【MySQL45讲】深入浅出索引（下）

一、回表

1.1 表结构

表T的初始化语句

mysql> create table T (
ID int primary key,
k int NOT NULL DEFAULT 0, 
s varchar(16) NOT NULL DEFAULT '',
index k(k))
engine=InnoDB;

insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg')

在这个表中，如果执行语句

select * from T where k between 3 and 5;

需要执行几次树的搜索操作，扫描多少行？

1.2 索引组织结构

再看看InnoDB的索引组织结构如下：

1.3 执行流程

这条SQL查询语句的执行流程：

1. 在k索引树上找到k=3的记录，取得ID=300
2. 再回到ID索引树查到ID=300对应的R3
3. 在k索引树取下一个值k=5，取得ID=500
4. 再回到ID索引树查到ID=500对应的R4
5. 在k索引树取下一个值k=6，不满足条件，循环结束

在这个过程中，回到主键索引树搜索的过程，我们称为回表。可以看到，这个查询过程读了k 索引树的3条记录（步骤1、3和5），回表了两次（步骤2和4）

在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表

二、覆盖索引

2.1 覆盖索引

有没有可能经过索引优化，避免回表过程呢？

如果执行的语句是：

select ID from T where k between 3 and 5;

这时只需要查ID的值，而ID的值已经在k索引树上了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引k已经"覆盖"了我们的查询需求，我们称为覆盖索引

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

需要注意的是，在引擎内部使用覆盖索引在索引k上其实读了三个记录，R3~R5(对应的索引k上的记录项)，但是对于MySQL的Server层来说，它就是找引擎拿到了两条记录，因此MySQL认为扫描行数是2

2.2 联合索引

基于上面覆盖索引的说明，我们来讨论一个问题：
在一个市民信息表上，是否有必要将身份证号和名字建立联合索引？

假设这个市民表的定义是这样的：

CREATE TABLE `tuser` (
 `id` int(11) NOT NULL,
 `id_card` varchar(32) DEFAULT NULL,
 `name` varchar(32) DEFAULT NULL,
 `age` int(11) DEFAULT NULL,
 `ismale` tinyint(1) DEFAULT NULL,
 PRIMARY KEY (`id`),
 KEY `id_card` (`id_card`),
 KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB

身份证号是市民的唯一标识，也就是说，如果有根据身份证号查询市民信息的需求，只要在身份证号字段上建立索引就够了，而再建立一个(身份证号、姓名)的联合 索引，是不是浪费空间？
如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意义了，可以在这个高频请求上用到覆盖索引，不再需要回表查整行记录，减少语句的执行时间

当然，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

三、最左前缀原则

3.1 索引组合

如果为每一种查询都设计一个索引，索引是不是太多了？
如果现在要按照市民的身份证号去查他的家庭地址呢？虽然这个查询需求在业务中出现的概率 不高，但总不能让它走全表扫描吧？反过来说，单独为一个不频繁的请求创建一个(身份证号，地址)的索引又感觉有点浪费，应该怎么做呢？

解决上面问题的方式是：
B+树这种索引结构，可以利用索引的"最左前缀"，来定位记录

为了直观地说明这个概念，使用(name，age)这个联合索引来分析

3.2 模糊查询

可以看到，索引项是按照索引定义里面出现的字段顺序排序的

• 查到所有名字是"张三"的人

当逻辑需求是查到所有名字是"张三"的人时，可以快速定位到ID4，然后再遍历得到所有需要的结果

• 查名字第一个字是"张"的人

如果要查的是所有名字第一个字是"张"的人，SQL语句的条件是"where name like ‘张%’"，这时，也能够用上这个索引，查找到第一个符合条件的记录是ID3，然后向后遍历，直到不满足条件为止

可以看到，不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索
这个最左前缀可以是联合索引的最左N个字段，也可以是字符串索引的最左M个字符

3.2 索引字段顺序

基于上面对最左前缀索引的说明，在建立联合索引的时候，如何安排索引内的字段顺序？

• 评估标准

索引的复用能力

• 第一原则

因为可以支持最左前缀，所以当已经有了(a,b)这个联合索引后，一般就不需要单独在a上建立索引
因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的

所以前面的问题中，要为高频请求创建(身份证号，姓名)这个联合索引，并用这个索引支持"根据身份证号查询地址"的需求

• 空间原则

如果既有联合查询，又有基于a、b各自的查询呢？
查询条件里面只有b的语句，是无法使用(a,b)这个联合索引的，这时候不得不维护另外一个索引，也就是说你需要同时维护 (a,b)、(b) 这两个索引

这时候要考虑的原则就是空间了，比如上面这个市民表的情况，name字段是比age字段大的，那么创建一个(name,age)的联合索引和一个(age)的单字段索引

四、索引下推

4.1 联合索引最左前缀

满足最左前缀原则的时候，最左前缀可以用于在索引中定位记录，但是那些不符合最左前缀的部分，会怎么样呢？

还是以市民表的联合索引(name, age)为例，如果现在有一个需求：
检索出表中名字第一个字是"张"，而且年龄是10岁的所有男孩

那SQL语句是这么写的：

mysql> select * from tuser where name like '张%' and age=10 and ismale=1;

根据前缀索引规则，所以这个语句在搜索索引树的时候，只能用"张"，找到第一个满足条件的记录ID3，当然，这还不错，总比全表扫描要好

然后呢？ 当然是判断其他条件是否满足

4.2 索引下推

在MySQL 5.6版本之前：
只能从ID3开始一个个回表。到主键索引上找出数据行，再对比字段值

在MySQL 5.6版本及之后：
引入的索引下推优化(index condition pushdown)，可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数

4.3 索引下推执行流程

下面是无索引下推和索引下推的执行流程图

• 无索引下推执行流程
  

• 索引下推执行流程
  
  PS：在上面两个执行流程图中，每一个虚线箭头表示回表一次

• 回表次数

无索引下推执行流程图中，在(name,age)索引里面特意去掉了age的值，这个过程InnoDB并不会去看age的值，只是按顺序把name第一个字是"张"的记录一条条取出来回表，因此，需要回表4次

• 区别

索引下推和无索引下推的区别在于：
InnoDB在(name,age)索引内部就判断了age是否等于10，对于不等于10 的记录，直接判断并跳过，只需要对ID4、ID5这两条记录回表取数据判断，就只需要回表2次

五、问答

• 问题

实际上主键索引也是可以使用多个字段的，DBA小吕在入职新公司的时候，就发现自己接手维护的库里面，有这么一个表，表结构定义类似这样的：

CREATE TABLE `geek` (
 `a` int(11) NOT NULL,
 `b` int(11) NOT NULL,
 `c` int(11) NOT NULL,
 `d` int(11) NOT NULL,
 PRIMARY KEY (`a`,`b`),
 KEY `c` (`c`),
 KEY `ca` (`c`,`a`),
 KEY `cb` (`c`,`b`)
) ENGINE=InnoDB;

公司的同事告诉他说，由于历史原因，这个表需要a、b做联合主键，这个小吕理解， 但学过本章内容的小吕又纳闷了，既然主键包含了a、b这两个字段，那意味着单独在字段c上创建一个索引，就已经包含了三个字段了呀，为什么要创建"ca"、"cb"这两个索引呢？
同事告诉他是因为在业务里有这两种语句：

select * from geek where c=N order by a limit 1;
select * from geek where c=N order by b limit 1;

这位同事的解释对吗，为了这两个查询模式，这两个索引是否都是必须的么？为什么呢？

• 答案

这个是关于对联合主键索引和InnoDB索引组织表的理解
表记录：

a	b	c	d
1	2	3	d
1	3	2	d
1	4	3	d
2	1	3	d
2	2	2	d
2	3	4	d

主键 a，b的聚簇索引组织顺序相当于order by a,b，也就是先按a排序，再按b排序，c无序

索引 ca 的组织是先按c排序，再按a排序，同时记录主键

c	a	主键部分b
2	1	3
2	2	2
3	1	2
3	1	4
3	2	1
4	2	3

这个跟索引c的数据是一模一样的

索引 cb 的组织是先按c排序，在按b排序，同时记录主键

c	b	主键部分a
2	2	2
2	3	1
3	1	2
3	2	1
3	4	1
4	3	2

所以，结论是ca可以去掉，cb需要保留