索引:
简单的说,相当于图书的目录,可以帮助用户快速的找到需要的内容.
在MySQL中也叫做“键”，是存储引擎用于快速找到记录的一种数据结构。能够大大提高查询效率。特别是当数据量非常大，查询涉及多个表时，使用索引往往能使查询速度加快成千上万倍.
本质:
索引本质：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。
索引方法
B-Tree 索引
B+树是一种经典的数据结构，由平衡树和二叉查找树结合产生，它是为磁盘或其它直接存取辅助设备而设计的一种平衡查找树， 在B+树中，所有的记录节点都是按键值大小顺序存放在同一层的叶节点中，叶节点间用指针相连，构成双向循环链表，非叶节点（根节点、枝节点）只存放键值，不存放实际数据。下面看一个2层B+树的例子：
注意:通常其高度都在2~3层，查询时可以有效减少IO次数。
系统从磁盘读取数据到内存时是以磁盘块（block）为基本单位的，位于同一磁盘块中的数据会被一次性读取出来，而不是按需读取。InnoDB 存储引擎使用页作为数据读取单位，页是其磁盘管理的最小单位，默认 page 大小是 16kB。
b+树的查找过程 如图所示，如果要查找数据项30，那么首先会把磁盘块1由磁盘加载到内存，此时发生一次IO，在内存中用二分查找确定30在28和65之间，锁定磁盘块1的P2指针，内存时间因为非常短（相比磁盘的IO）可以忽略不计， 通过磁盘块1的P2指针的磁盘地址把磁盘块由磁盘加载到内存，发生第二次IO，30在28和35之间，锁定当前磁盘块的P1指针，通过指针加载磁盘块到内存，发生第三次IO，同时内存中做二分查找找到30，结束查询， 总计三次IO。真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高。 强烈注意: 索引字段要尽量的小,磁盘块可以存储更多的索引.
2. HASH 索引
hash就是一种（key=>value）形式的键值对,允许多个key对应相同的value，但不允许一个key对应多个value,为某一列或几列建立hash索引，就会利用这一列或几列的值通过一定的算法计算出一个hash值，对应一行或几行数据. hash索引可以一次定位，不需要像树形索引那样逐层查找,因此具有极高的效率.
假设索引使用哈希函数f()
f('Arjen') = 2323
f('Baron') = 7437
f('Peter') = 8784
f('Vadim') = 2458
此时，索引的结构大概如下：
3.HASH与BTREE比较:
hash类型的索引：查询单条快，范围查询慢 btree类型的索引：b+树，层数越多，数据量越大,范围查询和随机查询快（innodb默认索引类型） 不同的存储引擎支持的索引类型也不一样 InnoDB 支持事务，支持行级别锁定，支持 Btree、Hash 等索引，不支持Full-text 索引； MyISAM 不支持事务，支持表级别锁定，支持 Btree、Full-text 等索引，不支持 Hash 索引； Memory 不支持事务，支持表级别锁定，支持 Btree、Hash 等索引，不支持 Full-text 索引； NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 Btree、Full-text 等索引； Archive 不支持事务，支持表级别锁定，不支持 Btree、Hash、Full-text 等索引；
索引类型
-- 普通索引 -- 唯一索引 -- 主键索引 -- 组合索引
普通索引
-- 增加普通索引 关键字 key
-- 格式：key 索引名(需要设置为索引的字段,...) 或 index 索引名(需要设置为索引的字段,...)
-- 作用：加速查找
create table t1(
id int not null,
name varchar(25),
key ide_id(id)
)
-- 查看索引
show index from t1;
-- 命令创建或追加一个索引
-- 格式 create index 索引名 on 表名(需要设置为索引的字段)
create index idx_name on t1(name);
-- 删除索引
-- 格式 drop index 索引名 on 表名
drop index ide_id on t1;
唯一索引
-- 唯一索引 关键字 UNIQUE
-- 作用：加速查找，以及有唯一约束,指定字段不能有重复数据，允许存在一个null字节
create table t2(
id int not null,
name varchar(10),
unique index idx_id(id)
)
-- 命令创建或追加一个唯一索引
create unique index idx_name on t2(name);
-- 删除索引
drop index idx_name on t2;
主键索引
-- 主键索引 primary key
-- 作用加速查找，唯一约束，指定字段不能存在重复数值且不能存在null;
-- 注意因为主键在一个表中只存在一个，所以无需命名；
create table t3(
-- id int not null primary key, 方法一
id int not null,
name varchar(10)
-- primary key(id) 也可以这样添加主键 方法二
)
-- 命令添加一个主键
alter table t3 add PRIMARY key(id);
-- 删除主键索引
alter table t3 DROP PRIMARY key;
组合索引
组合索引是将n个列组合成一个索引
其应用场景为：频繁的同时使用n列来进行查询，如：where n1 = 'alex' and n2 = 666。
-- 组合索引 create table tb4( id int not null , name varchar(50) not null, age int not null, index idx_name_age (name,age) ) -- 命令创建或追加一索引 create index idx_name_age on tb4(name,age);
举个例子来说，比如你在为某商场做一个会员卡的系统。 这个系统有一个会员表 有下列字段： 会员编号 INT 会员姓名 VARCHAR(10) 会员身份证号码 VARCHAR(18) 会员电话 VARCHAR(10) 会员住址 VARCHAR(50) 会员备注信息 TEXT 那么这个 会员编号，作为主键，使用 PRIMARY 会员姓名 如果要建索引的话，那么就是普通的 INDEX 会员身份证号码 如果要建索引的话，那么可以选择 UNIQUE （唯一的，不允许重复）
组合索引使用场景
测试索引
创建数据
-- 1.创建表
CREATE TABLE userInfo(
id int NOT NULL,
name VARCHAR(16) DEFAULT NULL,
age int,
sex char(1) not null,
email varchar(64) default null
)ENGINE=MYISAM DEFAULT CHARSET=utf8;
--注意:MYISAM存储引擎 不产生引擎事务，数据插入速度极快，为方便快速插入测试数据，等我们插完数据，再把存储类型修改为InnoDB
-- 在这里笔者用了InnoDB 方式插入500W条数据 用了一个半小时...
利用存储过程，循环插入数据
-- 利用存储过程 写入数据
delimiter$$ -- delimiter 作用是修改结束符，原来默认是到;就结束，这个关键字就可以将默认的修改成其他的；
create PROCEDURE pro_while(in i int)
begin
DECLARE num int;
declare n_sum int;
set num =1;
set n_sum =0;
while num <= i do
set n_sum = rand()*50;
insert into userInfo(id,name,age,sex,email) values(num,concat('Jerry',n_sum),rand()*50,if(n_sum%2=0,'男','女'),concat('jerry',num,'@test.com'));
set num = num+1;
end while;
end $$
delimiter; -- 在用完的时候 要改回默认的结束符，不然后期忘了就扯淡了！！
执行存储过程
call pro_while(5000000); -- 500W条数据啊！慎填！！
若用了Myisam存储引擎，可以修改会InnovDB类型的
ALTER TABLE userInfo ENGINE=INNODB;
测试索引效率
1、在没有索引的情况下测试查询速度；
select * from userInfo where id = 4999912; select * from userInfo where id = 4999912 > OK > 时间: 2.728s
-- 注意:无索引情况,mysql根本就不知道id等于4999912的记录在哪里，只能把数据表从头到尾扫描一遍，此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢.
2、添加了一般索引的情况下，测试查询速度；
-- 在表中已经存在大量数据的前提下，为某个字段建立索引，建立的速度会很慢； create index idx_id on userInfo(id); create index idx_id on userInfo(id) > OK > 时间: 11.125s -- 建立完索引后再查询，查询速度提升明显； select * from userInfo where id = 4999912; select * from userInfo where id = 4999912 > OK > 时间: 0.001s
-- 注意 -- 1、mysql先去索引表里根据B+TREE的搜索原来很快搜索到对应ID的值的数据，类似于二分查找法，I0大大降低，因而速度明显提升； -- 2、当表添加了索引后，会占用更多的磁盘空间； -- 3、若使用没有添加的索引字段进行调节查询，速度依旧会很慢； 如： select * from userInfo where email = 'jerry18@test.com' > OK > 时间: 2.961s
正确的使用索引
数据库表中添加索引后确实会让查询速度起飞，但前提必须是正确的使用索引来查询，如果以错误的方式使用，则即使建立索引也会不奏效。
即使建立索引，索引也不会生效,例如:
#1. 范围查询(>、>=、<、<=、!= 、between...and)
#1. = 等号
select count(*) from userinfo where id = 1000 -- 执行索引,索引效率高
#2. > >= < <= between...and 区间查询
select count(*) from userinfo where id <100; -- 执行索引,区间范围越小,索引效率越高
select count(*) from userinfo where id >100; -- 执行索引,区间范围越大,索引效率越低
select count(*) from userinfo where id between 10 and 500000; -- 执行索引,区间范围越大,索引效率越低
#3. != 不等于
select count(*) from userinfo where id != 1000; -- 索引范围大,索引效率低
#2.like '%xx%'
#为 name 字段添加索引
create index idx_name on userinfo(name);
select count(*) from userinfo where name like '%xxxx%'; -- 全模糊查询,索引效率低
select count(*) from userinfo where name like '%xxxx'; -- 以什么结尾模糊查询,索引效率低
#例外: 当like使用以什么开头会索引使用率高
select * from userinfo where name like 'xxxx%';
#3. or
select count(*) from userinfo where id = 12334 or email ='xxxx'; -- email不是索引字段,索引此查询全表扫描
#例外：当or条件中有未建立索引的列才失效，以下会走索引
select count(*) from userinfo where id = 12334 or name = 'alex3'; -- id 和 name 都为索引字段时, or条件也会执行索引
#4.使用函数
select count(*) from userinfo where reverse(name) = '5xela'; -- name索引字段,使用函数时,索引失效
#例外:索引字段对应的值可以使用函数,我们可以改为一下形式
select count(*) from userinfo where name = reverse('5xela');
#5.类型不一致
#如果列是字符串类型，传入条件是必须用引号引起来，不然...
select count(*) from userinfo where name = 454;
#类型一致
select count(*) from userinfo where name = '454';
#6.order by
#排序条件为索引，则select字段必须也是索引字段，否则无法命中
select email from userinfo ORDER BY name DESC; -- 无法命中索引
select name from userinfo ORDER BY name DESC; -- 命中索引
#特别的:如果对主键排序，则还是速度很快：
select id from userinfo order by id desc;
组合索引
组合索引: 是指对表上的多个列组合起来做一个索引.
组合索引好处:简单的说有两个主要原因：
- "一个顶三个"。建了一个(a,b,c)的组合索引，那么实际等于建了(a),(a,b),(a,b,c)三个索引，因为每多一个索引，都会增加写操作的开销和磁盘空间的开销。对于大量数据的表，这可是不小的开销！
- 索引列越多，通过索引筛选出的数据越少。有1000W条数据的表，有如下sql:select * from table where a = 1 and b =2 and c = 3,假设假设每个条件可以筛选出10%的数据，如果只有单值索引，那么通过该索引能筛选出1000W*10%=100w 条数据，然后再回表从100w条数据中找到符合b=2 and c= 3的数据，然后再排序，再分页；如果是组合索引，通过索引筛选出1000w *10% *10% *10%=1w，然后再排序、分页，哪个更高效，一眼便知
最左匹配原则: 从左往右依次使用生效，如果中间某个索引没有使用，那么断点前面的索引部分起作用，断点后面的索引没有起作用；
select * from mytable where a=3 and b=5 and c=4; #abc三个索引都在where条件里面用到了，而且都发挥了作用 select * from mytable where c=4 and b=6 and a=3; #这条语句列出来只想说明 mysql没有那么笨，where里面的条件顺序在查询之前会被mysql自动优化，效果跟上一句一样 select * from mytable where a=3 and c=7; #a用到索引，b没有用，所以c是没有用到索引效果的 -- 从左往右依次使用生效，如果中间某个索引没有使用，那么断点前面的索引部分起作用，断点后面的索引没有起作用； select * from mytable where a=3 and b>7 and c=3; #a用到了，b也用到了，c没有用到，这个地方b是范围值，也算断点，只不过自身用到了索引 select * from mytable where b=3 and c=4; #因为a索引没有使用，所以这里 bc都没有用上索引效果 select * from mytable where a>4 and b=7 and c=9; #a用到了 b没有使用，c没有使用 select * from mytable where a=3 order by b; #a用到了索引，b在结果排序中也用到了索引的效果 select * from mytable where a=3 order by c; #a用到了索引，但是这个地方c没有发挥排序效果，因为中间断点了 select * from mytable where b=3 order by a; #b没有用到索引，排序中a也没有发挥索引效果
注意事项
1. 避免使用select * 2. 其他数据库中使用count(1)或count(列) 代替 count(*),而mysql数据库中count(*)经过优化后,效率与前两种基本一样. 3. 创建表时尽量时 char 代替 varchar 4. 表的字段顺序固定长度的字段优先 5. 组合索引代替多个单列索引（经常使用多个条件查询时） 6. 使用连接（JOIN）来代替子查询(Sub-Queries) 7. 不要有超过4个以上的表连接（JOIN） 8. 优先执行那些能够大量减少结果的连接。 9. 连表时注意条件类型需一致 10.索引散列值不适合建索引，例：性别不适合
查询计划
explain + 查询SQL - 用于显示SQL执行信息参数，根据参考信息可以进行SQL优化；
explain select count(*) from userinfo where id = 1;
执行计划：让mysql预估执行操作(一般正确)
type : 查询计划的连接类型, 有多个参数，先从最佳类型到最差类型介绍
性能： null > system/const > eq_ref > ref > ref_or_null > index_merge > range > index > all
慢：
explain select * from userinfo where email='alex';
type: ALL(全表扫描)
特别的: select * from userinfo limit 1;
快：
explain select * from userinfo where name='alex';
type: ref(走索引)
EXPLAIN 参数详解: http://www.cnblogs.com/wangfengming/articles/8275448.html
慢日志查询
慢查询日志
将mysql服务器中影响数据库性能的相关SQL语句记录到日志文件，通过对这些特殊的SQL语句分析，改进以达到提高数据库性能的目的。
慢查询日志参数:
long_query_time ： 设定慢查询的阀值，超出设定值的SQL即被记录到慢查询日志，缺省值为10s slow_query_log ： 指定是否开启慢查询日志 log_slow_queries ： 指定是否开启慢查询日志(该参数已经被slow_query_log取代，做兼容性保留) slow_query_log_file ： 指定慢日志文件存放位置，可以为空，系统会给一个缺省的文件host_name-slow.log log_queries_not_using_indexes: 如果值设置为ON，则会记录所有没有利用索引的查询.
查看 MySQL慢日志信息
#.查询慢日志配置信息 : show variables like '%query%'; #.修改配置信息 set global slow_query_log = on;
查看不使用索引参数状态:
# 显示参数 show variables like '%log_queries_not_using_indexes'; # 开启状态 set global log_queries_not_using_indexes = on;
查看慢日志显示的方式
#查看慢日志记录的方式 show variables like '%log_output%'; #设置慢日志在文件和表中同时记录 set global log_output='FILE,TABLE';
测试慢查询日志
#查询时间超过10秒就会记录到慢查询日志中 select sleep(3) FROM user ; #查看表中的日志 select * from mysql.slow_log;
大数据量分页优化
执行此段代码:
优化方案:
select * from userinfo limit 3000000,10;
一. 简单粗暴，就是不允许查看这么靠后的数据，比如百度就是这样的
最多翻到72页就不让你翻了，这种方式就是从业务上解决；
二.在查询下一页时把上一页的行id作为参数传递给客户端程序，然后sql就改成了
select * from userinfo where id>3000000 limit 10;
这条语句执行也是在毫秒级完成的，id>300w其实就是让mysql直接跳到这里了，不用依次在扫描全面所有的行
如果你的table的主键id是自增的，并且中间没有删除和断点，那么还有一种方式，比如100页的10条数据
select * from userinfo where id>100*10 limit 10;
三.最后第三种方法：延迟关联
我们在来分析一下这条语句为什么慢，慢在哪里。
select * from userinfo limit 3000000,10;
玄机就处在这个 * 里面，这个表除了id主键肯定还有其他字段 比如 name age 之类的，因为select * 所以mysql在沿着id主键走的时候要回行拿数据，走一下拿一下数据；
如果把语句改成
select id from userinfo limit 3000000,10;
你会发现时间缩短了一半；然后我们在拿id分别去取10条数据就行了；
语句就改成这样了：
select table.* from userinfo inner join ( select id from userinfo limit 3000000,10 ) as tmp on tmp.id=userinfo.id;
这三种方法最先考虑第一种 其次第二种，第三种是别无选择
744
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
