MySQL普通索引和前缀索引

一、概述

我有一个需求是需要邮箱登录的，

mysql> select f1, f2 from SUser where email='xxx';

我们知道，如果不在 email 上建立索引，那么将会走全表扫描。

于是，我们有两种建立方式

　　　　- mysql> alter table SUser add index index1(email);       // 普通索引

　　　　- mysql> alter table SUser add index index2(email(6));   // 前缀索引

 

二、普通索引和前缀索引的区别？

我们看看，他们建立的索引树有什么不同

　　　　　-  ​                     ​

　　

从图中你可以看到：

•     由于 email(6) 这个索引结构中每个邮箱字段都只取前 6 个字节（即：zhangs），所以占用的空间会更小，这就是使用前缀索引的优势。
•    但，这同时带来的损失是，可能会增加额外的记录扫描次数。 

 

三、普通索引和前缀索引查询流程的不同？

举例

　- select id,name,email from SUser where email='zhangssxyz@xxx.com';

普通索引

• 从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。 

前缀索引

• 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；
• 取到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，直到取到的值不是'zhangs'时，循环结束。
• 在这个过程中，要回主键索引取 4 次数据，也就是扫描了 4 行。

结论

通过这个对比，你很容易就可以发现，使用前缀索引后，可能会导致查询语句读数据的次数变多。 

 

四、区分度

通过上面的测试，我们知道，是否会导致查询变多，主要是建立前缀索引的区分度的选择。

SELECT COUNT(DISTINCT LEFT(column_name, $length)) / COUNT(*) FROM table_name;  // 查询区分度

 

五、 前缀索引对覆盖索引的影响

使用前缀索引后，无法在使用覆盖索引，面对查询条件，可能需要回表操作。

 

六、面对字符串，我们也可以采取其他方式存储

对于类似于邮箱这样的字段来说，使用前缀索引的效果可能还不错。但是，遇到前缀的区分度不够好的情况时，我们要怎么办呢？

比如，我们国家的身份证号，一共18位，其中前6位是地址码，所以同一个县的人的身份证号前6位一般会是相同的。

 

第一种方式是使用倒序存储。如果你存储身份证号的时候把它倒过来存，每次查询的时候，你可以这么写：

mysql> select field_list from t where id_card = reverse('input_id_card_string');

由于身份证号的最后6位没有地址码这样的重复逻辑，所以最后这6位很可能就提供了足够的区分度。当然了，实践中你不要忘记使用count(distinct)方法去做个验证。

第二种方式是使用hash字段。你可以在表上再创建一个整数字段，来保存身份证的校验码，同时在这个字段上创建索引。

mysql> alter table t add id_card_crc int unsigned, add index(id_card_crc);

然后每次插入新记录的时候，都同时用crc32()这个函数得到校验码填到这个新字段。由于校验码可能存在冲突，也就是说两个不同的身份证号通过crc32()函数得到的结果可能是相同的，所以你的查询语句where部分要判断id_card的值是否精确相同。

mysql> select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'

这样，索引的长度变成了4个字节，比原来小了很多。

 

接下来，我们再一起看看使用倒序存储和使用hash字段这两种方法的异同点。

首先，它们的相同点是，都不支持范围查询。倒序存储的字段上创建的索引是按照倒序字符串的方式排序的，已经没有办法利用索引方式查出身份证号码在[ID_X, ID_Y]的所有市民了。同样地，hash字段的方式也只能支持等值查询。

它们的区别，主要体现在以下三个方面：

从占用的额外空间来看，倒序存储方式在主键索引上，不会消耗额外的存储空间，而hash字段方法需要增加一个字段。当然，倒序存储方式使用4个字节的前缀长度应该是不够的，如果再长一点，这个消耗跟额外这个hash字段也差不多抵消了。

在CPU消耗方面，倒序方式每次写和读的时候，都需要额外调用一次reverse函数，而hash字段的方式需要额外调用一次crc32()函数。如果只从这两个函数的计算复杂度来看的话，reverse函数额外消耗的CPU资源会更小些。

从查询效率上看，使用hash字段方式的查询性能相对更稳定一些。因为crc32算出来的值虽然有冲突的概率，但是概率非常小，可以认为每次查询的平均扫描行数接近1。而倒序存储方式毕竟还是用的前缀索引的方式，也就是说还是会增加扫描行数。