对于那些具有高选择性（列中不同值的数量与行数的比值较高）的列，索引效果会更好。比如用户表中的email字段，由于每个用户的邮箱通常是唯一的，选择性很高，所以在该列上创建索引能有效加速查询，如通过邮箱查找用户信息（SELECT * FROM users WHERE email = 'user@example.com'）。
B - Tree 索引适用于大多数情况，特别是对于范围查询（如WHERE column BETWEEN value1 AND value2）、等值查询（如WHERE column = value）和ORDER BY操作。例如，在一个存储产品价格的表中，使用 B - Tree 索引可以高效地查询某个价格区间内的产品（SELECT * FROM products WHERE price BETWEEN 10 AND 20）。
哈希索引
哈希索引在等值查询（如WHERE column = value）上速度非常快，但是不支持范围查询。例如在一个缓存用户登录信息的表中，通过用户 ID 快速查找用户登录状态（SELECT logged_in FROM user_cache WHERE user_id = 123），哈希索引可以提供快速的查找。不过要注意，在 MySQL 中，只有 Memory 存储引擎支持显式的哈希索引，InnoDB 存储引擎会在内部对某些索引使用自适应哈希索引（由数据库自动管理）。
当创建复合索引（包含多个列的索引）时，应将最常用的列放在最左边。例如，在一个员工表中有department（部门）和salary（工资）两个列，经常会按照部门查询员工工资范围（SELECT * FROM employees WHERE department = 'IT' AND salary BETWEEN 5000 AND 10000），那么创建复合索引时应该是(department, salary)这样的顺序。因为在查询时，MySQL 会首先使用索引中的第一个列进行过滤，然后再考虑后面的列。
索引覆盖
尽量利用索引覆盖来减少回表查询。如果一个查询的所有列都包含在索引中，那么数据库可以直接从索引中获取数据，而不需要再去查找数据表中的行。例如，在一个包含id、name和age的用户表上，有一个索引(id, name)，当执行查询SELECT id, name FROM users WHERE id BETWEEN 1 AND 10时，就可以直接从索引中获取数据，提高查询效率。
可以使用 MySQL 的性能监控工具（如EXPLAIN命令）来查看查询是否使用了索引以及如何使用索引。EXPLAIN会显示查询的执行计划，包括是否使用索引、使用了哪些索引以及索引的使用方式等信息。例如，EXPLAIN SELECT * FROM products WHERE price > 100可以帮助了解在这个价格查询中索引是否被有效利用。如果发现索引没有被正确使用，就需要检查查询语句和索引定义是否合理。
要从文件获取的变量 text 在pre-request 中写从文件获取数据的脚本。脚本实现了，设置了text默认值，从文件读取text列，将text存入环境变量 //获取text参数 var text "济南天气"; if(data.text){ text data.text } pm.environment.…
