##举例子
在sakila数据库中有一个city表，里面存储了各种各样的城市
我们只要city这一列，然后把这个数据五倍的存到新表（仅有city一列）中
然后再打乱city这一列的数据，随机分布：
然后呢再分别以city这个字段的前缀各种分别创建8个索引。
#####然后我们分析下这个表的索引
就可以看到各个索引mysql自己估算出来的基数。
我们可以看到出以第一个字母作为索引区分度有26种，前两个字母的区分度为188更加细了，以此类推。
而我们知道每一个辅助索引他就是一个B+树，所以我们使用前三个或者前四个作为辅助索引的效果就已经很好了，再到后面就必要性不大了，因为B+树也是占用空间的，区分度越大虽然粒度更清晰了，但是占用空间也大了。
而有时候我们看到查询语句走了一个索引没有走另一个索引，其中一个原因可能就是因为区分度的关系，mysql会优先使用区分度大的索引，这样查询效率更高效。
但是有个问题就是这个区分度是mysql自己估算出来的，所以不是很精准，所以如果我们明显的知道这个区分度不对，我们就可以强制的使用某一个索引。
##优化索引