键索引的叶子节点上都是主键的值。如果用身份证号做主键，那么每个二级索引的叶子节点占用约 20 个字节，而如果用整型做主键，则只要 4 个字节，如果是长整型（bigint）则是 8 个字节。显然，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。