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:
- 在k索引树上找到k=3的记录,取得ID=300
- 再回到ID索引树查到ID=300对应的R3
- 在k索引树取下一个值k=5,取得ID=500
- 再回到ID索引树查到ID=500对应的R4
- 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