聚集索引和非聚集索引的理解
首先理解一下什么是聚集索引什么是非聚集索引？
我们先看看百度百科对聚集索引的定义：
天呐，这是什么？？
新技术人被英语差、技术又菜的前辈的可怕翻译迫害，想想都是一件可怕的事。
我们看个正常的定义：
A clustered index is a special type of index that reorders the way records in the table are physically stored. Therefore table can have only one clustered index. The leaf nodes of a clustered index contain the data pages.
A nonclustered index is a special type of index in which the logical order of the index does not match the physical stored order of the rows on disk. The leaf node of a nonclustered index does not consist of the data pages. Instead, the leaf nodes contain index rows.
其实很简单，我们的sql数据库是行数据库，数据是一行一行存储的，而聚集索引是个特殊的索引，相当于这一行行记录的物理编号，描述这一行行数据的物理存储顺序。所以，一张表只会有一个聚集索引。
如图，聚集索引的叶子节点指向的就是实际数据页，两个相邻的聚集索引1和2，它们指向数据块上的位置——张三和李四，也得给我住两隔壁。
拿mysql来说，聚集索引通常是表的主键，若无主键则为表中第一个非空的唯一索引，还是没有就采用innodb存储引擎为每行数据内置的ROWID作为聚集索引（隐藏索引）。
再来，不是聚集索引的就是非聚集索引，两个相邻排排站的非聚集索引，它们实际指向的数据可能隔了十万八千里。天呐，其实它就是二级索引啊。
举个例子吧：
create table people (
`id` INT UNSIGNED AUTO_INCREMENT,
`name` VARCHAR(20),
PRIMARY KEY(`id`),
KEY(`name`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;该表主键id就是该表的聚集索引，name就是非聚集索引；表中每行数据都是按id排序存储的；
比如要查找名字是'Aa'和'Ab'这两个人，他们在name索引表中的位置可能是相邻的，但实际的存储位置则不然。
通过name索引最终只能查出数据的主键，然后再按主键捞出来。
聚集索引只能有一个，非聚集索引可以有多个。
那么为什么重复率高的字段不适合作为索引
理论文章会告诉你值重复率高的字段不适合建索引。不要说性别字段只有两个值，网友亲测，一个字段使用拼音首字母做值，共有26种可能，加上索引后，百万加的数据量，使用索引的速度比不使用索引要慢！
一个表可能会涉及两个数据结构(文件)，一个是表本身，存放表中的数据，另一个是索引。索引是什么？它就是把一个或几个字段（组合索引）按规律排列起来，再附上该字段所在行数据的物理地址（位于表中）。比如我们有个字段是年龄，如果要选取某个年龄段的所有行，那么一般情况下可能需要进行一次全表扫描。但如果以这个年龄段建个索引，那么索引中会按年龄值建一个排列，这样在索引中就能迅速定位，不需要进行全表扫描。
为什么性别不适合建索引呢？因为你访问索引需要付出额外的IO开销，你从索引中拿到的只是地址，要想真正访问到数据还是要对表进行一次IO。假如你要从表的100万行数据中取几个数据，那么利用索引迅速定位，访问索引的这IO开销就非常值了。但如果你是从100万行数据中取50万行数据，就比如性别字段，那你相对需要访问50万次索引，再访问50万次表（非聚集索引会先找主键，也就是回表），加起来的开销并不会比直接对表进行一次完整扫描小。同时，虽然索引大大提高了查询速度，同时却会降低更新表的速度，如对表进行 INSERT、UPDATE和DELETE。因为更新表时，MySQL不仅要保存数据还要更新索引。建立索引会占用磁盘空间。一般情 况这个问题不太严重，但如果你在一个大表上创建了多种组合索引，索引文件的会膨胀很快。
当然凡事不是绝对，如果把性别字段设为表的聚集索引，那么就肯定能加快大约一半该字段的查询速度了。聚集索引指的是表本身中数据按哪个字段的值来进行排序。因此，聚集索引只能有一个，而且使用聚集索引不会付出额外IO开销（一级索引，非聚集索引是二级索引，额外一次io）。当然你得能舍得把聚集索引这么宝贵资源用到性别字段上。
由于重复率高，那么一个重复值就会根据索引去表中进行多次查询，每次查询就是一次io，而遍历表就需要一次io，所以重复率高带来的额外io开销是很大的。
