【MySQL进阶篇】索引

1、索引概述

索引（Index）是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

优势	劣势
提高数据检索效率	索引列也是要占用空间的
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	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、UPDATA、DELETE时，效率降低

2、索引结构

MySQL的索引是在引擎层实现的，不同的存储引擎有不同的结构，主要包括以下几种：

索引结构	描述
B+tree索引	最常见的索引类型，大部分引擎都支持B+树索引
Hash索引	底层数据结构使用哈希表来实现的，只有精确匹配索引列的查询才有效，不支持范围查询
R-tree索引（空间索引）	空间索引是MyISAM引擎的一种特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-text索引（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

索引	InnoDB	MyISAM	Memory
B+tree索引	支持	支持	支持
Hash索引	不支持	不支持	支持
R-tree索引	不支持	支持	不支持
Full-text索引	支持	支持	不支持

 我们平常说的索引，如果没有特别指明，都是指B+tree结构组织的索引

不选择二叉树的原因：顺序插入时，会形成一个链表，查询性能大大降低。大量数据情况下，层级较深，检索速度慢；而红黑树本质上还是一个二叉树，在大量数据的情况下，层级越深，检索速度越慢。

· B-tree（多路平衡查找树）

以一颗最大度数（max-degree）为5（5阶）的B-tree为例（每个节点最多存储4个key，5个指针）

树的度数指的是一个节点的子节点个数

插入 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 数据为例

可以在这个网站自行尝试： B-Tree Visualization (usfca.edu)

· B+tree

以一颗最大度数（max-degree）为4（4阶）的B+tree为例：

插入 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 数据为例

 具体动态操作参考网站:B+ Tree Visualization (usfca.edu)

相对于B-tree的区别：

1、所有的数据都会出现在叶子节点上（非叶子节点仅仅起到索引的作用）

2、叶子节点形成一个单向链表

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。

· Hash

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。

hash索引的特点：

1、hash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，通常只需要一次检索就可以了，效率通常要高于B+tree索引

在MySQL中，支持hash索引的是Memory引擎，而InnoDB中具有自适应hash功能，hash索引时存储引擎根据B+tree索引在指定条件下自动构建的。

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、相对于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（并且在B+tree索引中形成了一个双向链表，便于范围搜索和排序）；

3、相对于hash索引，B+tree索引支持范围匹配和排序操作。

3、索引分类

分类	含义	特点	关键字
主键索引	针对于表中主键创建的索引	默认自动创建，只能有一个	PRIMARY
唯一索引	避免同一个表中某数据列的值重复	可以有多个	UNIQUE
常规索引	快速定位特定数据	可以有多个
全文索引	全文索引查找的是文本的关键词，而不是比较索引中的值	可以有多个	FULLTEXT

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：

分类	含义	特点
聚集索引（Clustered Index）	将数据存储与索引放到了一起，索引结构的叶子节点保存了行数据	必须有，而且只有一个
二级索引（secondary Index）	将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键	可以存在多个

 聚集索引选取规则：

        如果存在主键，主键索引就是聚集索引；

        如果不存在主键，将使用第一个唯一索引作为聚集索引；

        如果表没有主键，也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。

1、以下SQL语句，那个执行效率高？为什么？

select * from user where id=10;

select * from user where name='张三';

备注：id为主键，name字段创建的有索引

第一个一次索引扫描就完成了，而第二种情况，是先到name字段的二级索引去查找的，查找到对应的id值再根据id值到聚集索引当中去查询，涉及到回表查询。因此根据id索引执行效率更高。

2、InnoDB主键索引的B+tree高度为多高？

假设一行数据大小为1k，一页中可以存放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，占用字节为8。

假设高度为2：

n*8+(n+1)*6=16*1024，算出n约为1170，因此有1171个指针

能够存储数据：1171*16=18736

高度为3：

能够存储数据：1171*1171*16=21939856 

4、索引语法

· 创建索引

CREATE [UNIQUE|FULLTEXT] INDEX index_name ON table_name(index_col_name,...);

· 查看索引

SHOW INDEX FROM table_name; 

· 删除索引

DROP INDEX index_name ON table_name;  

5、SQL性能分析

· 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、SELECT、DELETE的访问频次。

show global status like 'com_______';

 · 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，默认是10秒）的所有SQL语句的日志。MySQL的慢查询日志默认没有开启，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;

#设置慢查询的时间为两秒，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

配置完毕之后，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。

#慢查询日志
set global slow_query_log ='ON';
set long_query_time=2;
show variables like 'slow_query_log_file'; 
select * from emp;
+----+--------+------+----------+--------+------------+-----------+---------+
| id | name   | age  | job      | salary | entrydate  | managerid | dept_id |
+----+--------+------+----------+--------+------------+-----------+---------+
|  1 | 金庸   |   66 | 总裁     |  20000 | 2000-01-01 |      NULL |       5 |
|  2 | 张无忌 |   20 | 项目经理 |  12500 | 2005-12-05 |         1 |       1 |
|  3 | 杨逍   |   33 | 开发     |   8400 | 2000-11-03 |         4 |       1 |
|  4 | 韦一笑 |   48 | 开发     |  11000 | 2002-02-05 |         4 |       1 |
|  5 | 常遇春 |   43 | 开发     |  10500 | 2004-09-07 |         2 |       1 |
+----+--------+------+----------+--------+------------+-----------+---------+
5 rows in set (0.00 sec)
 select sleep(3);
+----------+
| sleep(3) |
+----------+
|        0 |
+----------+
1 row in set (3.01 sec)

 · profile详情

show profiles能够在做优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作：

SELECT @@have_profiling;

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling；

SET profiling=1; 

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语句的CPU的使用情况

show profile cpu for query query_id; 

· explain执行计划

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。

语法：

EXPLAIN/DESC SELECT 字段列表 FROM 表名 WHERE 条件; 

 explain select * from tb_user where id=1;
+----+-------------+---------+------------+-------+---------------+---------+---------+-------+------+----------+-------+
| id | select_type | table   | partitions | type  | possible_keys | key     | key_len | ref   | rows | filtered | Extra |
+----+-------------+---------+------------+-------+---------------+---------+---------+-------+------+----------+-------+
|  1 | SIMPLE      | tb_user | NULL       | const | PRIMARY       | PRIMARY | 4       | const |    1 |   100.00 | NULL  |
+----+-------------+---------+------------+-------+---------------+---------+---------+-------+------+----------+-------+
1 row in set, 1 warning (0.00 sec)

EXPLAIN执行计划个字段含义;

        id:

select查询的序列号，查询表中执行select子句或者是操作表的顺序（id相同，执行顺序从上到下；id相同，值越大，越先执行）

explain select * from student s where s.id in(select studentid from student_course sc where sc.id=(select id from course c where c.name='mysql'));

        select_type:

表示SELECT的类型常见的取值有SIMPLE（简单表，即不使用表连接或者子查询）、PRIMARY（主查询，即外层的查询）、UNION（union中的第二个或者后面的查询语句）、SUBQUERY（select/where之后包含了子查询）等。

        type：

表示连接类型，性能由好到差的连接类型为NULL（不访问任何表）、system（系统表）、const（主键或唯一索引）、eq_ref（非唯一索引）、ref、range、index、all。

        possible_key：

显示可能应用在这张表上的索引，一个或多个。

        key：

实际用到的索引。

        key_len：

表示索引中使用的字节数，改制为索引字段最大可能长度，并非实际使用长度，再不损失精确性的前提下，长度越短越好。

        rows：

MySQL认为必须要执行查询的行数，在InnoDB引擎的表中，可能并不总是准确的

        filtered：

表示返回结果的行数占需读取行数的百分比，filtered的值越大越好。 

6、索引使用

· 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，并且不能跳过索引中的列。如果跳跃某一列，索引将部分失效（后面的字段索引失效）。

show index from tb_user;
create unique index tb_user_phone on tb_user(phone);
create index tb_user_age_gender_pro on tb_user(age,gender,profession);
select * from tb_user where age=55 && gender=1;
explain select * from tb_user where age=55 && gender=1 &&profession='软件工程';
explain select * from tb_user where age=55;
#仅仅在大数据量的情况下

· 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 。

索引失效的情况：

· 索引列运算

不要再索引列上进行运算，索引将会失效

explain select * from tb_user where phone='15538655111';
#用到了索引：tb_user_phone
explain select * from tb_user where substring(phone,10,2)='11';
#索引失效，因为我们进行了函数运算

· 字符串不加引号

字符串字段类型使用时，不加引号，索引将失效 。

explain select * from tb_user where phone=15538655111;
#可以查询出信息，但不会用到索引

· 模糊查询

如果仅仅是尾部模糊查询，索引不会失效，如果是头部模糊匹配，索引失效。

explain select * from tb_user where phone like '%11';
#头部模糊匹配，索引失效
explain select * from tb_user where phone like '11%';
#索引不会失效

 · or连接的条件

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，那么设计的索引都不会被用到。

· 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。

· SQL提示

explain select * from tb_user where profession='软件工程';
create index tb_user_pro on tb_user(profession);
explain select * from tb_user where profession='软件工程';
#一个是单列索引一个是联合索引，MySQL优化器会自动选择结果

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。

use index：

explain select * from use index(index_name) where 条件; 

ignore index：

 explain select * from ignore index(index_name) where 条件; 

force index：

explain select * from force index(index_name) where 条件;  

· 覆盖索引

尽量使用覆盖索引（查询使用了索引，并且需要返回的列，在该索引中已将全部能够找到），减少select *。 

explain select id,profession from tb_user where profession='软件工程';

额外信息出现using where、using index性能更高；而出现using condition性能更低（MySQL版本不同所展示的信息也不同）

 using condition：查找使用了索引但需要回表查询数据

usi：ng where、using index：查找使用了索引，但是需要的数据都在索引列中能找到，不需要回表查询数据。

之所以避免使用select *是因为很容易出现覆盖索引导致回表查询（除非及其他字段建立联合索引），从而降低查询性能

思考：一张表，有四个字段（id，username，password，status）由于数据量大，需要对SQL语句优化，如何才能最优： 

select id,username,password from tb_user where username='test';

最佳方案是username于password建立一个联合索引，能够大量减少回表查询。 

· 前缀索引

当字段类型为字符串（varchar，text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。此时可以之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。

语法：

create index idx_xxxx on table_name(column(n)); 

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比值，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，性能也是最好的。

select count(distinct email)/count(*) from tb_user;

select count(distinct substring(email,1,5))/count(*) from tb_user;

· 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：即一个索引包括了多个列。

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。

7、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）操作的字段建立索引。
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。