MySQL笔记：10. 索引优化与查询优化

这是然少

已于 2024-03-10 16:51:03 修改

阅读量303

点赞数

分类专栏：数据库学习笔记文章标签： mysql 学习笔记

于 2023-04-17 11:38:49 首次发布

本文链接：https://blog.csdn.net/W_R_T_/article/details/130195560

版权

数据库学习笔记专栏收录该内容

13 篇文章 0 订阅

订阅专栏

都有哪些维度可以进行数据库调优？简言之：

索引失效、没有充分利用到索引——索引建立
关联查询太多JOIN (设计缺陷或不得已的需求)——SQL优化
服务器调优及各个参数设置(缓冲、线程数等)———调整my.cnf。
数据过多――分库分表

关于数据库调优的知识点非常分散。不同的DBMS，不同的公司，不同的职位，不同的项目遇到的问题都不尽相同。这里我们分为三个章节进行细致讲解。

虽然SQL查询优化的技术有很多，但是大方向上完全可以分成物理查询优化和逻辑查询优化两大块。

物理查询优化是通过索引和表连接方式等技术来进行优化，这里重点需要掌握索引的使用。
逻辑查询优化就是通过SQL等价变换提升查询效率，直白一点就是说，换一种查询写法执行效率可能更高。

1. 数据准备

学员表插 50万条，班级表插 1万条。

步骤1：建表

CREATE TABLE class
(
    id        INT(11) NOT NULL AUTO_INCREMENT,
    className VARCHAR(30) DEFAULT NULL,
    address   VARCHAR(40) DEFAULT NULL,
    monitor   INT     NULL,
    PRIMARY KEY (id)
) ENGINE = INNODB
  AUTO_INCREMENT = 1
  DEFAULT CHARSET = utf8;

CREATE TABLE student
(
    id      INT(11) NOT NULL AUTO_INCREMENT,
    stuno   INT     NOT NULL,
    name    VARCHAR(20) DEFAULT NULL,
    age     INT(3)      DEFAULT NULL,
    classId INT(11)     DEFAULT NULL,
    PRIMARY KEY (id)
# CONSTRAINT fk_class_id FOREIGN KEY (classId) REFERENCES t_class (id)
) ENGINE = INNODB
  AUTO_INCREMENT = 1
  DEFAULT CHARSET = utf8;

步骤2：设置参数
命令开启：允许创建函数设置 :

SET GLOBAL log_bin_trust_function_creators = 1; # 不加global只是当前窗口有效。

步骤3：创建函数

# 保证每条数据都不同

# 随机产生字符串
DELIMITER //
CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
BEGIN
    DECLARE chars_str VARCHAR(100) DEFAULT
        'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
    DECLARE return_str VARCHAR(255) DEFAULT '';
    DECLARE i INT DEFAULT 0;
    WHILE i < n
        DO
            SET return_str = CONCAT(return_str, SUBSTRING(chars_str, FLOOR(1 + RAND() * 52), 1));
            SET i = i + 1;
        END WHILE;
    RETURN return_str;
END //
DELIMITER ;
# 假如要删除
# drop function rand_string;

# 随机产生班级编号
# 用于随机产生多少到多少的编号
DELIMITER //
CREATE FUNCTION rand_num(from_num INT, to_num INT) RETURNS INT(11)
BEGIN
    DECLARE i INT DEFAULT 0;
    SET i = FLOOR(from_num + RAND() * (to_num - from_num + 1));
    RETURN i;
END //
DELIMITER ;

# 假如要删除
# drop function rand_num;

步骤4：创建存储过程

# 创建往stu表中插入数据的存储过程
DELIMITER //
CREATE PROCEDURE insert_stu(START INT, max_num INT)
BEGIN
    DECLARE i INT DEFAULT 0;
    SET autocommit = 0; # 设置手动提交事务
    REPEAT
        # 循环
        SET i = i + 1; # 赋值
        INSERT INTO student (stuno, name, age, classId)
        VALUES ((START + i), rand_string(6), rand_num(1, 50), rand_num(1, 1000));
    UNTIL i = max_num
        END REPEAT;
    COMMIT; # 提交事务
END //
DELIMITER ;
# 假如要删除
# drop PROCEDURE insert_stu;

# 创建往class表中插入数据的存储过程
# 执行存储过程，往class表添加随机数据
DELIMITER //
CREATE PROCEDURE `insert_class`(max_num INT)
BEGIN
    DECLARE i INT DEFAULT 0;
    SET autocommit = 0;
    REPEAT
        SET i = i + 1;
        INSERT INTO class (classname, address, monitor)
        VALUES (rand_string(8), rand_string(10), rand_num(1, 100000));
    UNTIL i = max_num
        END REPEAT;
    COMMIT;
END //
DELIMITER ;
# 假如要删除
# drop PROCEDURE insert_class;

步骤5：调用存储过程

# 执行存储过程，往class表添加1万条数据
CALL insert_class(10000);

# 执行存储过程，往stu表添加50万条数据
CALL insert_stu(100000, 500000);
CALL insert_stu(600000, 1000000);

步骤6：删除某表上的索引

# 创建存储过程
DELIMITER //
CREATE PROCEDURE `proc_drop_index`(dbname VARCHAR(200), tablename VARCHAR(200))
BEGIN
    DECLARE done INT DEFAULT 0;
    DECLARE ct INT DEFAULT 0;
    DECLARE _index VARCHAR(200) DEFAULT '';
    DECLARE _cur CURSOR FOR SELECT index_name
                            FROM information_schema.STATISTICS
                            WHERE table_schema = dbname
                              AND table_name = tablename
                              AND seq_in_index = 1
                              AND index_name <> 'PRIMARY';
    # 每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束
    DECLARE CONTINUE HANDLER FOR NOT FOUND set done = 2;
    # 若没有数据返回,程序继续,并将变量done设为2
    OPEN _cur;
    FETCH _cur INTO _index;
    WHILE _index <> ''
        DO
            SET @str = CONCAT("drop index ", _index, " on ", tablename);
            PREPARE sql_str FROM @str;
            EXECUTE sql_str;
            DEALLOCATE PREPARE sql_str;
            SET _index = '';
            FETCH _cur INTO _index;
        END WHILE;
    CLOSE _cur;
END //
DELIMITER ;

# 执行存储过程
CALL proc_drop_index("dbname", "tablename");

2. 索引失效案例

MySQL 中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法，并且加快查询的速度，因此索引对查询的速度有着至关重要的影响。

使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
如果查询时没有使用索引，查询语句就会扫描表中的所有记录。在数据量大的情况下，这样查询的速度会很慢。

大多数情况下都（默认）采用B+树来构建索引。只是空间列类型的索引使用R-树，并且 MEMORY 表还支持hash索引。

其实，用不用索引，最终都是优化器说了算。优化器是基于什么的优化器？基于cost开销(CostBaseOptimizer)，它不是基于规则(Rule-BasedOptimizer)，也不是基于语义。怎么样开销小就怎么来。另外，SQL语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。

开销不是基于时间

2.1 全值匹配我最爱

意思是创建联合索引多个索引同时生效。

系统中经常出现的 sql 语句如下：

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4 AND name='abcd';

建立索引前执行（关注执行时间）：

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4 AND name = 'abcd';
Empty set，1 warning ( 0.28 sec)

建立索引

CREATE INDEX idx_age ON student (age);
CREATE INDEX idx_age_classid ON student (age, classId);
CREATE INDEX idx_age_classid_name ON student (age, classId, name);

建立索引后执行：

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4 AND name = 'abcd';
Empty set,1 warning (0.01 sec)

可以看到，创建索引前的查询时间是0.28秒，创建索引后的查询时间是0.01秒，索引帮助我们极大的提高了查询效率。

2.2 最佳左前缀法则

在 MySQL 建立联合索引时会遵守最佳左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

举例1：

EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.age = 30
  AND student.name = 'abcd';
# 走`idx_age_classid_name`   使用了Using index condition

举例2：

EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE student.classid = 1
  AND student.name = 'abcd';
# 没有索引匹配上。

举例3：索引idx_age_classid_name还能否正常使用?

EXPLAIN
SELECT SQL_NO_CACHE *
FROM student
WHERE classid = 4
  and student.age = 30
  AND student.name = 'abcd';

如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中的列。

mysq1> EXPLAIN
mysq1> SELECT SQL_NO_CACHE *
mysq1> FROM student
mysq1> WHERE student.age = 30
mysq1>   AND student.name = 'abcd';

结论：MySQL 可以为多个字段创建索引，一个索引可以包括16个字段。对于多列索引，过滤条件要使用索引必须按照索引建立时的顺序，依次满足，一旦跳过某个字段，索引后面的字段都无法被使用。**如果查询条件中没有使用这些字段中第1个字段时，多列（或联合）索引不会被使用。

拓展：Alibaba《Java开发手册》

索引文件具有 B-Tree 的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。

2.3 主键插入顺序

对于一个使用InnoDB存储引擎的表来说，表中的数据实际上都是存储在聚簇索引的叶子节点的。而记录又是存储在数据页中的，数据页和记录又是按照记录主键值从小到大的顺序进行排序，所以如果我们插入的记录的主键值是依次增大的话，那我们每插满一个数据页就换到下一个数据页继续插，而如果我们插入的主键值忽大忽小的话，就比较麻烦了，假设某个数据页存储的记录已经满了，它存储的主键值在1~100之间：

如果此时再插入一条主键值为 9 的记录，那它插入的位置就如下图：

可这个数据页已经满了，再插进来咋办呢？我们需要把当前 页面分裂 成两个页面，把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么？意味着： 性能损耗！所以如果我们想尽量避免这样无谓的性能损耗，最好让插入的记录的 主键值依次递增 ，这样就不会发生这样的性能损耗了。

所以我们建议：让主键具有 AUTO_INCREMENT ，让存储引擎自己为表生成主键，而不是我们手动插入，比如person_info 表（这是比较推荐的做法，但并不是很常用的做法，因其id自增会暴露数据，常用的做法是使用改进过的UUID进行逐渐创建）：

CREATE TABLE person_info
(
    id           INT UNSIGNED NOT NULL AUTO_INCREMENT,
    name         VARCHAR(100) NOT NULL,
    birthday     DATE         NOT NULL,
    phone_number CHAR(11)     NOT NULL,
    country      varchar(100) NOT NULL,
    PRIMARY KEY (id),
    KEY idx_name_birthday_phone_number (name(10), birthday, phone_number)
);

我们自定义的主键列 id 拥有 AUTO_INCREMENT 属性，在插入记录时存储引擎会自动为我们填入自增的主键值。这样的主键占用空间小，顺序写入，减少页分裂。

2.4 计算、函数、类型转换(自动或手动)导致索引失效

这两条 sql 哪种写法更好

CREATE INDEX idx_name ON student (name);

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
# 这个索引失效。因为用上函数了。
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name, 3) = 'abc';

创建索引

CREATE INDEX idx_sno ON student (stuno);

第一种：索引优化生效

mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';

mysql> SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
+---------+---------+--------+------+---------+
| id      | stuno   | name   | age  | classId |
+---------+---------+--------+------+---------+
| 5301379 | 1233401 | AbCHEa | 164  | 259     |
| 7170042 | 3102064 | ABcHeB | 199  | 161     |
| 1901614 | 1833636 | ABcHeC | 226  | 275     |
| 5195021 | 1127043 | abchEC | 486  | 72      |
| 4047089 | 3810031 | AbCHFd | 268  | 210     |
| 4917074 | 849096  | ABcHfD | 264  | 442     |
| 1540859 | 141979  | abchFF | 119  | 140     |
| 5121801 | 1053823 | AbCHFg | 412  | 327     |
| 2441254 | 2373276 | abchFJ | 170  | 362     |
| 7039146 | 2971168 | ABcHgI | 502  | 465     |
| 1636826 | 1580286 | ABcHgK | 71   | 262     |
| 374344  | 474345  | abchHL | 367  | 212     |
| 1596534 | 169191  | AbCHHl | 102  | 146     |
...
| 5266837 | 1198859 | abclXe | 292  | 298     |
| 8126968 | 4058990 | aBClxE | 316  | 150     |
| 4298305 | 399962  | AbCLXF | 72   | 423     |
| 5813628 | 1745650 | aBClxF | 356  | 323     |
| 6980448 | 2912470 | AbCLXF | 107  | 78      |
| 7881979 | 3814001 | AbCLXF | 89   | 497     |
| 4955576 | 887598  | ABcLxg | 121  | 385     |
| 3653460 | 3585482 | AbCLXJ | 130  | 174     |
| 1231990 | 1283439 | AbCLYH | 189  | 429     |
| 6110615 | 2042637 | ABcLyh | 157  | 40      |
+---------+---------+--------+------+---------+
401 rows in set, 1 warning (0.01 sec)

第二种：索引优化失效

mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name, 3) = 'abc';

mysql> SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name, 3) = 'abc';
+---------+---------+--------+------+---------+
| id      | stuno   | name   | age  | classId |
+---------+---------+--------+------+---------+
| 5301379 | 1233401 | AbCHEa | 164  | 259     |
| 7170042 | 3102064 | ABcHeB | 199  | 161     |
| 1901614 | 1833636 | ABcHeC | 226  | 275     |
| 5195021 | 1127043 | abchEC | 486  | 72      |
| 4047089 | 3810031 | AbCHFd | 268  | 210     |
| 4917074 | 849096  | ABcHfD | 264  | 442     |
| 1540859 | 141979  | abchFF | 119  | 140     |
| 5121801 | 1053823 | AbCHFg | 412  | 327     |
| 2441254 | 2373276 | abchFJ | 170  | 362     |
| 7039146 | 2971168 | ABcHgI | 502  | 465     |
| 1636826 | 1580286 | ABcHgK | 71   | 262     |
| 374344  | 474345  | abchHL | 367  | 212     |
| 1596534 | 169191  | AbCHHl | 102  | 146     |
...
| 5266837 | 1198859 | abclXe | 292  | 298     |
| 8126968 | 4058990 | aBClxE | 316  | 150     |
| 4298305 | 399962  | AbCLXF | 72   | 423     |
| 5813628 | 1745650 | aBClxF | 356  | 323     |
| 6980448 | 2912470 | AbCLXF | 107  | 78      |
| 7881979 | 3814001 | AbCLXF | 89   | 497     |
| 4955576 | 887598  | ABcLxg | 121  | 385     |
| 3653460 | 3585482 | AbCLXJ | 130  | 174     |
| 1231990 | 1283439 | AbCLYH | 189  | 429     |
| 6110615 | 2042637 | ABcLyh | 157  | 40      |
+---------+---------+--------+------+---------+
401 rows in set, 1 warning (3.62 sec)

type为“ALL”，表示没有使用到索引，查询时间为 3.62 秒，查询效率较之前低很多。

再举例：

student 表的字段 stuno 上设置有索引

CREATE INDEX idx_sno ON student(stuno);
# 计算导致索引失效
EXPLAIN SELECT SQL_NO_CACHE id, stuno, name FROM student WHERE stuno + 1 = 900001;

运行结果：

类型是 ALL 原因是计算导致了索引失效。

索引优化生效（没有计算）：

EXPLAIN SELECT SQL_NO_CACHE id, stuno, name FROM student WHERE stuno = 900000;

再举例：

student 表的字段 name 上设置有索引

CREATE INDEX idx_sno ON student (stuno); # 上面已经运行过了

索引失效：

EXPLAIN SELECT id, stuno, name FROM student WHERE SUBSTRING(name, 1, 3) = 'abc';
# 使用函数导致失效，可以改用like 'abc%'

2.5 类型转换导致索引失效

下列哪个 sql 语句可以用到索引。（假设name字段上设置有索引）

# 未使用到索引(name = 123 发生类型转换，索引失效)
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name = 123;
# 使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name = '123';

2.6 范围条件右边的列索引失效

ALTER TABLE student DROP INDEX idx_name;
ALTER TABLE student DROP INDEX idx_age;
ALTER TABLE student DROP INDEX idx_age_classid;

SHOW INDEX FROM student;

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age = 30 AND student.classId > 20 AND student.name = 'abc' ;

因为用上了范围查找，在范围查找的索引后面的索引就失效了。

tips ：因为范围条件导致的索引失效，可以考虑把确定的索引放在前面。

例如上面这个例子，
CREATE INDEX idx_age_name_cid ON student(age, name, classId);
这里 name 放在了范围查找 classId 前面索引就能生效了。

哪些属于范围？

大于等于，大于，小于等于，小于
between

应用开发中范围查询，例如：金额查询，日期查询往往都是范围查询。创建联合索引时考虑放在后面。

创建索引时，务必把范围涉及到的字段写在最后

2.7 不等于( != 或者 <> )索引失效

为name字段创建索引

CREATE INDEX idx_name ON student (name);

查看索引是否失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc';

没救索引只能查到知道的东西

2.8 is null可以使用索引，is not null无法使用索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL;

# is not null 索引失效
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;

结论：最好在设计数据表的时候就将字段设置为 NOT NULL 约束，比如你可以将 INT 类型的字段，默认值设置为 0。将字符类型的默认值设置为空字符串。

拓展：同理，在查询中使用not like 也无法使用索引，导致全表扫描。

2.9 like 以通配符 % 开头索引失效

在使用LIKE关键字进行查询的查询语句中，如果匹配字符串的第一个字符为“%”，索引就不会起作用。只有“%"不在第一个位置，索引才会起作用。

# 用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name LIKE 'ab%';
# 用不到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name LIKE '%ab%';

拓展：Alibaba《Java开发手册》
【强制】页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎来解决。

2.10 OR 前后存在非索引的列，索引失效

在 WHERE 子句中，如果在 OR 前的条件列进行了索引，而在 OR 后的条件列没有进行索引，那么索引会失效。也就是说，OR 前后的两个条件中的列都是索引时，查询中才使用索引。

CREATE INDEX idx_age ON student (age);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classId = 100;

因为 OR 的含义就是两个只要满足一个即可，因此只有一个条伴列进行了索引是没有意义的，只要有条件列没有进行索引，就会进行全表扫描，因此索引的条件列也会失效。

2.11 数据库和表的字符集统一使用utf8mb4

统一使用 utf8mb4(5.5.3版本以上支持) 兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不同的字符集进行比较前需要进行 转换 会造成索引失效。

2.12 练习及一般性建议

练习：假设：index(a, b, c)

WHERE 语句	索引是否被引用
WHERE a = 3	Y, 使用到a
WHERE a = 3 AND b = 5	Y, 使用到a, b
WHERE a = 3 AND b = 5 AND c = 4	Y, 使用到a, b, c
WHERE b = 3 或者 WHERE b = 3 AND c = 4 或者 WHERE c = 4	N
WHERE a = 3 AND c = 5	使用到a, 但是c不可以, b中间断了
WHERE a = 3 AND b > 4 AND c = 5	使用到a和b, c不能用在范围之后, b断了
WHERE a IS NULL AND b IS NOT NULL	is null 支持索引但是 is not null 不支持，索引a可以使用索引, 但是b不可以使用
WHERE a <> 3	不能使用索引
WHERE abs(a) = 3	不能使用索引
WHERE a = 3 AND b LIKE ‘kk%’ AND c = 4	Y, 使用到a, b, c
WHERE a = 3 AND b LIKE ‘%kk’ AND c = 4	Y, 使用到a
WHERE a = 3 AND b LIKE ‘%kk%’ AND c = 4	Y, 使用到a
WHERE a = 3 AND b LIKE ‘k%kk%’ AND c = 4	Y, 使用到a, b, c

一般性建议：

对于单列索引,l尽量选择针对当前query过滤性更好的索引
在选择组合索引的时候，当前query中过滤性最好的字段在索引字段顺序中，位置越靠前越好。
在选择组合索引的时候，尽量选择能够包含当前query中的where子句中更多字段的索引。
在选择组合索引的时候，如果某个字段可能出现范围查询时，尽量把这个字段放在索引次序的最后面。

总之，书写SQL语句时，尽量避免造成索引失效的情况。

3. 关联查询优化

3.1 数据准备

# 分类
CREATE TABLE IF NOT EXISTS type
(
    id   INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
    card INT(10) UNSIGNED NOT NULL,
    PRIMARY KEY (id)
);

# 图书
CREATE TABLE IF NOT EXISTS book
(
    bookid INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
    card   INT(10) UNSIGNED NOT NULL,
    PRIMARY KEY (bookid)
);

# 向分类表中添加20条记录
INSERT INTO type (card) VALUES (FLOOR(1 + (RAND() * 20)));

# 向图书表中添加20条记录
INSERT INTO book (card) VALUES (FLOOR(1 + (RAND() * 20)));

3.2 采用左外连接

下面开始 EXPLAIN 分析

EXPLAIN SELECT SQL_NO_CACHE * FROM type LEFT JOIN book ON type.card = book.card;

结论：type 有 All

添加索引优化

# 添加索引
ALTER TABLE book ADD INDEX Y(card); #【被驱动表】，可以避免全表扫描

EXPLAIN SELECT SQL_NO_CACHE * FROM type LEFT JOIN book ON type.card = book.card;

可以看到第二行的 type 变为了 ref，rows 也变成了优化比较明显。这是由左连接特性决定的。LEFT JOIN条件用于确定如何从右表搜索行，左边一定都有，所以右边是我们的关键点,一定需要建立索引。

结论：如果只能添加一边的索引，那就给被驱动表添加上索引。

ALTER TABLE type ADD INDEX X (card); #【驱动表】，无法避免全表扫描

EXPLAIN SELECT SQL_NO_CACHE * FROM type LEFT JOIN book ON type.card = book.card;

接着：

DROP INDEX Y ON book;

EXPLAIN SELECT SQL_NO_CACHE * FROM type LEFT JOIN book ON type.card = book.card;

去掉被驱动索引，又变成了 join buffer

3.3 采用内连接

前置知识

drop index X on type;
drop index Y on book;    #（如果已经删除了可以不用再执行该操作）

换成 inner join（MySQL 自动选择驱动表）

EXPLAIN SELECT SQL_NO_CACHE * FROM type INNER JOIN book ON type.card = book.card;

添加索引优化

ALTER TABLE book ADD INDEX Y (card);

EXPLAIN SELECT SQL_NO_CACHE * FROM type INNER JOIN book ON type.card = book.card;

# type 加索引
ALTER TABLE type ADD INDEX X (card);
# 观察执行情况
EXPLAIN SELECT SQL_NO_CACHE * FROM type INNER JOIN book ON type.card = book.card;

这里刚给 type 加了索引后，驱动表和被驱动表还是原来的样子。

给 type 继续加了一些数据后

优化器会判断，哪个数据比较少。就作为驱动表

结论：

内连接 中被驱动表是由优化器决定的。优化器认为哪个成本比较小，就采用哪种作为驱动表；
如果两张表只有一个有索引，那有索引的表作为被驱动表；
- 原因：驱动表要全查出来。有没有索引你都得全查出来
两个索引都存在的情况下，数据量大的作为被驱动表（小表驱动大表）。
- 原因：驱动表要全部查出来，而大表可以通过索引加快查找

3.4 JOIN语句原理

JOIN 方式连接多个表，本质就是各个表之间数据的循环匹配。MySQL 5.5 版本之前，MySQL 只支持一种表间关联方式，就是嵌套循环(Nested Loop Join)。如果关联表的数据量很大，则 JOIN 关联的执行时间会非常长。在 MySQL 5.5 以后的版本中，MySQL 通过引入BNLJ算法来优化嵌套执行。

1. 驱动表和被驱动表

驱动表就是主表，被驱动表就是从表、非驱动表。

对于内连接来说：

SELECT * FROM A JOIN B ON ...

A 一定是驱动表吗？不一定，优化器会根据你查询语句做优化，决定先查哪张表。先查询的那张表就是驱动表，反之就是被驱动表。通过 explain 关键字可以查看。

对于外连接来说：

SELECT * FROM A LEFT JOIN B ON ...
# 或
SELECT * FROM B RIGHT JOIN A ON ...

通常，大家会认为 A 就是驱动表，B 就是被驱动表。但也未必。测试如下:

CREATE TABLE a (f1 INT, f2 INT, INDEX(f1)) ENGINE = INNODB;
CREATE TABLE b (f1 INT, f2 INT) ENGINE = INNODB;

INSERT INTO a VALUES (1,1), (2,2), (3,3), (4,4), (5,5), (6,6);
INSERT INTO b VALUES (3,3), (4,4), (5,5), (6,6), (7,7), (8,8);

# 测试1
EXPLAIN SELECT * FROM a LEFT JOIN b ON (a.f1 = b.f1) WHERE (a.f2 = b.f2);
# 测试2
EXPLAIN SELECT * FROM a LEFT JOIN b oN (a.f1 = b.f1) AND (a.f2 = b.f2);

测试1结果：

得出这种结论太不可思议了，跟上一个show warnings 看看：

测试2结果：

继续show warnings \G

2. Simple Nested-Loop Join (简单嵌套循环连接)

算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放到 result 以此类推，驱动表A中的每一条记录与被驱动表B的记录进行判断：

这个例子是在没有索引的情况，做了全表扫描

可以看到这种方式效率是非常低的，以上述表A数据100条，表B数据1000条计算，则 A * B = 10万次。开销统计如下：

开销统计	SNLJ
外表扫描次数：	1
内表扫描次数：	A
读取记录数：	A + B * A
JOIN 比较次数：	B * A
回表读取记录次数：	0

当然 MySQL 肯定不会这么粗暴的去进行表的连接，所以就出现了后面的两种对 Nested-Loop Join 优化算法。

3. Index Nested-Loop Join (索引嵌套循环连接)

Index Nested-Loop Join 其优化的思路主要是为了减少内层表数据的匹配次数，所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配，避免和内层表的每条记录去进行比较，这样极大的减少了对内层表的匹配次数。

驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的，故 MySQL 优化器都倾向于使用记录数少的表作为驱动表(外表)。

开销统计	SNLJ	INLJ
外表扫描次数：	1	1
内表扫描次数：	A	0
读取记录数：	A + B * A	A + B (match)
JOIN 比较次数：	B * A	A * Index (Height)
回表读取记录次数：	0	B (match) (if possible)

如果被驱动表加索引，效率是非常高的，但如果索引不是主键索引，所以还得进行一次回表查询。相比，被驱动表的索引是主键索引，效率会更高。

4. Block Nested-Loop Join (块嵌套循环连接)

如果存在索引，那么会使用 index 的方式进行 join，如果 join 的列没有索引，被驱动表要扫描的次数太多了。每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把被驱动表的记录在加载到内存匹配这样周而复始，大大增加了 IO 的次数。为了减少被驱动表的 IO 次数，就出现了 Block Nested-Loop Join 的方式。

不再是逐条获取驱动表的数据，而是一块一块的获取，引入了join buffer缓冲区，将驱动表join相关的部分数据列（大小受 join buffer 的限制）缓存到 join buffer 中，然后全表扫描被驱动表被驱动表的每—条记录—次性和 join buffer 中的所有驱动表记录进行匹配（内存中操作)，将简单嵌套循环中的多次比较合并成一次，降低了被驱动表的访问频率。

注意：

这里缓存的不只是关联表的列，select 后面的列也会缓存起来。（存的是驱动表）

在一个有 N 个 join 关联的sql中会分配 N - 1 个 join buffer。所以查询的时候尽量减少不必要的字段，可以让 join buffer 中可以存放更多的列。

开销统计	SNLJ	INLJ	BNLJ
外表扫描次数：	1	1	1
内表扫描次数：	A	0	A * used_cloumn_size / join_buffer_size + 1
读取记录数：	A + B * A	A + B (match)	A + B * (A * used_cloumn_size / join_buffer_size)
JOIN 比较次数：	B * A	A * Index (Height)	B * A
回表读取记录次数：	0	B (match) (if possible)	0

参数设置：

block_nested_loop

通过show variables like '%optimizer_switch%'查看block_nested_loop状态。默认是开启的。
join_buffer_size

驱动表能不能一次加载完，要看 join buffer 能不能存储所有的数据，默认情况下join_buffer_size = 256k。
```
mysql> show variables like '%join_buffer%';
+------------------+--------+
| Variable_name    | Value  |
+------------------+--------+
| join_buffer_size | 262144 |
+------------------+--------+
1 row in set (0.00 sec)
```
join_buffer_size 的最大值在32位系统可以申请4G，而在64位操作系统下可以申请大于4G的 Join Buffer 空间(64位Windows除外，其大值会被截断为4GB并发出警告)。

5. Join小结

1、整体效率比较：INLJ > BNLJ > SNLJ

2、永远用小结果集驱动大结果集（其本质就是减少外层循环的数据数量）（小的度量单位指的是表行数 * 每行大小）

# straight_join 不让优化器优化谁是驱动表  （驱动表 straight_join 被驱动表）
# 这个例子是说 t2 的列比较多，相同的 join buffer 加的会比较少。所以不适合用 t2 作为  ！！！驱动表
select t1.b, t2.* from t1 straight_join t2 on (t1.b = t2.b) where t2.id <= 180;  # 推荐
select t1.b, t2.* from t2 straight_join t1 on (t1.b = t2.b) where t2.id <= 100;  # 不推荐

3、为被驱动表匹配的条件增加索引（减少内层表的循环匹配次数）

4、增大 join buffer size 的大小（一次缓存的数据越多，那么内层包的扫表次数就越少）

5、减少驱动表不必要的字段查询（字段越少，join buffer 所缓存的数据就越多）

6、在决定哪个表做驱动表的时候，应该是两个表按照各自的条件过滤，过滤完成之后，计算参与 join 的各个字段的总数据量，数据量小的那个表，就是“小表”，应该作为驱动表。

3.5 小结

保证被驱动表的 JOIN 字段已经创建了索引
需要 JOIN 的字段，数据类型保持绝对一致。
LEFT JOIN 时，选择小表作为驱动表， 大表作为被驱动表 。减少外层循环的次数。
INNER JOIN 时，MySQL 会自动将 小结果集的表选为驱动表 。选择相信 MySQL 优化策略。
能够直接多表关联的尽量直接关联，不用子查询。（减少查询的趟数）
不建议使用子查询，建议将子查询 SQL 拆开结合程序多次查询，或使用 JOIN 来代替子查询。
衍生表建不了索引

3.6 Hash Join

从 MySQL 的 8.0.20 版本开始将废弃 BNLJ，因为从 MySQL 8.0.18 版本开始就加入了 hash join 默认都会使用 hash join

Nested Loop:
对于被连接的数据子集较小的情况，Nested Loop 是个较好的选择。

Hash Join 是做大数据集连接时的常用方式，优化器使用两个表中较小（相对较小）的表利用 Join Key 在内存中建立散列表，然后扫描较大的表并探测散列表，找出与 Hash 表匹配的行。

这种方式适用于较小的表完全可以放于内存中的情况，这样总成本就是访问两个表的成本之和。
在表很大的情况下并不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要求有较大的临时段从而尽量提高 I/O 的性能。
它能够很好的工作于没有索引的大表和并行查询的环境中，并提供最好的性能。大多数人都说它是 Join 的重型升降机。Hash Join只能应用于等值连接 (如 WHERE A.COL1 = B.COL2 )，这是由 Hash 的特点决定的。

类别	Nested Loop	Hash Join
使用条件	任何条件	等值连接(=)
相关资源	CPU、磁盘I/O	内存、临时空间
特点	当有高选择性索引或进行限制性搜索时效率比较高，能够快速返回第一次的搜索结果。	当缺乏索引或者索引条件模糊时，Hash Join 比 Nested Loop 有效。在数据仓库环境下，如果表的记录数多，效率高。
缺点	当索引丢失或者查询条件限制不够时，效率很低；当表的记录数多时，效率低。	为建立哈希表，需要大量内存。第一次的结果返回较慢。

4.子查询优化

MySQL 从 4.1 版本开始支持子查询，使用子查询可以进行 SELECT 语句的嵌套查询，即一个 SELECT 查询的结果作为另一个 SELECT 语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的SQL操作。

子查询是 MySQL 的一项重要的功能，可以帮助我们通过一个 SQL 语句实现比较复杂的查询。但是，子查询的执行效率不高。原因：

① 执行子查询时 MySQL 需要为内层查询语句的查询结果建立一个临时表，然后外层查询语句从临时表中查询记录。查询完毕后，再撤销这些临时表。这样会消耗过多的 CPU 和 IO 资源，产生大量的慢查询；

② 子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响；

③ 对于返回结果集比较大的子查询，其对查询性能的影响也就越大。

在MySQL中，可以使用连接（JOIN）查询来替代子查询。连接查询不需要建立临时表，其速度比子查询要快，如果查询中使用索引的话，性能就会更好。

举例1：查询学生表中是班长的学生信息

使用子查询（不推荐）

# 创建班级表中班长的索引
CREATE INDEX idx_monitor ON class (monitor);

EXPLAIN SELECT * FROM student s WHERE s.stuno IN 
( SELECT monitor FROM class c WHERE monitor IS NOT NULL );

使用多表查询（推荐）

EXPLAIN SELECT s.* FROM student s JOIN class c ON s.stuno = c.monitor WHERE c.monitor IS NOT NULL;

举例2：取所有不为班长的同学

子查询（不推荐）

EXPLAIN SELECT SQL_NO_CACHE a.* FROM student a WHERE a.stuno NOT IN ( SELECT monitor FROM class b WHERE monitor IS NOT NULL );

修改成多表查询（推荐）

EXPLAIN SELECT SQL_NO_CACHE a.* FROM student a LEFT OUTER JOIN class b ON a.stuno = b.monitor WHERE b.monitor IS NULL;

结论：尽量不要使用 NOT IN 或者 NOT EXISTS，用 LEFT JOIN xxx ON xx WHERE xx IS NULL 替代

5. 排序优化

5.1 排序优化

问题：在 WHERE 条件字段上加索引但是为什么在 ORDER BY 字段上还要加索引呢？

回答：

在 MySQL 中，支持两种排序方式，分别是FileSort和Index排序。

Index 排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
FileSort 排序则一般在内存中进行排序，占用CPU较多。如果待排结果较大，会产生临时文件I/O到磁盘进行排序的情况，效率较低。

优化建议：

SQL 中，可以在 WHERE 子句和 ORDER BY 子句中使用索引，目的是在 WHERE 子句中避免全表扫描，在ORDER BY 子句避免使用 FileSort 排序。当然，某些情况下全表扫描，或者 FileSort 排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率。
尽量使用 Index 完成 ORDER BY 排序。如果 WHERE 和 ORDER BY 后面是相同的列就使用单索引列；如果不同就使用联合索引。
无法使用 Index 时，需要对 FileSort 方式进行调优。

5.2 测试

删除 student 表和 class 表中已创建的索引。

# 方式1:
DROP INDEX idx_monitor ON class;
DROP INDEX idx_cid ON student;
DROP INDEX idx_age ON student;
DROP INDEX idx_name ON student;
DROP INDEX idx_age_name_classid ON student;
DROP INDEX idx_age_classid_name ON student;

# 方式2:
call proc_drop_index('atguigudb2', 'student');

以下是否能使用到索引，能否去掉using filesort

过程一：

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid;

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid limit 10;

过程二：order by 时不 limit，索引失效

# 创建索引
CREATE INDEX idx_age_classid_name ON student (age, classid, name);

# 不限制，索引失效
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid;

这里优化器觉得，还需要回表。会费时间更大，不走索引。

使用覆盖索引试试看

不用回表，优化器觉得走索引快。就使用了索引。

增加 limit 条件

增加 limit 减少回表的数量，优化器觉得走索引快，会使用索引

过程三：order by 时顺序错误，索引失效

CREATE INDEX idx_age_classid_stuno ON student (age, classid, stuno);

# 以下哪些索引失效?

# 不会走，最左前缀原则
EXPLAIN SELECT * FROM student ORDER BY classid LIMIT 10;

# 不会走，最左前缀原则
EXPLAIN SELECT * FROM student ORDER BY classid, name LIMIT 10;

# 走
EXPLAIN SELECT * FROM student ORDER BY age, classid, stuno LIMIT 10;
# 走
EXPLAIN SELECT * FROM student ORDER BY age, classid LIMIT 10;
# 走
EXPLAIN SELECT * FROM student ORDER BY age LIMIT 10;

过程四：order by 时规则不一致，索引失效（顺序错，不索引；方向反，不索引)

# age desc 方向反 索引失效
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;

# 没有最左前缀 索引失效
EXPLAIN SELECT * FROM student ORDER BY classid DESC, name DESC LIMIT 10;

# age asc 没问题 classid desc 降序， 优化器认为，文件排序比较快索引失效
# 方向反了不走索引
EXPLAIN SELECT * FROM student ORDER BY age ASC, classid DESC LIMIT 10;

# Backward index scan 走索引了，倒着走索引
EXPLAIN SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;

过程五：无过滤，不索引

EXPLAIN SELECT * FROM student WHERE age = 45 ORDER BY classid;

EXPLAIN SELECT * FROM student WHERE age = 45 ORDER BY classid, name;

EXPLAIN SELECT * FROM student WHERE classid = 45 order by age;

EXPLAIN SELECT * FROM student WHERE classid = 45 order by age limit 10;

这里第一条排序走 Using filesort 很好理解

第二条为啥不是 Using filesort 呢？

这里 type = index，key = idx_age_classid_name。这说明了优化器预估对 idx_age_classid_name 索引进行完整的遍历。由于索引本身就是根据 age 升序存储的。所以只要在遍历的过程中，遇到前十个 classid = 45。就可以停止遍历。回表返回数据。（根据上完课自己想的，无法验证，不知道有没有偏差）

小结:

INDEX a_b_c( a, b,c)

order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a, b
- ORDER BY a , b, c
- ORDER BY a DESC, b DESC,c DESC


# 如果WHERE使用索引的最左前缀定义为常量，则 order by 能使用索引
- WHERE a = const ORDER BY b, c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b, c
- WHERE a = const AND b > const ORDER BY b , c

# 不能使用索引进行排序
- ORDER BY a ASC, b DESC, c DESC	/* 排序不一致 */
- WHERE g = const ORDER BY b, c		/* 丢失a索引 */
- WHERE a = const ORDER BY c			/* 丢失b索引 */
- WHERE a = const ORDER BY a, d 	/* d不是索引的一部分 */
- WHERE a in (...) ORDER BY b, c 	/* 对于排序来说，多个相等条件也是范围查询 */

索引只会用到一个，没办法一个索引用来where 一个索引用来 order by。

但是可以建立联合索引。

5.3 案例实战

ORDER BY 子句，尽量使用 Index 方式排序，避免使用 FileSort 方式排序。

执行案例前先清除 student 上的索引，只留主键:

DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid_stuno ON student;
DROP INDEX idx_age_classid_name ON student;
# 或者
call proc_drop_index( 'my_sql' , ' student' ) ;

show index from student;

场景：查询年龄为30岁的，且学生编号小于101000的学生，按用户名称排序

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno < 101000 ORDER BY name;

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno < 101000 ORDER BY name;
+-----+--------+--------+------+---------+
| id  | stuno  | name   | age  | classId |
+-----+--------+--------+------+---------+
| 417 | 100417 | bBAYtX |   30 |     159 |

....

| 372 | 100372 | xwODCc |   30 |     764 |
+-----+--------+--------+------+---------+
18 rows in set, 1 warning (0.17 sec)

结论: type是ALL，即最坏的情况。Extra里还出现了Using filqsort,也是最坏的情况。优化是必须的。

优化思路：

方案一：为了去掉 filesort 我们可以把索引建成

# 创建新索引
CREATE INDEX idx_age_name ON student (age, name);

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno < 101000 ORDER BY name;

方案二：尽量让 where 的过滤条件和排序使用上索引

create index idx_age_stuno_name on student (age, stuno, name);

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno < 101000 ORDER BY name;

下面这个方案虽然使用了 Using filesort 但是速度反而更快了。

原因：

所有的排序都是在条件过滤之后才执行的。所以，如果条件过滤掉大部分数据的话，剩下几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序，但实际提升性能很有限。相对的 stuno < 101000 这个条件，如果没有用到索引的话，要对几万条的数据进行扫描，这是非常消耗性能的，所以索引放在这个字段上性价比最高，是最优选择。

结论：

两个索引同时存在，MySQL 自动选择最优的方案。(对于这个例子 MySQL 选择idx_age_stuno_name)。但是，随着数据量的变化，选择的索引也会随之变化的。

当【范围条件】和【group by或者order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

思考：这里我们使用如下索引，是否可行？

DROP INDEX idx_age_stuno_name ON student;

# 当然可以了，因为3个也只是用到了两个索引
CREATE INDEX idx_age_stuno ON student (age, stuno);

5.4 filesort算法：双路排序和单路排序

排序的字段若如果不在索引列上，则filesort会有两种算法：双路排序和单路排序

双路排序（慢）

MySQL 4.1之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据，读取行指针和 order by 列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出；
从磁盘取排序字段，在buffer进行排序，再从磁盘取其他字段。

取一批数据，要对磁盘进行两次扫描，众所周知，IO是很耗时的，所以在 mysql 4.1之后，出现了第二种改进的算法，就是单路排序。

单路排序（快）

从磁盘读取查询需要的所有列，按照 order by 列在 buffer 对他们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机IO变成了顺序IO，但是他会使用更多的空间，因为他把每一行都保存在内存中了。

结论及引申出的问题

由于单路是后出的，总体而言好过双路
但是用单路有问题
- 在 sort_buffer 中，单路比多路要多占用更多空间，因为单路是把所有字段都取出,所以有可能取出的数据的总大小超出了sort_buffer的容量，导致每次只能取sort_buffer容量大小的数据，进行排序〈创建tmp文件，多路合并)，排完再取sort_buffer容量大小，再排…从而多次I/O。
- 单路本来想省一次I/o操作，反而导致了大量的I/0操作，反而得不偿失。

优化策略

1. 尝试提高 sort_buffer_size

不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程 (connection) 的 1M - 8M 之间调整。MySQL 5.7，InnoDB 存储引擎默认值是1048576字节，1MB。

mysql> SHOW VARIABLES LIKE '%sort_buffer_size%';
+-------------------------+---------+
| Variable_name           | Value   |
+-------------------------+---------+
| innodb_sort_buffer_size | 1048576 |
| myisam_sort_buffer_size | 8388608 |
| sort_buffer_size        | 262144  |
+-------------------------+---------+
3 rows in set (0.00 sec)

2. 尝试提高 max_length_for_sort_data

提高这个参数，会增加用改进算法的概率。
```
mysql> SHow VARIABLES LIKE '%max_length_for_sort_data%';
+--------------------------+-------+
| Variable_name            | Value |
+--------------------------+-------+
| max_length_for_sort_data | 4096  |
+--------------------------+-------+
1 row in set (0.00 sec)
```
但是如果设的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘I/O活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data使用双路算法，否则使用单路算法。1024 - 8192 字节之间调整

3. Order by 时 select * 是一个大忌。最好只 Query 需要的字段。原因:

当 Query 的字段大小总和小于 max_length_for_sort_data，而且排序字段不是 TEXT | BLOB 类型时，会用改进后的算法――单路排序，否则用老算法――多路排序。
两种算法的数据都有可能超出 sort_buffer_size 的容量，超出之后，会创建 tmp 文件进行合并排序，导致多次 I/O，但是用单路排序算法的风险会更大一些，所以要提高sort_buffer_size。

6. GROUP BY优化

group by 使用索引的原则几乎跟 order by 一致，group by 即使没有过滤条件用到索引，也可以直接使用索引；
group by 先排序再分组，遵照索引建的最佳左前缀法则；
当无法使用索引列，增大 max_length_for_sort_data 和 sort_buffer_size 参数的设置；
where 效率高于 having，能写在 where 限定的条件就不要写在 having 中了；
减少使用 order by，和业务沟通能不排序就不排序，或将排序放到程序端去做；
Order by、group by、distinct 这些语句较为耗费 CPU，数据库的 CPU 资源是极其宝贵的；
包含了 order by、group by、distinct 这些查询的语句，where 条件过滤出来的结果集请保持在 1000 行以内，否则 SQL 会很慢。

7. 优化分页查询

一般分页查询时，通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是limit 2000000, 10，此时需要 MySQL 排序前 2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大。

EXPLAIN SELECT * FROM student LIMIT 2088800, 10;

优化思路一

在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

EXPLAIN SELECT * FROM student t, ( SELECT id FROM student ORDER BY id LIMIT 2000000, 10) a WHERE t.id = a.id;

优化思路二(几乎没法用)

该方案适用于主键自增的表，可以把Limit查询转换成某个位置的查询。

EXPLAIN SELECT * FROM student WHERE id > 2080880 LIMIT 10;

不靠谱，生产中id可能会删除，查询的条件也不可能这么简单。

8. 优先考虑覆盖索引

8.1 什么是覆盖索引？

理解方式一：索引是高效找到行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据；当能通过读取索引就可以得到想要的数据，那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引。

理解方式二：非聚簇复合索引的一种形式，它包括在查询里的 SELECT、JOIN 和 WHERE 子句用到的所有列（即建索引的字段正好是覆盖查询条件中所涉及的字段）。

简单说就是， 索引列 + 主键 包含 SELECT 到 FROM 之间查询的列 。

举例一：覆盖索引长什么样子。 索引列 + 主键

# 删除之前的索引
DROP INDEX idx_age_stuno ON student;
CREATE INDEX idx_age_name ON student (age, name);

EXPLAIN SELECT * FROM student WHERE age <> 20;

EXPLAIN SELECT id, age, name FROM student WHERE age <> 28;

上述都使用到了声明的索引，下面的情况则不然，在查询列中多了一列 classid，显示未使用到索引：

EXPLAIN SELECT id, age, name, classid FROM student WHERE age <> 28;

举例二：

EXPLAIN SELECT *FROM student WHERE name LIKE '%abc';

CREATE INDEX idx_age_name ON student (age, name);
EXPLAIN SELECT id, age, name FROM student WHERE name LIKE '%abc ';

# 索引覆盖失效
EXPLAIN SELECT id, age, name, classid FROM student WHERE name LIKE '%abc ';

查询多了classid，结果是未使用到索引

之前有说过，不等于与左模糊会导致索引失效。但是这里为什么又用上了呢？原因是优化器发现，数据已经都在索引了。直接遍历索引就可以返回数据。。而遍历索引，肯定是比遍历全表数据量少的。这样IO就可以更少。

一切都是成本的考量。

8.2 覆盖索引的利弊

好处：

1. 避免Innodb表进行索引的二次查询（回表）

Innodb是以聚集索引的顺序来存储的，对于Innodb来说，二级索引在叶子节点中所保存的是行的主键信息，如果是用二级索引查询数据，在查找到相应的键值后，还需通过主键进行二次查询才能获取我们真实所需要的数据。

在覆盖索引中，二级索引的键值中可以获取所要的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。

2. 可以把随机IO变成顺序IO加快查询效率

由于覆盖索引是按键值的顺序存储的，对于I0密集型的范围查找来说，对比随机从磁盘读取每一行的数据IO要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取的IO转变成索引查找的顺序IO。

3. 数据在索引里面数据量少更紧凑

索引肯定是比原来的数据，数据量少。这样就可以减少IO.

由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

弊端：

索引字段的维护 总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务DBA，或者称为业务数据架构师的工作。

9. 如何给字符串添加索引

有一张教师表，表定义如下：

create table teacher
(
    ID    bigint unsigned primary key,
    email varchar(64), 
    ...
) engine = innodb;

讲师要使用邮箱登录，所以业务代码中一定会出现类似于这样的语句：

mysql> select col1, col2 from teacher where email='xxx';

如果 email 这个字段上没有索引，那么这个语句就只能做 全表扫描 。

9.1 前缀索引

MySQL是支持前缀索引的。默认地，如果你创建索引的语句不指定前缀长度，那么索引就会包含整个字符串

mysql> alter table teacher add index index1(email);
# 或
mysql> alter table teacher add index index2(email(6))

这两种不同的定义在数据结构和存储上有什么区别呢？下图就是这两个索引的示意图

以及

如果使用的是index1（即email整个字符串的索引结构），执行顺序是这样的：

从index1索引树找到满足索引值是’ zhangssxyz@xxx.com ’的这条记录，取得ID2的值；
到主键上查到主键值是ID2的行，判断email的值是正确的，将这行记录加入结果集；
取index1索引树上刚刚查到的位置的下一条记录，发现已经不满足email=’ zhangssxyz@xxx.com ’的条件了，循环结束。

这个过程中，只需要回主键索引取一次数据，所以系统认为只扫描了一行。

如果使用的是index2（即email(6)索引结构），执行顺序是这样的：

从index2索引树找到满足索引值是’zhangs’的记录，找到的第一个是ID1；
到主键上查到主键值是ID1的行，判断出email的值不是’ zhangssxyz@xxx.com ’，这行记录丢弃；
取index2上刚刚查到的位置的下一条记录，发现仍然是’zhangs’，取出ID2，再到ID索引上取整行然后判断，这次值对了，将这行记录加入结果集；
重复上一步，直到在idxe2上取到的值不是’zhangs’时，循环结束。

也就是说使用前缀索引，定义好长度，就可以做到既节省空间，又不用额外增加太多的查询成本。前面已经讲过区分度，区分度越高越好。因为区分度越高，意味着重复的键值越少。

9.2 前缀索引对覆盖索引的影响

结论：

使用前缀索引就用不上覆盖索引对查询性能的优化了，这也是你在选择是否使用前缀索引时需要考虑的一个因素。

10. 索引下推

10.1 使用前后对比

Index Condition Pushdown(ICP) 是 MySQL 5.6 中新特性，是一种在存储引擎层使用索引过滤数据的一种优化方式。

如果没有 ICP，存储引擎会遍历索引以定位基表中的行，并将它们返回给 MySQL 服务器，由 MySQL 服务器评估WHERE后面的条件是否保留行。
启用 ICP 后，如果部分WHERE条件可以仅使用索引中的列进行筛选，则 MySQL 服务器会把这部分WHERE条件放到存储引擎筛选。然后，存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条件时才从表中读取行。
- 好处: ICP 可以减少存储引擎必须访问基表的次数和 MySQL 服务器必须访问存储引擎的次数。
- 但是，ICP 的加速效果取决于在存储引擎内通过ICP筛选掉的数据的比例。

例子：

key1 有索引

这里条件 like ‘%a’ 其实可以在索引里面，算出来哪些符合条件。过滤出符合条件的，再回表。这样回表的数据可以减少很多。还有一个好处，没有索引下推，就需要把数据都回表查出来，这些数据可能在不同的页当中，又会产生 IO

条件下推，下推到下一个条件符不符合。

10.1 使用前后的扫描过程

在不使用ICP索引扫描的过程：

storage层：只将满足index key条件的索引记录对应的整行记录取出，返回给server层

server 层：对返回的数据，使用后面的where条件过滤，直至返回最后一行。

使用ICP扫描的过程：

storage层：

首先将index key条件满足的索引记录区间确定，然后在索引上使用index filter进行过滤。将满足的index filter条件的索引记录才去回表取出整行记录返回server层。不满足index filter条件的索引记录丢弃，不回表、也不会返回server层。

server 层：

对返回的数据，使用table filter条件做最后的过滤。

使用前后的成本差别

使用前，存储层多返回了需要被index filter过滤掉的整行记录

使用ICP后，直接就去掉了不满足index filter条件的记录，省去了他们回表和传递到server层的成本。

ICP的加速效果取决于在存储引擎内通过 ICP筛选掉的数据的比例。

10.2 ICP的开启/关闭

默认情况下启用索引条件下推。可以通过设置系统变量optimizer_switch控制: index_condition_pushdown

# 打开索引下推
SET optimizer_switch = 'index_condition_pushdown = off';
# 关闭索引下推
SET optimizer_switch = 'index_condition_pushdown = on';

当使用索引条件下推时，EXPLAIN语句输出结果中 Extra 列内容显示为Using index condition 。

10.3 ICP使用案例

# 建表
CREATE TABLE people
(
    id        INT NOT NULL AUTO_INCREMENT,
    zipcode   VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,
    firstname varchar(20) COLLATE utf8_bin DEFAULT NULL,
    lastname  varchar(20) COLLATE utf8_bin DEFAULT NULL,
    address   varchar(50) COLLATE utf8_bin DEFAULT NULL,
    PRIMARY KEY (id),
    KEY zip_last_first (zipcode, lastname, firstname)
) ENGINE = InnoDB
  AUTO_INCREMENT = 5
  DEFAULT CHARSET = utf8mb3
  COLLATE = utf8_bin;

# 插入数据
INSERT INTO people
VALUES ('1', '000001', '三', '张', '北京市'),
       ('2', '000002', '四', '李', '南京市'),
       ('3', '000003', '五', '王', '上海市'),
       ('4', '000001', '六', '赵', '天津市');

为该表定义联合索引 zip_last_first (zipcode，lastname，firstname)。如果我们知道了一个人的邮编，但是不确定这个人的姓氏，我们可以进行如下检索:

SELECT *
FROM people
WHERE zipcode = '000001'
  AND lastname LIKE '%张%'
  AND address LIKE '%北京市%';

执行查看SQL的查询计划，Extra中显示了Using index condition，这表示使用了索引下推。另外，Usingwhere表示条件中包含需要过滤的非索引列的数据，即address LIKE '%北京市%'这个条件并不是索引列，需要在服务端过滤掉。

10.4 开启和关闭ICP的性能对比

创建存储过程，主要目的就是插入很多 000001 的数据，这样查询的时候为了在存储引擎层做过滤，减少 IO，也为了减少缓冲池（缓存数据页，没有 IO）的作用。

DELIMITER //
CREATE PROCEDURE insert_people(max_num INT)
BEGIN
    DECLARE i INT DEFAULT 0;
    SET autocommit = 0;
    REPEAT
        SET i = i + 1;
        INSERT INTo people (zipcode, firstname, lastname, address) VALUES ('000001', '六', '赵', '天津市');

    UNTIL i = max_num
        END REPEAT;
    COMMIT;
END //
DELIMITER ;

# 调用存储过程
CALL insert_people(1000000);

首先打开profiling。

# 查看
mysql> show variables like 'profiling%';
+------------------------+-------+
| Variable_name          | Value |
+------------------------+-------+
| profiling              | OFF   |
| profiling_history_size | 15    |
+------------------------+-------+

set profiling = 1;

执行 SQL 语句，此时默认打开索引下推。

SELECT *
FROM people
WHERE zipcode = '000001'
  AND lastname LIKE '%张%';

再次执行 SQL 语句，不使用索引下推

SELECT /*+ no_icp (people) */ * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%';

查看当前会话所产生的所有profiles

show profiles\G

结果如下。

多次测试效率对比来看，使用ICP优化的查询效率会好一些。这里建议多存储一些数据效果更明显。

10.5 ICP的使用条件

如果表访问的类型为 range、ref、eq_ref和ref_or_null可以使用ICP
ICP可以用于InnoDB和MyISAM表，包括分区表InnoDB和MyISAM表
对于InnoDB表，ICP仅用于二级索引。ICP的目标是减少全行读取次数，从而减少I/o操作。
当SQL使用覆盖索引时，不支持ICP。因为这种情况下使用ICP不会减少I/O。

索引覆盖不能使用，一个原因是，索引覆盖，不需要回表。。ICP作用是减小回表，ICP需要回表
相关子查询的条件不能使用ICP

11. 普通索引 vs 唯一索引

从性能的角度考虑，你选择唯一索引还是普通索引呢？选择的依据是什么呢？

假设，我们有一个主键列为ID的表，表中有字段k，并且在k上有索引，假设字段 k 上的值都不重复。

这个表的建表语句是

mysql> create table test(
id int primary key,
k int not null,
name varchar(16),
index (k)
)engine=InnoDB;

表中R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)

11.1 查询过程

假设，执行查询的语句是 select id from test where k=5。

对于普通索引来说，查找到满足条件的第一个记录(5,500)后，需要查找下一个记录，直到碰到第一个不满足k=5条件的记录。
对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索。

那么，这个不同带来的性能差距会有多少呢？答案是， 微乎其微 。

11.2 更新过程

为了说明普通索引和唯一索引对更新语句性能的影响这个问题，介绍一下change buffer。

当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下， InooDB会将这些更新操作缓存在change buffer中 ，这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。

将change buffer中的操作应用到原数据页，得到最新结果的过程称为 merge 。除了访问这个数据页会触发merge外，系统有 后台线程会定期 merge。在 数据库正常关闭（shutdown） 的过程中，也会执行merge操作。

如果能够将更新操作先记录在change buffer， 减少读磁盘 ，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用 buffer pool 的，所以这种方式还能够 避免占用内存 ，提高内存利用率。唯一索引的更新就不能使用change buffer ，实际上也只有普通索引可以使用。

如果要在这张表中插入一个新记录(4,400)的话，InnoDB的处理流程是怎样的？

11.3 change buffer的使用场景

普通索引和唯一索引应该怎么选择？其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响。所以，建议你尽量选择普通索引。
在实际使用中会发现，普通索引和 change buffer 的配合使用，对于数据量大的表的更新优化还是很明显的。
如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭change buffer 。而在其他情况下，change buffer都能提升更新性能。
由于唯一索引用不上change buffer的优化机制，因此如果业务可以接受，从性能角度出发建议优先考虑非唯一索引。但是如果"业务可能无法确保"的情况下，怎么处理呢？
- 首先，业务正确性优先。我们的前提是“业务代码已经保证不会写入重复数据”的情况下，讨论性能问题。如果业务不能保证，或者业务就是要求数据库来做约束，那么没得选，必须创建唯一索引。
- 这种情况下，本节的意义在于，如果碰上了大量插入数据慢、内存命中率低的时候，给你多提供一个排查思路。
然后，在一些“ 归档库 ”的场景，你是可以考虑使用唯一索引的。比如，线上数据只需要保留半年，然后历史数据保存在归档库。这时候，归档数据已经是确保没有唯一键冲突了。要提高归档效率，可以考虑把表里面的唯一索引改成普通索引。

12. 其它查询优化策略

12.1 EXISTS 和 IN 的区分

问题：

不太理解哪种情况下应该使用 EXISTS，哪种情况应该用 IN。选择的标准是看能否使用表的索引吗？

回答：

索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

比如下面这样:

SELECT * FROM A WHERE cc IN (SELECT cc FROM B)

SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc = A.cc)

当 A 小于 B 时，用 EXISTS。因为 EXISTS 的实现，相当于外表循环，实现的逻辑类似于：

for i in A
	for j in B
		if j.cc == i.cc then ...

当 B 小于 A 时，用 IN，因为实现的逻辑类似于：

for i in B
	for j in A
		if j.cc == i.cc then ...

哪个表小就用哪个表来驱动，A 表小就用 EXISTS，B 表小就用 IN。

12.2 COUNT(*) 与 COUNT(具体字段) 效率

问：在MySQL中统计数据表的行数，可以使用三种方式：SELECT COUNT(*)、SELECT COUNT(1) 和 SELECT COUNT(具体字段)，使用这三者之间的查询效率是怎样的？

答：

前提：如果你要统计的是某个字段的非空数据行数，则另当别论，毕竟比较执行效率的前提是结果一样才可以。

环节1：COUNT(*) 和 COUNT(1) 都是对所有结果进行 COUNT， COUNT(*) 和 COUNT(1) 本质上并没有区别（二者执行时间可能略有差别，不过你还是可以把它俩的执行效率看成是相等的）。如果有 WHERE 子句，则是对所有符合筛选条件的数据行进行统计；如果没有 WHERE 子句，则是对数据表的数据行数进行统计。

环节2： 如果是 MyISAM 存储引擎，统计数据表的行数只需要 o(1) 的复杂度，这是因为每张 MyISAM 的数据表都有一个 meta 信息存储了 row_count 值，而一致性则由表级锁来保证。

如果是 InnoDB 存储引擎，因为 InnoDB 支持事务，采用行级锁和 MVCC 机制，所以无法像 MyISAM 一样，维护一个 row_count 变量，因此需要采用 扫描全表，是 o(n) 复杂度，进行 循环＋计数 的方式来完成统计。

环节（重点）3：在 InnoDB 引擎中，如果采用 COUNT(具体字段) 来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引（非聚簇索引）。对于 COUNT(*) 和 COUNT(1) 来说，它们不需要查找具体的行，只是统计行数，系统会自动采用占用空间更小的二级索引来进行统计。

如果有多个二级索引，会使用 key_len 小的二级索引进行扫描。当没有二级索引的时候，才会采用主键索引来进行统计。

12.3 关于SELECT(*)

在表查询中，建议明确字段，不要使用 * 作为查询的字段列表，推荐使用 SELECT <字段列表> 查询。

原因：

MySQL 在解析的过程中，会通过 查询数据字典 将 “*” 按序转换成所有列名，这会大大的耗费资源和时间。
无法使用 覆盖索引

12.4 LIMIT 1 对优化的影响

针对的是会扫描全表的 SQL 语句，如果你可以确定结果集只有一条，那么加上 LIMIT 1 的时候，当找到一条结果的时候就不会继续扫描了，这样会加快查询速度。

如果数据表已经对字段建立了唯一索引，那么可以通过索引进行查询，不会全表扫描的话，就不需要加上 LIMIT 1 了。

12.5 多使用COMMIT

只要有可能，在程序中尽量多使用 COMMIT，这样程序的性能得到提高，需求也会因为 COMMIT 所释放的资源而减少。

COMMIT 所释放的资源：

回滚段上用于恢复数据的信息
被程序语句获得的锁
redo / undo log buffer 中的空间
管理上述 3 种资源中的内部花费

13. 淘宝数据库，主键如何设计的？

聊一个实际问题：淘宝的数据库，主键是如何设计的？

某些错的离谱的答案还在网上年复一年的流传着，甚至还成为了所谓的 MySQL 军规。其中，一个最明显的错误就是关于 MySQL 的主键设计。

大部分人的回答如此自信：用8字节的 BIGINT 做主键，而不要用 INT。 错 ！

这样的回答，只站在了数据库这一层，而没有 从业务的角度 思考主键。主键就是一个自增ID 吗？用自增做主键，架构设计上可能 连及格都拿不到 。

13.1 自增ID的问题

自增ID 做主键，简单易懂，几乎所有数据库都支持自增类型，只是实现上各自有所不同而已。自增ID 除了简单，其他都是缺点，总体来看存在以下几方面的问题：

可靠性不高

存在自增ID 回溯的问题，这个问题直到最新版本的 MySQL 8.0 才修复。
安全性不高

对外暴露的接口可以非常容易猜测对应的信息。比如：/User/1/ 这样的接口，可以非常容易猜测用户ID 的值为多少，总用户数量有多少，也可以非常容易地通过接口进行数据的爬取。
性能差

自增ID 的性能较差，需要在数据库服务器端生成。
交互多

业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值，这需要多一次的网络交互。在海量并发的系统中，多1条SQL，就多一次性能上的开销。
局部唯一性

最重要的一点，自增ID 是局部唯一，只在当前数据库实例中唯一，而不是全局唯一，在任意服务器间都是唯一的。对于目前分布式系统来说，这简直就是噩梦。

13.2 业务字段做主键

为了能够唯一地标识一个会员的信息，需要为 会员信息表 设置一个主键。那么，怎么为这个表设置主键，才能达到我们理想的目标呢？这里我们考虑业务字段做主键。

表数据如下：

在这个表里，哪个字段比较合适呢？

选择卡号（cardno）

会员卡号（cardno）看起来比较合适，因为会员卡号不能为空，而且有唯一性，可以用来标识一条会员记录。

mysql> CREATE TABLE demo.membermaster
-> (
-> cardno CHAR(8) PRIMARY KEY, -- 会员卡号为主键
-> membername TEXT,
-> memberphone TEXT,
-> memberpid TEXT,
-> memberaddress TEXT,
-> sex TEXT,
-> birthday DATETIME
-> );
Query OK, 0 rows affected (0.06 sec)

不同的会员卡号对应不同的会员，字段“cardno”唯一地标识某一个会员。如果都是这样，会员卡号与会员一一对应，系统是可以正常运行的。

但实际情况是， 会员卡号可能存在重复使用 的情况。比如，张三因为工作变动搬离了原来的地址，不再到商家的门店消费了（退还了会员卡），于是张三就不再是这个商家门店的会员了。但是，商家不想让这个会员卡空着，就把卡号是“10000001”的会员卡发给了王五。

从系统设计的角度看，这个变化只是修改了会员信息表中的卡号是“10000001”这个会员信息，并不会影响到数据一致性。也就是说，修改会员卡号是“10000001”的会员信息，系统的各个模块，都会获取到修改后的会员信息，不会出现“有的模块获取到修改之前的会员信息，有的模块获取到修改后的会员信息，而导致系统内部数据不一致”的情况。因此，从 信息系统层面 上看是没问题的。

但是从使用 系统的业务层面 来看，就有很大的问题了，会对商家造成影响。

比如，我们有一个销售流水表（trans），记录了所有的销售流水明细。2020 年 12 月 01 日，张三在门店购买了一本书，消费了 89 元。那么，系统中就有了张三买书的流水记录，如下所示：

接着，我们查询一下 2020 年 12 月 01 日的会员销售记录：

mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
+------------+-----------+----------+------------+---------------------+
| membername | goodsname | quantity | salesvalue | transdate           |
+------------+-----------+----------+------------+---------------------+
|     张三    |     书    |  1.000   |   89.00    | 2020-12-01 00:00:00 |
+------------+-----------+----------+------------+---------------------+
1 row in set (0.00 sec)

如果会员卡“10000001”又发给了王五，我们会更改会员信息表。导致查询时：

mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
+------------+-----------+----------+------------+---------------------+
| membername | goodsname | quantity | salesvalue |      transdate      |
+------------+-----------+----------+------------+---------------------+
|     王五    |    书     |   1.000  |   89.00    | 2020-12-01 00:00:00 |
+------------+-----------+----------+------------+---------------------+
1 row in set (0.01 sec)

这次得到的结果是：王五在 2020 年 12 月 01 日，买了一本书，消费 89 元。显然是错误的！结论：千万不能把会员卡号当做主键。

选择会员电话或身份证号

会员电话可以做主键吗？不行的。在实际操作中，手机号也存在 被运营商收回 ，重新发给别人用的情况。

那身份证号行不行呢？好像可以。因为身份证决不会重复，身份证号与一个人存在一一对应的关系。可问题是，身份证号属于 个人隐私 ，顾客不一定愿意给你。要是强制要求会员必须登记身份证号，会把很多客人赶跑的。其实，客户电话也有这个问题，这也是我们在设计会员信息表的时候，允许身份证号和电话都为空的原因。

所以，建议尽量不要用跟业务有关的字段做主键。毕竟，作为项目设计的技术人员，我们谁也无法预测
在项目的整个生命周期中，哪个业务字段会因为项目的业务需求而有重复，或者重用之类的情况出现。

经验：

刚开始使用 MySQL 时，很多人都很容易犯的错误是喜欢用业务字段做主键，想当然地认为了解业务需求，但实际情况往往出乎意料，而更改主键设置的成本非常高。

13.3 淘宝的主键设计

在淘宝的电商业务中，订单服务是一个核心业务。请问， 订单表的主键 淘宝是如何设计的呢？是自增ID吗？

打开淘宝，看一下订单信息：

从上图可以发现，订单号不是自增ID！我们详细看下上述4个订单号：

1550672064762308113
1481195847180308113
1431156171142308113
1431146631521308113

订单号是19位的长度，且订单的最后5位都是一样的，都是08113。且订单号的前面14位部分是单调递增的。

大胆猜测，淘宝的订单ID设计应该是：

订单ID = 时间 + 去重字段 + 用户ID后6位尾号

这样的设计能做到全局唯一，且对分布式系统查询及其友好。

13.4 推荐的主键设计

非核心业务 ：对应表的主键自增ID，如告警、日志、监控等信息。

核心业务 ：主键设计至少应该是全局唯一且是单调递增。全局唯一保证在各系统之间都是唯一的，单调递增是希望插入时不影响数据库性能。

这里推荐最简单的一种主键设计：UUID。

UUID 的特点：

全局唯一，占用36字节，数据无序，插入性能差。

认识 UUID：

为什么 UUID 是全局唯一的？
为什么 UUID 占用36个字节？
为什么 UUID 是无序的？

MySQL 数据库的 UUID 组成如下所示：

UUID = 时间 + UUID版本（16字节）- 时钟序列（4字节） - MAC地址（12字节）

我们以 UUID值 e0ea12d4-6473-11eb-943c-00155dbaa39d 举例 :

1. 为什么 UUID 是全局唯一的？

在 UUID 中时间部分占用60位，存储的类似 TIMESTAMP 的时间戳，但表示的是从1582-10-15 00：00：00.00到现在的 100ns 的计数。可以看到 UUID 存储的时间精度比 TIMESTAMPE 更高，时间维度发生重复的概率降低到 1/100ns。

时钟序列是为了避免时钟被回拨导致产生时间重复的可能性。MAC 地址用于全局唯一。

2. 为什么 UUID 占用36个字节？

UUID 根据字符串进行存储，设计时还带有无用"-"字符串，因此总共需要36个字节。

3. 为什么 UUID 是随机无序的呢？

因为 UUID 的设计中，将时间低位放在最前面，而这部分的数据是一直在变化的，并且是无序。

4. 改造UUID

若将时间高低位互换，则时间就是单调递增的了，也就变得单调递增了。MySQL 8.0 可以更换时间低位和时间高位的存储方式，这样 UUID 就是有序的 UUID 了。

MySQL 8.0 还解决了 UUID 存在的空间占用的问题，除去了 UUID 字符串中无意义的"-"字符串，并且将字符串用二进制类型保存，这样存储空间降低为了16字节。

可以通过 MySQL 8.0 提供的 uuid_to_bin 函数实现上述功能，同样的，MySQL 也提供了 bin_to_uuid 函数进行转化：

SET @uuid = UUID();

SELECT @uuid, uuid_to_bin(@uuid), uuid_to_bin(@uuid, TRUE);
# uuid_to_bin(@uuid) 转成16进制存储
# uuid_to_bin(@uuid,TRUE); 修改成先高位 中位 地位，就可以保证uuid地政了

通过函数 uuid_to_bin(@uuid, TRUE) 将 UUID 转化为有序 UUID 了。全局唯一 + 单调递增，这不就是我们想要的主键！

4、有序UUID性能测试

16字节的有序 UUID，相比之前8字节的自增 ID，性能和存储空间对比究竟如何呢？

我们来做一个测试，插入1亿条数据，每条数据占用500字节，含有3个二级索引，最终的结果如下所示：

从上图可以看到插入1亿条数据有序 UUID 是最快的，而且在实际业务使用中有序 UUID 在业务端就可以生成。还可以进一步减少 SQL 的交互次数。

另外，虽然有序 UUID 相比自增 ID 多了8个字节，但实际只增大了 3G 的存储空间，还可以接受。

在当今的互联网环境中，非常不推荐自增 ID 作为主键的数据库设计。更推荐类似有序 UUID 的全局唯一的实现。

另外在真实的业务系统中，主键还可以加入业务和系统属性，如用户的尾号，机房的信息等。这样的主键设计就更为考验架构师的水平了。

如果不是MySQL 8.0 肿么办？

手动赋值字段做主键！

比如，设计各个分店的会员表的主键，因为如果每台机器各自产生的数据需要合并，就可能会出现主键重复的问题。

可以在总部 MySQL 数据库中，有一个管理信息表，在这个表中添加一个字段，专门用来记录当前会员编号的最大值。

门店在添加会员的时候，先到总部 MySQL 数据库中获取这个最大值，在这个基础上加 1，然后用这个值作为新会员的“id”，同时，更新总部 MySQL 数据库管理信息表中的当前会员编号的最大值。

这样一来，各个门店添加会员的时候，都对同一个总部 MySQL 数据库中的数据表字段进行操作，就解决了各门店添加会员时会员编号冲突的问题。

这是然少

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
MySQL笔记：10. 索引优化与查询优化

理解方式一：索引是高效找到行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据；当能通过读取索引就可以得到想要的数据，那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引。理解方式二：非聚簇复合索引的一种形式，它包括在查询里的 SELECT、JOIN 和 WHERE 子句用到的所有列（即建索引的字段正好是覆盖查询条件中所涉及的字段）。简单说就是，索引列 + 主键包含SELECT 到 FROM 之间查询的列。举例一。
复制链接

扫一扫

专栏目录