【Mysql】索引
文章目录
1. 索引概述
1.1 介绍
索引: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。
简而言之,索引是一种数据结构,用来高效的获取数据。
1)无索引情况
2)有索引情况
备注: 这里我们只是假设索引的结构是二叉树,介绍一下索引的大概原理,只是一个示意图,并不是索引的真实结构。
1.2 特点
优势 | 劣势 |
---|---|
提高数据检索的效率,降低数据库 的IO成本 | 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、UPDATE、DELETE时,效率降低。 |
2. 索引结构
2.1 介绍
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:
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 |
R-tree(空间索引) | 空间索引是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 |
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 |
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。
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 | 5.6版本之后支持 | 支持 | 不支持 |
注意:我们平常所说的索引,如果没有特别指明,都是指B+树结构组织的索引。
2.2 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:
- 顺序插入时,会形成一个链表,查询性能大大降低。
- 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。
2.3 B-Tree
B-Tree: B树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:
插入一组数据: 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中,节点的变化情况。
通过一个数据结构可视化网站观察构建过程:点击跳转
特点:
- 5阶的B树,每一个节点最多存储4个key,对应5个指针。
- 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。
- 在B树中,非叶子节点和叶子节点都会存放数据。
2.4 B+Tree
B+Tree:B+Tree是B-Tree的变种,我们以一颗最大度数(max-degree)为4(4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:
- 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。
- 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。
3. 索引分类
3.1 索引分类
索引的具体类型主要分为以下几类:
- 主键索引
- 唯一索引
- 常规索引
- 全文索引
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中的值重复 | 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中的关键词,而不是比 较索引中的值 | 可以有多个 | FULLTEXT |
3.2 聚集索引/二级索引
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:
- 聚集索引
- 二级索引(非聚集索引)
分类 | 含义 | 特点 |
---|---|---|
聚集索引(Clustered Index) | 将数据存储与索引放到了一块,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 |
聚集索引的选取规则:
- 如果存在主键,那么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(UNIQUE)索引作为聚集索引。
- 如果表既没有主键又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。
聚集索引和二级索引的具体结构如下:
- 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对应的行数据的主键值。
接下来分析一下,当执行如下sql语句时,具体的查找过程是这样的:
具体过程:
- 因为是根据name字段查询的,所以先根据条件去二级索引中进行匹配查找,找到了
Arm
对应的主键值10. - 又因为sql语句要求返回的数据是
*
,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。 - 将row数据直接返回。
由二级索引再到聚集索引的这个操作叫做 回表查询
。
回表查询:这种先到二级索引中查找数据,找到主键值,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。
思考:
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. 索引的语法
4.1 创建索引
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,... );
创建的索引关联多个字段时,在编写创建索引的sql语句时字段应该按使用的频繁程度按先后顺序编写。
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. 索引使用
5.1 最左前缀法则
最左前缀法则:如果索引关联了多个字段(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第一个字段开始,并且不跳过索引中的字段。如果跳跃了某个字段,索引将会部分失效(跳过的字段及其后面的字段索引失效)。
示例:
我们创建了一个联合索引: create index idx_user_pro_age_sta on tb_user(profession,age,status)
。
这个索引设计三个字段,顺序分别是profession,age,status。
对于最左前缀法则指的是,查询时,最左边的字段,也就是profession必须存在,否则索引全部失效。 而且中间不能跳过某个字段,否则该字段后面的字段索引将失效。 接下来,我们来演示几组案例,看一下 具体的执行计划:
1)涉及的所有字段都包含在查询条件中
explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0';
2)只涉及联合索引的前两个字段
explain select * from tb_user where profession = '软件工程' and age = 31;
由此可知,status的索引长度为:54-49=5
3)只涉及第一个字段,即最左字段
explain select * from tb_user where profession = '软件工程';
由此可知,最左字段(profession)的索引长度为:47;age字段的索引长度为:49-47=2
由上面三组测试可知,只要最左字段存在,索引就会生效,只不过索引的长度会不同。并且profession的索引长度为:47;age的索引长度为:2;status的索引长度为5。
4)跳过最左字段,只涉及第二个字段和第三个字段
explain select * from tb_user where age = 31 and status = '0';
没有最左字段的参加,本次查询没有走索引,而是全表扫描
5)只涉及最后一个字段
explain select * from tb_user where status = '0';
没有最左字段的参加,本次查询没有走索引,而是全表扫描
而通过上面的这两组测试,我们也可以看到索引并未生效,原因是因为不满足最左前缀法则,联合索引最左边的列profession不存在。
6)跳过第二个字段,只涉及最左字段和第三个字段
explain select * from tb_user where profession = '软件工程' and status = '0';
存在profession字段,最左边的字段是存在的,索引满足最左前缀法则的基本条件。但是查询时,跳过了age这个列,所以该字段及其后面的字段索引是不会使用的,也就是索引部分失效,只有profession字段的索引生效了,所以索引的长度就是47。
思考:
当执行SQL语句: explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程';
时,是否满足最左前缀法则,走不走上述的联合索引,索引长度?
可以看到,该语句是完全符合最左前缀法则的,索引长度为54,联合索引生效。
注:最左前缀法则中指的最左边的字段在查询时,联合索引的最左边的字段(即是 第一个字段)必须存在,与我们编写SQL时,条件编写的先后顺序无关。
5.2 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。
explain select * from tb_user where profession = '软件工程' and age > 30 and status = '0';
当范围查询使用> 或 < 时,走联合索引了,但是索引的长度为49,就说明范围查询右边的status字段是没有走索引的。
explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P98lhEoS-1675696153332)(C:%5CUsers%5Czhuhuanjie%5CAppData%5CRoaming%5CTypora%5Ctypora-user-images%5Cimage-20230205225619459.png)]当范围查询使用>= 或 <= 时,走联合索引了,但是索引的长度为54,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,尽可能使用类似于 >=
或 <=
这类的范围查询,而避免使用 >
或 <
。
5.3 索引失效情况
5.3.1 索引列运算
在索引列上进行运算操作,将会导致索引失效。
在tb_user表中,除了前面介绍的联合索引之外,还有一个索引,是phone字段的单列索引。
1)根据phone字段进行等值匹配时,索引生效。
explain select * from tb_user where phone = '17799990015';
2)根据phone字段进行函数运算后,索引失效。
-- 查询phone字段后两位为15的数据
explain select * from tb_user where substring(phone,10,2) = '15';
5.3.2 字符串不加引号
字符串类型字段使用时,不加引号,索引将失效。
下面通过两组示例,看看对于字符串类型的字段,加单引号和不加单引号的区别:
1)
explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0';
explain select * from tb_user where profession = '软件工程' and age = 31 and status= 0;
2)
explain select * from tb_user where phone = '17799990015';
explain select * from tb_user where phone = 17799990015;
通过上面两组示例,我们发现,如果字符串不加单引号,对于查询结果没有影响,但是数据库存在隐式的类型转换,会导致索引失效。
5.3.3 头部模糊查询
如果仅仅是尾部模糊查询,索引不会失效。如果是头部模糊查询,索引将会失效。
通过以下sql语句的执行效果,我们可以得出结论:
explain select * from tb_user where profession like '软件%';
explain select * from tb_user where profession like '%工程';
explain select * from tb_user where profession like '%工%';
在like模糊查询中,在关键字后面加%,索引可以生效。但是在关键字前面加了%,索引就会失效。
5.3.4 or连接条件
用or分割开的条件,如果or的一侧条件中的列有索引,而另一侧的条件中的列没有索引,那么涉及的索引都不会被用到。
explain select * from tb_user where id = 10 or age = 23;
explain select * from tb_user where phone = '17799990017' or age = 23;
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也要建立索引。
我们对 age
字段创建索引 :create index idx_user_age on tb_user(age);
建立了索引之后,我们再次执行上述的SQL语句,看看前后执行计划的变化:
我们发现,当or连接的条件中,左右两侧的字段都有索引时,索引才会生效。
5.3.5 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。
select * from tb_user where phone >= '17799990005';
select * from tb_user where phone >= '17799990015';
tb_user表中有24条数据
经过测试我们发现,相同的SQL语句,只是传入的字段值不同,最终的执行计划也完全不一样,这是为什么呢? 就是因为MySQL在查询时,会评估使用索引的效率与走全表扫描的效率,如果走全表扫描更快,则放弃索引,走全表扫描。 因为索引是用来索引少量数据的,如果通过索引查询返回大批量的数据,则还不如走全表扫描来的快,此时索引就会失效。
我们再看看 is null
和 is not null
操作是否走索引。
执行如下两条语句:
explain select * from tb_user where profession is null;
explain select * from tb_user where profession is not null;
我们将profession字段的值全部设为null。
再次执行上面两条语句:
我们发现,一模一样的sql语句,先后执行两次,结果查询计划是不一样的。为什么呢?这和数据库的数据分布有关。
查询时,mysql会评估走索引块还是全表扫描快,如果全表扫描快,则放弃索引走全表扫描。因此, is null
、is not null
是否走索引,的具体情况具体分析,不是固定的。
5.4 SQL提示
我们恢复profession字段的值,再把age和email的索引删除。
1)
我们执行如下sql:
explain select * from tb_user where profession='软件工程';
本次查询走了联合索引。
2)
执行 create index idx_user_pro on tb_user(profession);
为profession字段创建索引。然后再次执行上面的查询语句,看看走哪个索引。
我们发现,本次查询可能用到 idx_user_pro_age_sta
和 idx_user_pro
,但是实际上只用了 idx_user_pro_age_sta
索引。这是mysql自动选择的结果。
那么问题来了,我们在查询时能不能指定使用哪个索引呢?
答案是肯定的,这就要借助mysql的sql提示来完成。
语法示例:
1)use index:建议mysql使用哪个一索引完成此次查询(只是建议,mysql内部还会再次评估)
explain select * from tb_user use index(id_user_pro) where profession='软件工程';
2) ignore index:忽略指定的索引
explain select * from tb_user ignore index(idx_user_pro) where profession='软件工程';
3) force index:强制使用索引
explain select * from tb_user force index(idx_user_pro) where profession='软件工程';
演示示例:
1)use index
explain select * from tb_user use index(id_user_pro) where profession='软件工程';
- ignore index
explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';
- force index
explain select * from tb_user force index(idx_user_pro_age_sta) where profession ='软件工程';
5.5 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? 覆盖索引是指查询使用了索引,并且需要返回的列,在该索引中已经全部能够找到 。
我们看一组sql的执行计划,看看执行计划的差别:
explain select id, profession from tb_user where profession = '软件工程' and age =31 and status = '0' ;
explain select id,profession,age, status from tb_user where profession = '软件工程' and age = 31 and status = '0' ;
explain select id,profession,age, status, name from tb_user where profession = '软件工程' and age = 31 and status = '0' ;
explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0';
上述sql的执行结果为:
这四条sql语句的执行计划前面的所有指标都是一样的,除了Extra。前两条sql的结果为 Using where; Using index
,后两条sql的结果为: Using index condition
。
Extra | 含义 |
---|---|
Using 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,所以不需要回表查询数据 |
Using index condition | 查找使用了索引,但是需要回表查询数据 |
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)。
通过以下例子我们可以更好地了解什么是覆盖索引,什么是回表查询。
A.表结构及索引示意图:
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)。
B.执行SQL: select * from tb_user where id=2;
根据id查询,直接走聚集索引,一次索引扫描,直接返回数据,性能高。
C.执行SQL: select id,name from tb_user where name='Arm';
虽然是根据name查询数据,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。
D:执行SQL: select id,name,gender from tb_user where name='Arm';
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。
5.6 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。
语法如下:
create index 索引名 on table(字段(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));
**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 ;
前缀索引的查询流程如下:
①:截取查询条件中email的前五个字符到二级索引中查询数据。
②:然后再通过回表查询去聚集索引中得到行数据。
③:再次回到二级索引看看还有没有符合条件的数据,有的话重复执行操作②。
④:组装所有的结果返回数据。
5.7 单列索引和联合索引
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。
我们再次查看 tb_user
表中目前的索引情况:
在查询出来的索引中,既有单列索引,又有联合索引。
我们执行如下sql语句,查看其执行计划:
explain select id,phone,name from tb_user where phone='1775550010' and name='韩信';
通过上述执行计划,我们可以看出,在and连接的两个字段都是又单列索引时,mysql最终只会选择一个索引,也就是说只能走一个字段的索引,此时是会回表查询的。
我们创建一个phone和name字段的联合索引来查询一下执行计划:
create unique index idx_user_phone_name on tb_user(phone,name);
此时,再次查询就走了联合索引。但是在联合索引中包含phone,name的信息,在叶子节点下挂的是对应的主键id,所以查询是无需和回表查询的。
注: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。
如果查询使用的是联合索引,具体结构如下图所示: