文章目录
存储引擎
MySQL体系结构
- 连接层
- 连接器与mysql的通信，完成连接处理、授权认证。
- 连接池（线程池），为通过认证安全的客户端提供线程。
- 服务层
- SQL的分析和优化。
- 内置函数的执行。
- 引擎层
- 存储引擎负责MySQL中数据的存储和提取。
- 服务器通过API和存储引擎进行通信。
- 不同存储引擎功能不同，按需选择。
- 数据库中的索引时在存储引擎层实现的。
- 存储层
- 数据：redolog、undolog、数据、索引、二进制日志、错误日志、查询日志。
- 将数据存储在文件系统之上。
- 与存储引擎交互。
存储引擎介绍
存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式 。
存储引擎是基于表的，而不是 基于库的，所以存储引擎也可被称为表类型。
我们可以在创建表的时候，来指定选择的存储引擎，如果 没有指定将自动选择默认的存储引擎。
- 建表时指定存储引擎
create table 表名(
字段1 字段1类型 [comment 字段1注释],
...
字段n 字段n类型 [comment 字段1注释],
)engine=innoDB [comment 表注释];
- 查询当前数据库支持的存储引擎
show engines;
- 案例
-- 查询建表语句 --- 默认存储引擎: InnoDB
desc employee; -- 查询建表结构
show create table employee; -- 查询建表的sql语句
-- 查询当前数据库支持的存储引擎
use itcast; -- 选择数据库
show engines;
-- 创建表 my_myisam , 并指定MyISAM存储引擎
create table my_myisam(
id int primary key auto_increment comment 'ID',
name varchar(10) comment '姓名',
)engine=MyISAM;
-- 创建表 my_memory , 指定Memory存储引擎
create table my_memory(
id int,
name varchar(10)
)engine=Memory;
存储引擎特点
- 三种重点存储引擎
- InnoDB
- MyISAM
- Memory
InnoDB
介绍
- InnoDB是一种兼顾高可靠性和高性能的通用存储引擎。
- 在MySQL 5.5 之后，InnoDB是默认的MySQL存储引擎。
特点
- DML操作遵循ACID模型，支持事务。
- 行级锁，提高并发访问性能。
- 支持外键 foreign key 约束，保证数据的完整性和正确性。
文件
- xxx.ibd：xxx 代表的是表名
- innoDB 引擎的每张表都会对应这样一个表空间文件，存储该表的 表结构、数据 和 索引。
- mac上mysql地址：
/usr/local/mysql - 参数：
-- 如果该参数开启，代表对于InnoDB引擎的表，每一张表都对应一个ibd文件。
show variables like 'innodb_file_per_table';
逻辑存储结构
- 表空间：InnoDB存储引擎逻辑结构的最高层，ibd文件其实就是表空间文件，在表空间中可以 包含多个Segment段。
- 段：表空间是由各个段组成的， 常见的段有数据段、索引段、回滚段等。
InnoDB中对于段的管 理，都是引擎自身完成，不需要人为对其控制，一个段中包含多个区。 - 区：区是表空间的单元结构，每个区的大小为1M。
默认情况下， InnoDB存储引擎页大小为 16K， 即一个区中一共有64个连续的页。 - 页 ：页是组成区的最小单元，页也是InnoDB存储引擎磁盘管理的最小单元，每个页的大小默认为 16KB。
为了保证页的连续性，InnoDB 存储引擎每次从磁盘申请 4-5 个区。 - 行：InnoDB 存储引擎是面向行的，也就是说数据是按行进行存放的，在每一行中除了定义表时 所指定的字段以外，还包含两个隐藏字段(后面会详细介绍)。
MyISAM
介绍
- MyISAM是MySQL早期的默认存储引擎。
特点
- 不支持事务、外键 、行锁
- 支持表锁
- 访问速度快
文件
- xxx.sd：存储表结构信息
- xxx.MYD：存储数据
- xxx.MYI：存储索引
Memory
介绍
- Memory 引擎的表数据是存储在内存中的。
- 由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用。
特点
- 内存存放 hash索引(默认)。
文件
- xxx.sdi：存储表结构信息。
区别及特点
| 特点 | InnoDB | MyISAM | Memory |
|---|---|---|---|
| 存储限制 | 64TB | 有 | 有 |
| 事务安全 | ✓ | ✘ | ✘ |
| 锁机制 | 行锁 | 表锁 | 表锁 |
| B+ Tree 索引 | ✓ | ✓ | ✓ |
| Hash 索引 | ✘ | ✘ | ✓ |
| 全文索引 | ✓ | ✓ | ✘ |
| 空间使用 | 高 | 低 | N/A |
| 内存使用 | 高 | 低 | 中等 |
| 批量插入速度 | 低 | 高 | 高 |
| 支持外键 | ✓ | ✘ | ✘ |
存储引擎选择
在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。
对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。
- InnoDB
- MySQL 的默认存储引擎
- 支持 事务 外键 行锁
- 对事务的完整性有较高要求，在并发条件下要求数据的一致性。
- 除了 插入 与 查询 ，包含很多的 更新 和 删除 操作。
- MyISAM：
- 以 查询 和 插入 操作为主，很少 更新 和 删除 操作。
- 对事务的完整性、并发性要求不高。
- Memory：
- 所有数据保存在内存中。
- 访问速度快，通常用于临时表及缓存。
- 对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性。
索引
索引概述
介绍
- 索引（index）是帮助 MySQL 高效获取数据的数据结构（有序）。
- 在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
演示
- 假如我们要执行的SQL语句为
select * from user where age = 45;
- 无索引的情况下：
就需要从第一行开始扫描，一直扫描到最后一行，我们称之为 全表扫描，性能很 低。
- 有索引的情况下：
针对于这张表 建立索引，假设索引结构就是二叉树，那么也就意味着，会对 age 这个字段建立一个 二叉树的索引结构。
此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。
特点
- 优势
- 提高数据检索的效率，降低数据库 的 IO 成本
- 通过索引列对数据进行排序，降低数据排序的成本，降低 CPU 的消耗。
- 劣势
- 索引列也是要占用空间的。
- 索引大大提高了查询效率，同时却也降低更新表的速度， 如对表进行 INSERT、UPDATE、DELETE 时，效率降低。
索引结构
概述
- MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种索引结构：
| 索引结构 | 描述 |
|---|---|
| B+Tree 索引 | 最常见的索引类型，大部分引擎都支持 B+ 树索引 |
| Hash 索引 | 底层数据结构是用 哈希表 实现的 只有 精确匹配 索引列的查询才有效 不支持 范围查询 |
| R-Tree（空间索引） | 是 MyISAM 引擎的一个特殊索引类型 主要用于 地理空间 数据类型，通常使用较少 |
| Full-text（全文索引） | 通过建立 倒排索引 ，快速匹配文档的方式 |
- 不同的存储引擎对于索引结构的支持情况：
| 索引 | InnoDB | MyISAM | Memory |
|---|---|---|---|
| B+Tree 索引 | ✓ | ✓ | ✓ |
| Hash 索引 | ✘ | ✘ | ✓ |
| R-Tree 索引 | ✘ | ✓ | ✘ |
| Full-text | ✓（5.6后支持） | ✓ | ✘ |
注意: 我们平常所说的索引，如果没有特别指明，都是指 B+ 树结构组织的索引。
二叉树
- 理想结构：
- 如果主键是顺序插入的，则会形成一个单向链表：
- 所以，如果选择二叉树作为索引结构，会存在以下缺点:
- 顺序插入时，会形成一个链表，查询性能大大降低。
- 大数据量情况下，层级较深，检索速度慢。
- 红黑树是一颗自平衡二叉树，可以解决顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树
- 由于红黑树也是一颗二叉树，所以也会存在一个缺点：大数据量情况下，层级较深，检索速度慢。
B-Tree
- B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。
- 以一颗最大度数（max-degree）为5（5阶）的b-tree为例，那这个B树每个节点最多存储 4个key ，5个指针:
- 树的度数指的是一个节点的子节点个数
- 特点:
- 5阶的B树，每一个节点最多存储4个key，对应5个指针。
- 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
- 在B树中，非叶子节点和叶子节点都会存放数据。
B+ Tree
- B+Tree是B-Tree的变种，我们以一颗最大度数(max-degree)为4(4阶)的b+tree为例：
- 将索引和存储的数据分开
- 我们可以看到，两部分:
- 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
- 红色框框起来的部分，是数据存储部分，在叶子节点中要存储具体的数据。
- B+Tree 与 B-Tree相比，主要有以下三点区别:
- 所有的数据都会出现在叶子节点。
- 叶子节点形成一个单向链表。
- 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。
- MySQL中优化之后的 B+Tree：
- 在原B+Tree的基础上，增加一个指向相邻叶子节点 的链表指针，就形成了带有顺序指针的B+Tree。
- 提高了区间访问的性能，利于排序。
Hash
- MySQL中除了支持B+Tree索引，还支持一种索引类型—Hash索引
- 结构
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在 hash表中。
如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突(也称为hash碰撞)，可以通过链表来解决。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VCCpeuJ5-1693201515213)(/Users/limin/Library/Application Support/typora-user-images/image-20230725162459788.png)]
- 特点
- Hash索引只能用于对等比较（=，in），不支持范围查询（between，>，< ，…）
- 无法利用索引完成排序操作
- 查询效率高，通常（不存在hash冲突的情况）只需要一次检索就可以了，效率通常要高于B+tree索引
- 存储引擎支持
在MySQL中，支持hash索引的是Memory存储引擎。
而InnoDB中具有自适应hash功能，hash索引是 InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。
- 思考题: 为什么InnoDB存储引擎选择使用B+tree索引结构?
相对于二叉树，层级更少，搜索效率高。
对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据。
这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低。
相对Hash索引，B+tree支持范围匹配及排序操作。
索引分类
索引分类
- 在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。
| 分类 | 含义 | 特点 | 关键字 |
|---|---|---|---|
| 主键索引 | 针对于表中主键创建的索引 | 默认自动创建, 只能有一个 | primary key |
| 唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | unique |
| 常规索引 | 快速定位特定数据 | 可以有多个 | |
| 全文索引 | 全文索引查找的是文本中的关键词，而不是比较索引中的值 | 可以有多个 | fulltext |
聚集索引 & 二级索引
- 在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种:
| 分类 | 含义 | 特点 |
|---|---|---|
| 聚集索引（clustered Index） | 将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据 | 必须有,而且只有一个 |
| 二级索引（Secondary Index） | 将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
- 聚集索引选取规则：
- 如果存在主键，主键索引就是聚集索引。
- 如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引。
- 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。
- 聚集索引和二级索引的具体结构如下:
- 聚集索引的叶子节点下挂的是这一行的数据 。
- 二级索引的叶子节点下挂的是该字段值对应的主键值。
- 当我们执行如下的SQL语句时，具体的查找过程是什么样子的
select * from user where name='Arm';
- 具体过程如下:
- 由于是根据 name 字段进行查询，所以先根据 name=‘Arm’ 到 name 字段的二级索引中进行匹配查找。
- 但是在二级索引中只能查找到 Arm 对应的主键值 10。
- 由于查询返回的数据是*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row。
- 最终拿到这一行的数据，直接返回即可。
回表查询
这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。
索引语法
- 创建索引
create [unique | fulltext] index 索引名 on 表名(索引列名,...);
- 查看索引
show index from 表名;
- 删除索引
drop index 索引名 on 表名;
案例
- 数据准备
-- 先来创建一张表 tb_user，并且查询测试数据
create table tb_user(
id int primary key auto_increment comment '主键',
name varchar(50) not null comment '用户名',
phone varchar(11) not null comment '手机号',
email varchar(100) comment '邮箱',
profession varchar(11) comment '专业',
age tinyint unsigned comment '年龄',
gender char(1) comment '性别 , 1: 男, 2: 女',
status char(1) comment '状态',
createtime datetime comment '创建时间'
) comment '系统用户表';
-- 插入数据
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('吕布', '17799990000', 'lvbu666@163.com', '软件工程', 23, '1','6', '2001-02-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('曹操', '17799990001', 'caocao666@qq.com', '通讯工程', 33,'1', '0', '2001-03-05 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('赵云', '17799990002', '17799990@139.com', '英语', 34, '1','2', '2002-03-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('孙悟空', '17799990003', '17799990@sina.com', '工程造价', 54,'1', '0', '2001-07-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('花木兰', '17799990004', '19980729@sina.com', '软件工程', 23,'2', '1', '2001-04-22 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('大乔', '17799990005', 'daqiao666@sina.com', '舞蹈', 22, '2','0', '2001-02-07 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,createtime) VALUES ('露娜', '17799990006', 'luna_love@sina.com', '应用数学', 24, '2', '0', '2001-02-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('程咬金', '17799990007', 'chengyaojin@163.com', '化工', 38, '1', '5', '2001-05-23 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('项羽', '17799990008', 'xiaoyu666@qq.com', '金属材料', 43, '1', '0', '2001-09-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('白起', '17799990009', 'baiqi666@sina.com', '机械工程及其自动 化', 27, '1', '2', '2001-08-16 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('韩信', '17799990010', 'hanxin520@163.com', '无机非金属材料工 程', 27, '1', '0', '2001-06-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('荆轲', '17799990011', 'jingke123@163.com', '会计', 29, '1', '0', '2001-05-11 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('兰陵王', '17799990012', 'lanlinwang666@126.com', '工程造价', 44, '1', '1', '2001-04-09 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('狂铁', '17799990013', 'kuangtie@sina.com', '应用数学', 43, '1', '2', '2001-04-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('貂蝉', '17799990014', '84958948374@qq.com', '软件工程', 40, '2', '3', '2001-02-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('妲己', '17799990015', '2783238293@qq.com', '软件工程', 31, '2', '0', '2001-01-30 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('芈月', '17799990016', 'xiaomin2001@sina.com', '工业经济', 35, '2', '0', '2000-05-03 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('嬴政', '17799990017', '8839434342@qq.com', '化工', 38, '1', '1', '2001-08-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('狄仁杰', '17799990018', 'jujiamlm8166@163.com', '国际贸易', 30, '1', '0', '2007-03-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('安琪拉', '17799990019', 'jdodm1h@126.com', '城市规划', 51, '2', '0', '2001-08-15 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('典韦', '17799990020', 'ycaunanjian@163.com', '城市规划', 52, '1', '2', '2000-04-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('廉颇', '17799990021', 'lianpo321@126.com', '土木工程', 19, '1', '3', '2002-07-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('后羿', '17799990022', 'altycj2000@139.com', '城市园林', 20, '1', '0', '2002-03-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('姜子牙', '17799990023', '37483844@qq.com', '工程造价', 29, '1', '4', '2003-05-26 00:00:00');
- 数据：
- 完成如下需求：
-- name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
create index index_user_name on tb_user(name);
-- phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
create unique index index_user_phone on tb_user(phone);
-- 为profession、age、status创建联合索引。
create index index_pro_age_status on tb_user(profession,age,status);
-- 为email建立合适的索引来提升查询效率。
create index index_email on tb_user(email);
-- 完成上述的需求之后，我们再查看tb_user表的所有的索引数据。
show index from tb_user;
SQL性能分析
SQL执行频率
- 查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次
-- session 查看当前会话
-- global 查询全局数据
show [session|global] status;
show global status like 'Com_______';
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-emgPMjne-1693201515213)(/Users/limin/Library/Application Support/typora-user-images/image-20230726091823084.png)]](https://i-blog.csdnimg.cn/blog_migrate/c6cec11f997aadcd3c2f44c8ac06535f.png)
- Com_delete：删除次数
- Com_insert：插入次数
- Com_select：查询次数
- Com_update：更新次数
通过上述指令，我们可以查看到当前数据库到底是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。
如果是以增删改为主，我们可以考虑不对其进行索引的优化。 如果是以查询为主，那么就要考虑对数据库的索引进行优化了。
慢查询日志
- 慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位:秒，默认10秒）的所有SQL语句的日志。
- MySQL的慢查询日志默认没有开启，我们可以查看一下系统变量。
-- slow_query_log
show variables like 'slow_query_log';
+----------------+-------+
| Variable_name | Value |
+----------------+-------+
| slow_query_log | OFF |
+----------------+-------+
1 row in set (0.00 sec)
- 开启慢查询日志，需要在MySQL的配置文件(/etc/mysql/my.cnf)中配置如下信息。
# 开启MySQL慢日志查询开关
slow_query_log=1
# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time=2
- 配置完毕之后，通过以下指令重新启动 MySQL 服务器进行测试，查看慢日志文件中记录的信息。
# 重新启动mysql
systemctl restart mysqld
# 查看慢日志文件中记录的信息
cat /var/lib/mysql/localhost-slow.log
- 再次查看开关情况，慢查询日志就已经打开了。
show variables like 'slow_query_log';
+----------------+-------+
| Variable_name | Value |
+----------------+-------+
| slow_query_log | ON |
+----------------+-------+
1 row in set (0.00 sec)
- 测试
-- 执行如下SQL语句
select * from tb_user; -- 这条SQL执行效率比较高, 执行耗时 0.00sec
select count(*) from tb_sku; -- 由于tb_sku表中, 预先存入了1000w的记录, count一次,耗时13.35sec
-- 检查慢查询日志
Time Id Command Argment
-- 最终我们发现，在慢查询日志中，只会记录执行时间超多我们预设时间(2s)的 SQL ，执行较快的 SQL 是不会记录的
-- 那这样，通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化。
profile详情
show profiles能够在做 SQL 优化时帮助我们了解时间都耗费到哪里去了。- 通过
have_profiling参数，能够看到当前 MySQL 是否支持 profile 操作。
-- 查看当前 MySQL 是否支持 profile 操作
select @@have_profiling;
+------------------+
| @@have_profiling |
+------------------+
| YES |
+------------------+
1 row in set, 1 warning (0.00 sec)
-- 当前MySQL是支持 profile操作的，但是开关是关闭的
select @@profiling;
+-------------+
| @@profiling |
+-------------+
| 0 |
+-------------+
1 row in set, 1 warning (0.00 sec)
-- 可以通过set语句在 session/global级别开启profiling
set profiling=1;
- 开关已经打开了，接下来，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去 了。
select * from tb_user;
select * from tb_user where id = 1;
select * from tb_user where name = '白起';
- 执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：
-- 查看每一条SQL的耗时基本情况
show profiles;
-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile [all|block|context|cpu|ipc|memory|page|source|swaps] for query query_id;
-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;
explain
explain或者desc命令获取 MySQL 如何执行SELECT语句的信息- 包括在 SELECT 语句执行 过程中表如何连接和连接的顺序。
-- 直接在select语句之前加上关键字 explain / desc
explain select 字段列表 from 表名 where 条件 ;
- Explain 执行计划中各个字段的含义
| 字段 | 含义 |
|---|---|
| id | select查询的序列号，表示查询中执行select子句或者是操作表的顺序 (id相同，执行顺序从上到下；id不同，值越大，越先执行)。 |
| select_type | 表示 SELECT 的类型，常见的取值有： SIMPLE(简单表，即不使用表连接 或者子查询)、 PRIMARY(主查询，即外层的查询)、 UNION(UNION 中的第二个或者后面的查询语句)、 SUBQUERY(SELECT/WHERE之后包含了子查询) 等 |
| type | 表示连接类型，性能由好到差的连接类型为 NULL、system、const、 eq_ref、ref、range、 index、all 。 |
| possible_key | 显示可能应用在这张表上的索引，一个或多个。 |
| key | 实际使用的索引，如果为NULL，则没有使用索引。 |
| key_len | 表示索引中使用的字节数， 该值为索引字段最大可能长度，并非实际使用长 度。 在不损失精确性的前提下， 长度越短越好 。 |
| rows | MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值， 可能并不总是准确的。 |
| filtered | 表示返回结果的行数占需读取行数的百分比， filtered 的值越大越好。 |
索引使用
验证索引效率
-- 表 tb_sku , 在这张表中准备了1000w 的记录。
-- 表中id为主键，有主键索引，而其他字段是没有建立索引的。
-- 查询其中的一条记录，看看里面的字段情况，执行如下SQL:
select * from tb_sku where id = 1\G;
-- (0.00 sec)
-- 可以看到即使有1000w的数据,根据id进行数据查询,性能依然很快，因为主键id是有索引的。
-- 那么接 下来，我们再来根据 sn 字段进行查询，执行如下SQL:
select * from tb_sku where sn = '100000003145001';
-- (20.78 sec)
-- 可以看到根据sn字段进行查询，查询返回了一条数据，结果耗时 20.78 sec，就是因为sn没有索引，而造成查询效率很低。
-- 那么我们可以针对于sn字段，建立一个索引，建立了索引之后，我们再次根据sn进行查询，再来看一 下查询耗时情况。
create index idx_sku_sn on tb_sku(sn);
-- 然后再次执行相同的SQL语句，再次查看SQL的耗时
select * from tb_sku where sn = '100000003145001';
-- (0.01 sec)
-- 明显会看到，sn字段建立了索引之后，查询性能大大提升。建立索引前后，查询耗时都不是一个数量级的。
最左前缀法则
- 如果索引了多列（联合索引），要遵守最左前缀法则。
- 最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。
- 如果跳跃某一列，索引将会部分失效(后面的字段索引失效)。
- 以 tb_user 表为例，我们先来查看一下之前 tb_user 表所创建的索引。
- 在 tb_user 表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为: age，phone，email。
- 对于最左前缀法则指的是：
- 查询时，最左变的列，也就是 age 必须存在，否则索引全部失效。
- 而且中间不能跳过某一列，否则该列后面的字段索引将失效。
案例
以上的这三组测试中，我们发现只要 联合索引 最左边的字段 age 存在，索引就会 生效 ，只不过索引的长度不同。
而且由以上三组测试，我们也可以推测出 age 字段索引长度为2、phone 字段索引长度为 46 、email 字段索引长度为 403。
而通过上面的这两组测试，我们也可以看到索引并未生效。
原因是因为不满足最左前缀法则，联合索引 最左边的列 age 不存在。
上述的SQL查询时，存在 age 字段，最左边的列是存在的，索引满足最左前缀法则的基本条件。
但是查询时，跳过了 phone 这个列，所以后面的列索引是不会使用的，也就是索引部分生效，所以索引的长度就是2。
思考
-- 当执行SQL语句: age 在最右边
explain select * from tb_user where email = 'lvbu666@123.com' and phone = '17799990000' and age = 23;
-- 是否满足最左前缀法则，走不走上述的联合索引，索引长度?
-- 回答：
-- 完全满足最左前缀法则的，索引长度 451 ，联合索引是生效的。
注意：
- 最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是第一个字段)必须存在。
- 与我们编写SQL时，条件编写的先后顺序无关。
范围查询
- 联合索引中，出现范围查询（>,<），范围查询右侧的列索引失效。
- 使用 >= 或 <= 时，走联合索引。
- 所以，在业务允许的情况下，尽可能的使用类似于
>=或<=这类的范围查询，而避免使用 > 或 < 。
索引失效情况
索引列运算
- 不要在索引列上进行运算操作， 索引将失效
-- 当根据phone字段进行等值匹配查询时, 索引生效。
explain select * from tb_user where phone = '17799990015';
-- 当根据phone字段进行函数运算操作之后，索引失效
explain select * from tb_user where substring(phone,10,2) = '15';
字符串不加引号
- 字符串类型字段使用时，不加引号，索引将失效，查询结果没有影响。
explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
explain select * from tb_user where profession = '软件工程' and age = 31 and status = 0; -- 索引失效
explain select * from tb_user where phone = '17799990015';
explain select * from tb_user where phone = 17799990015; -- 索引失效
-- 如果字符串不加单引号，对于查询结果，没什么影响。
-- 但是数据库存在隐式类型转换，索引将失效。
模糊查询
- 如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效
explain select * from tb_user where profession like '软件%'; -- 尾部模糊查询
explain select * from tb_user where profession like '%工程'; -- 头部模糊查询
explain select * from tb_user where profession like '%工%'; -- 两头模糊查询
-- 在like模糊查询中，在关键字后面加%，索引可以生效。而如果在关键字 前面加了%，索引将会失效。
or 连接条件
- 用or分割开的条件， 如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。
- 当or连接的条件，左右两侧字段都有索引时，索引才会生效
explain select * from tb_user where id = 10 or age = 23; -- 索引失效
explain select * from tb_user where phone = '17799990017' or age = 23; -- 索引失效
-- 由于age没有索引，所以即使id、phone有索引，索引也会失效。所以需要针对于age也要建立索引。
-- 对age字段建立索引
create index idx_user_age on tb_user(age);
-- 当or连接的条件，左右两侧字段都有索引时，索引才会生效
数据分布影响
- 如果MySQL评估使用索引比全表更慢，则不使用索引
- 查询的列，需要建立索引
create index index_phone on tb_user(phone);
- 相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为什么呢?
- 就是因为MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。
- 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。
SQL提示
- SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。
- 创建 age 的单列索引。
use index：建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部会再次评估）
explain select * from tb_user use index(index_age) where age=23;
ignore index：忽略指定的索引
explain select * from tb_user ignore index(index_age) where age=23;
force index：强制使用索引
explain select * from tb_user force index(index_age) where age=23;
覆盖索引
- 尽量使用覆盖索引，减少select *。
- 覆盖索引是指查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到 。
- 接下来，我们来看一组SQL的执行计划，看看执行计划的差别，然后再来具体做一个解析：
explain select id, age, phone, email from tb_user where age=23 and phone='17799990000' and email like '%';
explain select id, age, phone, email from tb_user where age=23 and phone='17799990000' and email like '%';
explain select id, age, phone, email, name from tb_user where age=23 and phone='17799990000' and email like '%';
explain select * from tb_user where age=23 and phone='17799990000' and email like '%';
从上述的执行计划我们可以看到，这四条SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。
但是此时，我们主要关注的是后面的Extra，前面两天SQL的结果为 Using where; Using Index ;
而后面两条SQL的结果为: Using index condition 。
| Extra | 含义 |
|---|---|
| Using where ; Using Index | 查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据 |
| Using index condition | 查找使用了索引，但是需要回表查询数据 |
- 在
tb_user表中有一个 联合索引index_age_phone_email，该索引关联了三个字段age、phone、email。 - 而这个索引也是一个 二级索引 ，所有叶子节点下面挂的是这一行的主键id。
- 所以当我们查询返回的数据在
id、age、phone、email之中，则直接走 二级索引 直接返回数据了。 - 如果超出这个范围，就需要拿到主键id，再去扫描聚集索引，再获取额外的数据了，这个过程就是回表。
- 而我们如果一直使用
select *查询返回所有字段值，很容易就会造成 回表查询 。 - (除非是根据主键查询，此时只会扫描聚集索引)。
思考
-- 一张表, 有四个字段(id, username, password, status),
-- 由于数据量大, 需要对以下SQL语句进行优化, 该如何进行才是最优方案:
select id,username,password from tb_user where username ='itcast';
-- 回答：
-- 对username和password建立联合查询，避免了回表查询
create index index_username_password on tb_user(username,password);
前缀索引
- 当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大。
- 查询时，浪费大量的磁盘IO， 影响查询效率。
- 此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。
语法
-- n 表示选取前n个长度的字符串
create index 索引名 on 表名(列名(n)) ;
-- 例子
-- 为tb_user表的email字段，建立长度为5的前缀索引。
create index index_email_5 on tb_user(email(5));
前缀长度
- 可以根据索引的 选择性 来决定。
- 而 选择性 是指 不重复的索引值(基数) 和 数据表的记录总数 的 比值。
- 索引选择性越高则查询效率越高， 唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。
前缀索引的查询流程
单列索引与联合索引
- 单列索引:即一个索引只包含单个列。
- 联合索引:即一个索引包含了多个列。
- 在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。
索引设计原则
- 针对于 数据量较大 ，且 查询比较频繁 的表建立索引。
- 针对于常作为 查询条件(where)、排序(order by)、分组(group by) 操作的字段 建立索引。
- 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
- 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
- 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
- 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
- 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含 NULL值时，它可以更好地确定哪个索引最有效地用于查询。
扫一扫
2004
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
