索引是数据库优化的重要手段，但在高并发环境中，索引的设计必须慎重考虑。错误的索引策略可能带来巨大性能开销。
索引的基本原则
根据查询需求创建索引：优先考虑频繁使用的查询条件。
避免过多索引：每个索引都需要维护，写入时会增加负担。
使用复合索引：将多个查询条件组合在一起，提高匹配效率。
高并发场景下的索引优化技巧
利用覆盖索引：索引包含查询所需的所有字段，避免回表查询。
索引的选择性：选择性高的字段（唯一性强）应优先索引。
动态调整索引：根据实际查询分析，删除无用索引，新增必要索引。
避免过度索引：在写操作频繁的表中，索引应少而精。
索引维护策略
定期优化：重建碎片化索引，确保索引结构高效。
自动化工具：利用数据库提供的分析工具（如MySQL的EXPLAIN、SQL Server的索引建议）辅助优化。
监控索引使用情况：识别未被使用的索引，及时删除。
实际案例
某电商平台在高并发秒杀场景中，通过 房主电话号码清单 建立复合索引（如商品ID+时间戳），极大缩短了查询响应时间，提升了用户体验。
缓存机制的应用（详细扩展）
缓存机制在高并发系统中扮演着“缓冲区”的角色，显著减少数据库的压力。
常用缓存方案
本地缓存：应用层缓存（如Guava、Caffeine）存放热点数据，减少远程调用。
分布式缓存：如Redis、Memcached，存放大量共享数据，跨节点访问。
缓存策略
热点数据缓存：分析访问频次，将最常用数据缓存到内存。
预热缓存：在系统启动或流量预期高峰前，提前加载热点数据。
过期与失效策略：合理设置缓存失效时间，确保数据的新鲜度。
一致性维护：采用合理的更新策略（如写穿、写回）确保缓存与数据库同步。
缓存穿透、击穿和雪崩
缓存穿透：请求的Key不存在，导致每次都访问数据库。解决方案：布隆过滤器过滤无效请求。
缓存击穿：热点Key在失效瞬间被大量请求访问，数据库压力骤增。方案：互斥锁、提前预热。
缓存雪崩：大量Key同时过期，导致瞬间数据库压力爆炸。方案：缓存过期时间随机化、分布式锁。