Mysql索引,让你彻底知道索引的用法以及所有可能的索引失效问题
有一系列的代码和图片让你一步一步走,成为索引的真正实践者
坚持看完这篇文章,会让你功力瞬间提升一个档次
制作不易,觉得不错请点赞收藏 !!!
.
目录
2.3.1 B+Tree 与 B-Tree相比,主要有以下三点区别:
1. 认识索引
1.1 定义
数据库索引是一种数据结构,用于提高数据库查询的速度和性能。索引类似于书籍的目录,它们提供了一种快速查找数据的方式,而不需要完全扫描整个数据集。
1.2 优缺点
1.2.1 优点
①.提高数据检索的效率,降低数据库的IO成本(提高查询效率)
②.通过索引列对数据进行排序,降低数据排序的成本,降低CPU的消耗(提高排序效率)
1.2.2 缺点
①.索引列也是要占用空间的
②.索引大大提高了查询效率,同时却也降低更新表的速度,如对表进行INSERT、UPDATE、DELETE时,效率降低。
2. 索引结构
MySQL的索引是在存储引擎层实现的,不同的存储引擎有不同的索引结构,主要包含以下几种:
①.B+Tree索引:最常见的索引类型,大部分引擎都支持 B+ 树索引
②.Hash希索引:底层数据结构是用哈希表实现的, 只有精确匹配索引列的查询才有效, 不支持范围查询
③.Full-text(全文索引):是一种通过建立倒排索引,快速匹配文档的方式。类似于Lucene,Solr,ES
④.R-tree(空间索引):间索引是MyISAM引擎的一个特殊索引类型,主要用于地理空间数据类型,通常使用较少
上述是MySQL中所支持的所有的索引结构,接下来,我们再来看看不同的存储引擎对于索引结构的支持情况。
2.1 二叉树 -> 红黑树(平衡二叉树)
假如说MySQL的索引结构采用二叉树的数据结构,比较理想的结构如下:
如果主键是顺序插入的,则会形成一个单向链表,结构如下:
所以,如果选择二叉树作为索引结构,会存在以下缺点:
①.顺序插入时,会形成一个链表,查询性能大大降低。
②.大数据量情况下,层级较深,检索速度慢。
此时大家可能会想到,我们可以选择红黑树,红黑树是一颗自平衡二叉树,那这样即使是顺序插入
数据,最终形成的数据结构也是一颗平衡的二叉树,结构如下:
但是,即使如此,由于红黑树也是一颗二叉树,所以也会存在一个缺点:大数据量情况下,层级较
深,检索速度慢。
所以,在MySQL的索引结构中,并没有选择二叉树或者红黑树,而选择的是B+Tree
2.2 B-tree
B-Tree是一种多叉路衡查找树,相对于二叉树,B树每个节点可以有多个分支,即多叉。以一颗
最大度数(max-degree)为5(5阶)的b-tree为例,那这个B树每个节点最多存储4个key,5个指针。
如果想看到效果可以访问网址:https://www.cs.usfca.edu/~galles/visualization/BTree.html
2.2.1 特点
①.5阶的B树,每一个节点最多存储4个key,对应5个指针。
②.一旦节点存储的key数量到达5,就会裂变,中间元素向上分裂。
③.在B树中,非叶子节点和叶子节点都会存放数据。
2.3 B+Tree
B+Tree是B-Tree的变种,我们以一颗最大度数(max-degree)为3(3阶)的b+tree为例,来看一
下其结构示意图:
我们可以看到,两部分:
①.绿色框框起来的部分,是索引部分,仅仅起到索引数据的作用,不存储数据。
②.红色框框起来的部分,是数据存储部分,在其叶子节点中要存储具体的数据,包括非叶子节点
的数据。
如果想看到效果可以访问网址:https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html
2.3.1 B+Tree 与 B-Tree相比,主要有以下三点区别:
①.所有的数据都会出现在叶子节点。
②.叶子节点形成一个单向链表。
③.非叶子节点仅仅起到索引数据作用,具体的数据都是在叶子节点存放的
上述我们所看到的结构是标准的B+Tree的数据结构,接下来,我们再来看看MySQL中优化之后的
B+Tree。
MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上,增加一个指向相邻叶子
节点的链表指针,就形成了带有顺序指针的B+Tree,提高区间访问的性能,利于排序。
2.4 Hash
2.4.1 结构
哈希索引就是采用一定的hash算法,将键值换算成新的hash值,映射到对应的槽位上,然后存储在hash表中。
如果两个(或多个)键值,映射到一个相同的槽位上,他们就产生了hash冲突(也称为hash碰撞),
可以通过链表来解决
2.4.2 特点
①.Hash索引只能用于对等比较(=,in),不支持范围查询(between,>,< ,...)
②.无法利用索引完成排序操作
③.查询效率高,通常(不存在hash冲突的情况)只需要一次检索就可以了,效率通常要高于B+tree索引
2.5 经典面试题
为什么InnoDB存储引擎选择使用B+tree索引结构?
①.相对于二叉树,层级更少,搜索效率高;
②.对于B-tree,无论是叶子节点还是非叶子节点,都会保存数据,这样导致一页中存储的键值减少,指针跟着减少,要同样保存大量数据,只能增加树的高度,导致性能降低;
③.相对Hash索引,B+tree支持范围匹配及排序操作;
3. 索引分类
3.1 索引分类
在MySQL数据库,将索引分为类型主要几类:主键索引、唯一索引、常规索引、全文索引。
3.2 聚集索引&二级索引
而在在InnoDB存储引擎中,根据索引的存储形式,又可以分为以下两种:
3.2.1 聚集索引选取规则
①.如果存在主键,主键索引就是聚集索引。
②.如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引。
③.如果表没有主键,或没有合适的唯一索引,则InnoDB会自动生成一个rowid作为隐藏的聚集索引
3.2.2 聚集索引和二级索引的具体结构
聚集索引的叶子节点下挂的是这一行的数据 。
二级索引的叶子节点下挂的是该字段值对应的主键值。
接下来,我们来分析一下,当我们执行如下的SQL语句时,具体的查找过程是什么样子的。
具体过程如下:
①. 由于是根据name字段进行查询,所以先根据name='Arm'到name字段的二级索引中进行匹配查
找。但是在二级索引中只能查找到 Arm 对应的主键值 10。
②. 由于查询返回的数据是*,所以此时,还需要根据主键值10,到聚集索引中查找10对应的记
录,最终找到10对应的行row。
③. 最终拿到这一行的数据,直接返回即可
回表查询: 这种先到二级索引中查找数据,找到主键值,然后再到聚集索引中根据主键值,获取
数据的方式,就称之为回表查询。
3.2.3 思考题
①.以下两条SQL语句,那个执行效率高? 为什么?
A. select * from user where id = 10 ;
B. select * from user where name = 'Arm' ;
备注: id为主键,name字段创建的有unique索引;
解答:
A语句的执行性能要高于B 语句。
因为A语句直接走聚集索引,直接返回数据。 而B语句需要先查询name字段的二级索引,然后再查询聚集索引,也就是需要进行回表查询。
②.InnoDB主键索引的B+tree高度为多高呢?
假设:
一行数据大小为1k,一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空
间,主键即使为bigint,占用字节数为8。高度为2:
n * 8 + (n + 1) * 6 = 16*1024 , 算出n约为 1170
1171* 16 = 18736
也就是说,如果树的高度为2,则可以存储 18000 多条记录。高度为3:
1171 * 1171 * 16 = 21939856
也就是说,如果树的高度为3,则可以存储 2200w 左右的记录。
4. 索引语法
4.1 创建索引
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,... ) ;
...表示可以多个字段进行联合索引
4.2 查看索引
SHOW INDEX FROM table_name ;
4.3 删除索引
DROP INDEX index_name ON table_name ;
5. SQL性能分析
5.1 SQL执行频率
MySQL 客户端连接成功后,通过 show [session|global] status 命令可以提供服务器状态信息。
通过如下指令,可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问次:
-- 这里一共包含七个下划线,一个下划线代表一个任意字符
SHOW GLOBAL STATUS LIKE 'Com_______';
通过上述指令,我们可以查看到当前数据库到底是以查询为主,还是以增删改为主,从而为数据库
优化提供参考依据。 如果是以增删改为主,我们可以考虑不对其进行索引的优化。 如果是以查询
为主,那么就要考虑对数据库的索引进行优化了。
5.2 慢查询日志
慢查询日志记录了所有执行时间超过指定参数(long_query_time,单位:秒,默认10秒)的所有
SQL语句的日志。
MySQL的慢查询日志默认没有开启,我们可以查看一下系统变量
show variables like 'slow_query_log';
①.如果要开启慢查询日志,需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息:
# 开启MySQL慢日志查询开关
slow_query_log=1
# 设置慢日志的时间为2秒,SQL语句执行时间超过2秒,就会视为慢查询,记录慢查询日志
long_query_time=2
②.配置完毕重启mysql systemctl restart mysqld;
然后,再次查看开关情况,慢查询日志就已经打开了。
③.然后通过以下指令重新启动MySQL服务器进行测试,查看慢日志文件中记录的信息
/var/lib/mysql/localhost-slow.log。
注意:在慢查询日志中,只会记录执行时间超多我们预设时间(2s)的SQL,执行较快的SQL是不
会记录的。
那这样,通过慢查询日志,就可以定位出执行效率比较低的SQL,从而有针对性的进行优化。
5.3 profile详情
show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过
SELECT @@have_profiling;
指令,能够看到当前MySQL是否支持profile操作
可以看到,当前MySQL是支持 profile操作的,但是开关是关闭的。可以通过set语句在
session/global级别开启profiling:
SET profiling = 1;
开关已经打开了,接下来,我们所执行的SQL语句,都会被MySQL记录,并记录执行时间消耗到
哪儿去了。
执行一系列的业务SQL的操作,然后通过如下指令查看指令的执行耗时:
-- 查看每一条SQL的耗时基本情况
show profiles;
-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;
-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;
5.3.1 演示SQL语句
5.4 explain
EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息,包括在 SELECT 语句执
行过程中表如何连接和连接的顺序。
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件 ;
Explain 执行计划中各个字段的含义:
这里重点关注type字段,type可以衡量查询语句的快慢,以及possible_key,key,key_len字段
其中possible_key代表可能用到的索引,key代表实际用到的索引,key_len代表索引的长度
在 MySQL 的 EXPLAIN 查询结果中,type 字段描述了使用的访问方法,它的值可以是以下几种:
system:
这是最高级别的类型,通常只会出现在系统表中。这表示查询只有一行,是在查询的表中找到的。
const:
这是最有效的连接类型之一。在这种情况下,MySQL将在查询中找到常量表并仅读取一次。由于这种类型非常特殊,因此很少见。
eq_ref:
这种连接类型也非常有效,它类似于const,但用于使用索引的情况下。对于每个const连接类型,只有一行满足条件。eq_ref表示对于从前表中读取的每个行,只有一行从后表中读取。
ref:
这是比eq_ref稍差一些的连接类型。在此情况下,使用索引来查找所有匹配的行。它返回所有匹配条件的行,但它不像eq_ref那样仅返回一行。
range:
这是比ref更差一些的连接类型。在这种情况下,MySQL会扫描索引来查找匹配的行,但是使用了不等号进行查询。
index:
这表示MySQL将扫描整个索引来查找匹配的行,而不是像ref或range那样使用索引来查找行。这通常是因为查询中包含不可索引的部分,或者因为表很小以至于使用索引不会提高性能。
all:
这是最低级别的连接类型,表示MySQL将扫描整个表以查找匹配的行。这意味着没有索引被用到。通常情况下,这会导致性能问题,特别是当表很大时。
理解这些不同的连接类型对于优化查询和提高性能非常重要。
6. 索引使用
6.1 验证索引效率
这张表中id为主键,有主键索引,而其他字段是没有建立索引的
先来查询其中的一条记录,看看里面的字段情况,执行如下SQL:
select * from tb_sku where id = 1\G;
可以看到即使有1000w的数据,根据id进行数据查询,性能依然很快,因为主键id是有索引的。 那么
接下来,我们再来根据 sn 字段进行查询,执行如下SQL:
SELECT * FROM tb_sku WHERE sn = '100000003145001';
我们可以看到根据sn字段进行查询,查询返回了一条数据,结果耗时 11.62sec,就是因为sn没有
索引,而造成查询效率很低。
那么我们可以针对于sn字段,建立一个索引,建立了索引之后,我们再次根据sn进行查询,再来看
一下查询耗时情况。
-- 创建普通索引
create index idx_sku_sn on tb_sku(sn) ;
这里会消耗20.51s,是因为该表有上百万条数据,然后构建索引,就会去构造一颗 B+tree数
构建完索引后继续执行 SELECT * FROM tb_sku WHERE sn = '100000003145001';
我们明显会看到,sn字段建立了索引之后,查询性能大大提升。
6.2 最左前缀法则
如果索引了多列(联合索引),要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开
始,并且不跳过索引中的列,但是顺序没有要求。如果跳跃某一列,索引将会部分失效(后面的字
段索引失效)。这里的后面是相对于创建索引语句的顺序
演示:
创建了profession、age和status三个字段的联合索引
create index idx_pro_age_sta on tb_user(profession,age,status);
如果没有最左侧索引profession,索引会全部失效
如果跳过了中间某个字段索引会出现部分失效,这里因为没有age,所以status失效
只要最左侧的索引在都不会导致索引全部无效,最多部分无效。如果索引的字段都存在,它们的顺序并没有要求
6.3 范围查询
联合索引中,出现范围查询(>,<),范围查询右侧的列索引失效。这里所说的右侧是基于创建联合索
引时的位置
①.当范围查询使用> 或 < 时,走联合索引了,但是索引的长度为38,就说明范围查询右边的status
字段是没有走索引的。
②.当范围查询使用>= 或 <= 时,走联合索引了,但是索引的长度为42,就说明所有的字段都是走
索引的。
所以,在业务允许的情况下,尽可能的使用类似于 >= 或 <= 这类的范围查询,而避免使用 > 或 <
6.4 索引失效情况
6.4.1 在索引列上进行函数运算,索引将失效。
phone是单列索引
当根据phone字段进行等值匹配查询时, 索引生效。
当根据phone字段进行函数运算操作之后,索引失效。
6.4.2 字符串不加引号
本来phone是字符串类型,如果没加引号会导致索引失败
6.4.3 头部模糊查询
如果仅仅是尾部模糊匹配,索引不会失效。如果是头部模糊匹配,索引失效。
经过上述的测试,我们发现,在like模糊查询中,在关键字后面加%,索引可以生效。而如果在关
键字前面加了%,索引将会失效。尽量避免头部模糊查询
6.4.5 or连接条件
用or分割开的条件, 如果or前的条件中的列有索引,而后面的列中没有索引,那么涉及的索引都不
会被用到。
由于age没有索引,所以即使id、phone有索引,索引也会失效。所以需要针对于age也要建立引。
然后,我们对age建立索引,然后进行测试
6.4.6 数据分布影响
如果MySQL评估使用索引比全表更慢,则不使用索引。
phone是单列索引,但是如果执行的速度不如全表索引,就会自动走全表索引
6.5 SQL提示
SQL提示,是优化数据库的一个重要手段,简单来说,就是在SQL语句中加入一些人为的提示来达
到优化操作的目的。
①.use index(index_name) : 建议MySQL使用哪一个索引完成此次查询(仅仅是建议,mysql内
部还会再次进行评估)。
②.ignore index(index_name) : 忽略指定的索引。
③.force index(index_name) : 强制使用索引。
6.6 覆盖索引
尽量使用覆盖索引,减少select *。 那么什么是覆盖索引呢?
覆盖索引是指一个索引包含了查询中涉及的所有列,从而避免了MySQL数据库在执行查询时需要
再次访问数据行。这样可以显著提高查询的性能,因为MySQL不必去访问实际的数据行,而是可
以直接从索引中获取所需的数据。
举例来说,如果有一个查询如下:
SELECT column1, column2 FROM table WHERE column3 = 'value';
可以通过创建一个包含(column3, column1, column2)的索引来覆盖这个查询:
CREATE INDEX covering_index ON table (column3, column1, column2);
这样一来,MySQL在执行上述查询时就可以直接从covering_index索引中获取column1和column2
的值,而不必再访问实际的数据行
根据mysql的版本不同,Extra里面的显示也有所不同,Using index condition在我这里显示为null
因为,在tb_user表中有一个联合索引 idx_user_pro_age_sta,该索引关联了三个字段profession、
age、status,而这个索引也是一个二级索引,所以叶子节点下面挂的是这一行的主键id。 所以当
我们查询返回的数据在 id、profession、age、status 之中,则直接走二级索引直接返回数据了。
如果超出这个范围,就需要拿到主键id,再去扫描聚集索引,再获取额外的数据了,这个过程就是
回表。 而我们如果一直使用select * 查询返回所有字段值,很容易就会造成回表查询(除非是根据
主键查询,此时只会扫描聚集索引),回表会使得查询效率变低。
6.6.1 演示
这张图id是主键,是一个聚集索引。 name字段建立了普通索引,是一个二级索引(辅助索引)。
虽然是根据name字段查询,查询二级索引,但是由于查询返回在字段为 id,name,在name的二
级索引中,这两个值都是可以直接获取到的,因为覆盖索引,所以不需要回表查询,性能高。
由于在name的二级索引中,不包含gender,所以,需要两次索引扫描,也就是需要回表查询,性
能相对较差一点
6.7 思考题
一张表, 有四个字段(id, username, password, status), 由于数据量大, 需要对以下SQL语句进
行优化, 该如何进行才是最优方案:
select id,username,password from tb_user where username ='itcast';
答案: 针对于 username, password建立联合索引,
sql为:create index dx_user_name_pass on tb_user(username,password) ;
这样可以避免上述的SQL语句,在查询的过程中,出现回表查询。
7. 前缀索引
当字段类型为字符串(varchar,text,longtext等)时,有时候需要索引很长的字符串,这会让索
引变得很大,查询时,浪费大量的磁盘IO, 影响查询效率。
此时可以只将字符串的一部分前缀,建立索引,这样可以大大节约索引空间,从而提高索引效率。
7.1 语法
create index idx_xxxx on table_name(column(n)) ;
示例:为tb_user表的email字段,建立长度为5的前缀索引。
create index idx_email_5 on tb_user(email(5));
7.2 前缀长度
可以根据索引的选择性来决定,而选择性是指不重复的索引值(基数)和数据表的记录总数的值
索引选择性越高则查询效率越高, 唯一索引的选择性是1,这是最好的索引选择性,性能也是最好.
select count(distinct email) / count(*) from tb_user ;
select count(distinct substring(email,1,5)) / count(*) from tb_user ;
7.3 前缀索引的查询流程
7.4 单列索引与联合索引
单列索引:即一个索引只包含单个列。
联合索引:即一个索引包含了多个列。
在业务场景中,如果存在多个查询条件,考虑针对于查询字段建立索引时,建议建立联合索引,而
非单列索引,因为联合索引不用回表查询,提高效率。
8. 索引设计原则
① 针对于数据量较大,且查询比较频繁的表建立索引。
②. 针对于常作为查询条件(where)、排序(order by)、分组(group by)操作的字段建立引。
③. 尽量选择区分度高的列作为索引,尽量建立唯一索引,区分度越高,使用索引的效率越高。
④. 如果是字符串类型的字段,字段的长度较长,可以针对于字段的特点,建立前缀索引。
⑤. 尽量使用联合索引,减少单列索引,查询时,联合索引很多时候可以覆盖索引,节省存储空
间,避免回表,提高查询效率。
⑥. 要控制索引的数量,索引并不是多多益善,索引越多,维护索引结构的代价也就越大,会影响
增删改的效率。
⑦. 如果索引列不能存储NULL值,请在创建表时使用NOT NULL约束它。当优化器知道每列是否包
含NULL值时,它可以更好地确定哪个索引最有效地用于查询。