【Mysql】索引

【Mysql】索引

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：

1. 如果存在主键，那么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：

1. 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.
2. 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。
3. 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';

2. ignore index

explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';

3. 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：

---

6. 索引设计原则