MySQL 覆盖索引

最新推荐文章于 2024-04-02 08:00:01 发布

GarfieldEr007

最新推荐文章于 2024-04-02 08:00:01 发布

阅读量8.9k

点赞数 3

分类专栏： Database 文章标签： MySQL 覆盖索引 index

Database 专栏收录该内容

149 篇文章 1 订阅

订阅专栏

本文主要概述mysql的覆盖索引，以及几种常见的优化场景

内容概要

聚集索引和辅助索引

什么是覆盖索引

几种优化场景

总体建议

聚集索引和辅助索引

聚集索引（主键索引）

—innodb存储引擎是索引组织表，即表中的数据按照主键顺序存放。而聚集索引就是按照每张表的主键构造一颗B+树，同时叶子节点中存放的即为整张表的记录数据

—聚集索引的叶子节点称为数据页，数据页，数据页！重要的事说三遍。聚集索引的这个特性决定了索引组织表中的数据也是索引的一部分。

辅助索引（二级索引）

—非主键索引

—叶子节点=键值+书签。Innodb存储引擎的书签就是相应行数据的主键索引值

辅助索引检索数据图示如下

02e814446da64610faadb2047447dac00bf1241e

由于检索数据时，总是先获取到书签值(主键值)，再返回查询，因此辅助索引也被称之为二级索引

什么是覆盖索引

覆盖索引（covering index）指一个查询语句的执行只需要从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录。也可以称之为实现了索引覆盖。

那么，优点显而易见。辅助索引不包含一整行的记录，因此可以大大减少IO操作。覆盖索引是mysql dba常用的一种SQL优化手段

先看一个简单示例

f9f63889fcd0c60d5f837b1e0a633e8ad4b903a5

从执行计划看到，这个SQL语句只通过索引，就取到了所需要的数据，这个过程，就称为索引覆盖

几种优化场景

1、无where条件的查询优化

如下这个查询

5c0aee6dcacf2845c0b2824b5d2b808fe65daa95

执行计划中，type为ALL，代表进行了全表扫描，扫描的行数也与表的行数一致

如何改进？优化措施很简单，就是对这个查询列建立索引。如下，

mysql> alter table t1 add key(staff_id);

我们再看一下优化之后的效果

执行计划

mysql> explain select sql_no_cache count(staff_id) from t1\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t1
         type: index
possible_keys: NULL
          key: staff_id
      key_len: 1
          ref: NULL
         rows: 1023849

1 row in set (0.00 sec)

Using index表示使用到了索引

查询消耗

80af484e7e92311c289f0a473c6f684fb244effc

从时间消耗上来看，才100W的数据，已经有了比较明显的差别了

执行计划解读如下：

Possible_keys为null，说明没有where条件时优化器无法通过索引检索数据；

但是这里使用了索引的另外一个优点，即从索引中获取数据，减少了读取的数据块的数量

无where条件的查询，可以通过索引来实现索引覆盖查询，但前提条件是，查询返回的字段数足够少，更不用说select *之类的了。毕竟，建立key length过长的索引，始终不是一件好事情。

2、二次检索优化

如下这个查询，

 mysql> select sql_no_cache rental_date from t1 where inventory_id<80000;
…
…
| 2005-08-23 15:08:00 |
| 2005-08-23 15:09:17 |
| 2005-08-23 15:10:42 |
| 2005-08-23 15:15:02 |
| 2005-08-23 15:15:19 |
| 2005-08-23 15:16:32 |
+---------------------+
79999 rows in set (0.13 sec)

执行计划：

mysql> explain select sql_no_cache rental_date from t1 where inventory_id<80000\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t1
         type: range
possible_keys: inventory_id
          key: inventory_id
      key_len: 3
          ref: NULL
         rows: 153734
        Extra: Using index condition
1 row in set (0.00 sec)

从执行计划，我们看到，这个SQL其实是使用到了索引的，虽然查询的数据量很大，但是相对比全表扫描的性能消耗，优化器还是选择了索引。

更优的改进措施？

从上面执行计划中，我们发现Extra信息为Using index condition而不是Using index，这说明，使用的检索方式为二级检索，即79999个书签值被用来进行回表查询。可想而知，还是会有一定的性能消耗的

尝试针对这个SQL建立联合索引，如下

mysql> alter table t1 add key(inventory_id,rental_date);

这个联合索引前置列为where子句的检索字段，第二个字段为查询返回的字段。下面来看下效果如何。

为避免优化器对索引的选择出现偏差，我们首先收集一下统计信息

mysql> analyze table t1\G
*************************** 1. row ***************************
   Table: sakila.t1
      Op: analyze
Msg_type: status
Msg_text: OK
1 row in set (0.03 sec)

执行计划

mysql> explain select sql_no_cache rental_date from t1 where inventory_id<80000\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t1
         type: range
possible_keys: inventory_id,inventory_id_2
          key: inventory_id_2
      key_len: 3
          ref: NULL
         rows: 162884
        
1 row in set (0.00 sec)

同样是使用索引，但这里的提示信息为Using index而不是Using index condition。这代表没有了回表查询的过程，也就是实现了索引覆盖

查询消耗

mysql> select sql_no_cache rental_date from t1 where inventory_id<80000;
…
…
| 2005-08-23 15:08:00 |
| 2005-08-23 15:09:17 |
| 2005-08-23 15:10:42 |
| 2005-08-23 15:15:02 |
| 2005-08-23 15:15:19 |
| 2005-08-23 15:16:32 |
+---------------------+
79999 rows in set (0.09 sec)

从执行时间上来看，快了大约40ms，虽然只有40ms，但在实际的生产环境下，却可能会因系统的总体负载被无限放大。

和前面场景限制类似，当where条件与查询字段总数较少的情况下，使用这种优化建议，是个不错的选择。

3、分页查询优化

分页查询的优化，相信大部分的DBA同学都碰到过，通常比较常规的优化手段就是查询改写，这里主要介绍一下新的思路，就是通过索引覆盖来优化

如下这个查询场景

mysql> select tid,return_date from t1 order by inventory_id limit 50000,10;
+-------+---------------------+
| tid   | return_date         |
+-------+---------------------+
| 50001 | 2005-06-17 23:04:36 |
| 50002 | 2005-06-23 03:16:12 |
| 50003 | 2005-06-20 22:41:03 |
| 50004 | 2005-06-23 04:39:28 |
| 50005 | 2005-06-24 04:41:20 |
| 50006 | 2005-06-22 22:54:10 |
| 50007 | 2005-06-18 07:21:51 |
| 50008 | 2005-06-25 21:51:16 |
| 50009 | 2005-06-21 03:44:32 |
| 50010 | 2005-06-19 00:00:34 |
+-------+---------------------+
10 rows in set (0.75 sec)

在未优化之前，我们看到它的执行计划是如此的糟糕

mysql> explain select tid,return_date from t1 order by inventory_id limit 50000,10\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t1
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 1023675
        
1 row in set (0.00 sec)

全表扫描，加上额外的排序，相信产生的性能消耗是不低的

如何通过覆盖索引优化呢？

我们创建一个索引，包含排序列以及返回列，由于tid是主键字段，因此，下面的复合索引就包含了tid的字段值

mysql> alter table t1 add index liu(inventory_id,return_date);
Query OK, 0 rows affected (3.11 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> analyze table t1\G
*************************** 1. row ***************************
   Table: sakila.t1
      Op: analyze
Msg_type: status
Msg_text: OK
1 row in set (0.04 sec)

那么，效果如何呢？

mysql> select tid,return_date from t1 order by inventory_id limit 50000,10;
+-------+---------------------+
| tid   | return_date         |
+-------+---------------------+
| 50001 | 2005-06-17 23:04:36 |
| 50002 | 2005-06-23 03:16:12 |
| 50003 | 2005-06-20 22:41:03 |
| 50004 | 2005-06-23 04:39:28 |
| 50005 | 2005-06-24 04:41:20 |
| 50006 | 2005-06-22 22:54:10 |
| 50007 | 2005-06-18 07:21:51 |
| 50008 | 2005-06-25 21:51:16 |
| 50009 | 2005-06-21 03:44:32 |
| 50010 | 2005-06-19 00:00:34 |
+-------+---------------------+
10 rows in set (0.03 sec)

可以发现，添加复合索引后，速度提升0.7s！

我们看一下改进后的执行计划

mysql> explain select tid,return_date from t1 order by inventory_id limit 50000,10\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t1
         type: index
possible_keys: NULL
          key: liu
      key_len: 9
          ref: NULL
         rows: 50010
        
1 row in set (0.00 sec)

执行计划也可以看到，使用到了复合索引，并且不需要回表

接下来，我们对比一下，索引覆盖与常规优化手段的效果差异

为了让结果更明显，我将查询修改为 limit 800000,10

现在看一下，通过覆盖索引查询的性能消耗

mysql> select tid,return_date from t1 order by inventory_id limit 800000,10;
+--------+---------------------+
| tid    | return_date         |
+--------+---------------------+
| 800001 | 2005-08-24 13:09:34 |
| 800002 | 2005-08-27 11:41:03 |
| 800003 | 2005-08-22 18:10:22 |
| 800004 | 2005-08-22 16:47:23 |
| 800005 | 2005-08-26 20:32:02 |
| 800006 | 2005-08-21 14:55:42 |
| 800007 | 2005-08-28 14:45:55 |
| 800008 | 2005-08-29 12:37:32 |
| 800009 | 2005-08-24 10:38:06 |
| 800010 | 2005-08-23 12:10:57 |
+--------+---------------------+

与之对比的是如下改写SQL方式

改写后的sql如下，思想是通过索引消除排序

select a.tid,a.return_date from  t1 a 
inner join 
(select tid from t1 order by  inventory_id limit 800000,10) b on a.tid=b.tid;

并在此基础上，我们为inventory_id列创建索引，并删除之前的覆盖索引

mysql> alter table t1 add index idx_inid(inventory_id),drop index liu;

然后收集统计信息。

查询消耗如下

mysql> select a.tid,a.return_date from  t1 a inner join  (select tid from t1 order by  inventory_id limit 800000,10) b on a.tid=b.tid;
+--------+---------------------+
| tid    | return_date         |
+--------+---------------------+
| 800001 | 2005-08-24 13:09:34 |
| 800002 | 2005-08-27 11:41:03 |
| 800003 | 2005-08-22 18:10:22 |
| 800004 | 2005-08-22 16:47:23 |
| 800005 | 2005-08-26 20:32:02 |
| 800006 | 2005-08-21 14:55:42 |
| 800007 | 2005-08-28 14:45:55 |
| 800008 | 2005-08-29 12:37:32 |
| 800009 | 2005-08-24 10:38:06 |
| 800010 | 2005-08-23 12:10:57 |
+--------+---------------------+

可以看到，这种优化手段较前者时间消耗多了大约140ms。

这种优化手段虽然使用索引消除了排序，但是还是要通过主键值回表查询。因此，在select返回列较少或列宽较小的时候，我们可以通过建立复合索引的方式优化分页查询，效果更佳，因为它不需要回表！

总体建议

索引具有以下两大用处：

1、通过索引检索仅需要数据

2、从索引中直接获取查询结果

覆盖索引的优势，就是利用到索引的第二大用处，在某些场景下，具有意想不到的优化效果。个人总结如下：

Select查询的返回列包含在索引列中
有where条件时，where条件中要包含索引列或复合索引的前导列
查询结果的总字段长度可以接受

from: https://yq.aliyun.com/articles/62419

GarfieldEr007

关注

3
点赞
踩
9

收藏

觉得还不错? 一键收藏
3
评论
MySQL 覆盖索引

本文主要概述mysql的覆盖索引，以及几种常见的优化场景内容概要聚集索引和辅助索引什么是覆盖索引几种优化场景总体建议聚集索引和辅助索引聚集索引（主键索引）—innodb存储引擎是索引组织表，即表中的数据按照主键顺序存放。而聚集索引就
复制链接

扫一扫