目录
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
表结构及数据：
执行的SQL语句为：select * from user where age = 45;
无索引情况：
在无索引情况下，需要从第一行开始扫描，一直扫描到最后一行，称之为全表扫描，性能很低
有索引情况：
如果建立了索引，假设索引结构是二叉树，则会对age这个字段建立一个二叉树的索引结构：
此时查询只需要扫描三次就可以找到数据，极大提高了查询效率
备注：只是假设索引结构是二叉树，并不是索引的真实结构
优缺点
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结构，主要包含以下几种：
不同的存储引擎对索引结构的支持情况：
注意：平常所说的索引，如果没有特别指明，都是指B+树索引
二叉树
假如MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：
如果主键是顺序插入的，则会形成一个单向链表，结构如下：
因此，二叉树的缺点：
- 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
如果选择红黑树，红黑树是一棵自平衡二叉树，即使是顺序插入数据，最终形成的数据结构也是一棵平衡的二叉树，结构如下：
即使如此，红黑树也存在缺点：
- 大数据量情况下，层级较深，检索速度慢
B-Tree（B树）
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
以一棵最大度数（max-degree）为5（5阶）的B树为例，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】
数据结构可视化网站：B-Tree Visualization
插入一组数据：100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250
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+树）
B+树是B树的变种，以一棵最大度数为4（4阶）的B+树为例，结构如下：
两部分：
- 绿色框的部分，是索引部分，仅仅起到索引数据的作用，不存储数据
- 红色框的部分，是数据存储部分，在其叶子节点中要存储具体的数据
可视化演示：B+ Tree Visualization
插入一组数据：100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250
- 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优化后的B+树：
MySQL索引数据结构对经典的B+树进行了优化，在原B+树的基础上，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+树，提高区间访问的性能，利于排序：
Hash
MySQL中除了支持B+树索引，还支持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，就会产生hash冲突（也称为hash碰撞），可以通过链表来解决：
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+树索引
存储引擎支持：
- 相对于二叉树，层级更少，搜索效率高
- 对于B树，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+树支持范围匹配及排序操作
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
在InnoDB中，根据索引的存储形式，又可以分为以下两种：
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
执行如下SQL语句的具体查找过程：
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，拿到这一行的数据返回即可
- select * from user where id = 10 ;
- select * from user where name = 'Arm' ;
备注：id为主键，name字段创建的有索引
解答：A语句的执行性能要高于B语句，因为A语句直接走聚集索引，直接返回数据；而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询
思考题：InnoDB主键索引的B+树高度为多高？
索引语法
创建索引：
CREATE [UNIQUE|FULLTEXT] INDEX index_name ON table_name (index_col_name,...);查看索引：
SHOW INDEX FROM table_name;删除索引：
DROP INDEX index_name ON table_name;案例演示：
创建表tb_user：
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';
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');
A.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 idx_user_name on tb_user(name);B.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 idx_user_phone on tb_user(phone);C.为profession、age、status创建联合索引
create index idx_user_pro_age_sta on tb_user(profession,age,status);D.为email建立合适的索引来提升查询效率
create index idx_user_email on tb_user(email);SQL性能分析
SQL执行频率
- Com_delete: 删除次数
- Com_insert: 插入次数
- Com_select: 查询次数
- Com_update: 更新次数
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，需要在MySQL的配置文件（/etc/my.cnf）中配置：
重启，查看慢日志文件中记录的信息/var/lib/mysql/localhost-slow.log
profile详情
show_profiles能在做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：
SELECT @@have_profiling;默认profiling是关闭的，可以通过set语句在session/global级别开启profiling：
SET profiling = 1;执行如下的SQL语句：
查看指令的执行耗时：
查看每一条SQL的耗时情况：
查看指定SQL各个阶段的耗时情况：
explain执行计划
EXPLAIN或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
语法：
-- 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执行计划各字段含义：
【重点关注】：type possible_key key key_len
索引使用
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，索引将部分失效（后面的字段索引失效）
以tb_user表为例，有一个联合索引，涉及到三个字段，顺序为：profession、age、status，对于最左前缀法则指的是查询时最左边的列（也就是profession）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
思考题：当执行SQL语句: explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程';时，是否满足最左前缀法则，走不走上述的联合索引，索引长度？
可以看到，是完全满足最左前缀法则的，索引长度为54，联合索引是生效的
注意：最左前缀法则指的是最左边的列，是指在查询时联合索引的最左边的字段（即第一个字段）必须存在，与编写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
explain select * from tb_user where profession = '软件工程' and age > 30 and status
= '0';
当范围查询使用> 或 < 时，走联合索引了，但是索引的长度为49，就说明范围查询右边的status字 段是没有走索引的
explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';
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
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
explain select * from tb_user where phone = '17799990015';
explain select * from tb_user where phone = 17799990015;
如果字符串不加单引号，对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%';
explain select * from tb_user where profession like '%工程';
explain select * from tb_user where profession like '%工%';
or连接的条件
用or分隔开的条件，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
explain select * from tb_user where id = 10 or age = 23;
explain select * from tb_user where phone = '17799990017' or age = 23;
由于age没有索引，即使id、phone有索引，索引也会失效
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
is null与is not null是否走索引，需要具体情况具体分析，并不固定
select * from tb_user where phone >= '17799990005';
select * from tb_user where phone >= '17799990015';
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更快，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
- use index：建议MySQL使用哪一个索引完成此次查询（仅仅是建议，MySQL内部还会再次进行评估）
explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';- ignore index：忽略指定的索引
explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';- force index：强制使用索引
explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';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
表结构及索引示意图：
执行SQL：select * from tb_user where id = 2;
执行SQL：select id,name from tb_user where name = 'Arm';
执行SQL：select id,name,gender from tb_user where name = 'Arm';
思考题：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，最优方案是什么？
select id,username,password from tb_user where username = 'itcast';
解答：针对于username,password建立联合索引，sql为：create index idx_user_name_pass on tb_user(username,password); 这样可以避免回表查询
前缀索引
当字段类型为字符串（varchar、text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：
create index idx_xxxx on table_name(column(n));为tb_user表的email字段建立长度为5的前缀索引：
create index idx_email_5 on tb_user(email(5));
前缀长度：
可以根据索引的选择性来决定， 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
select count(distinct email) / count(*) from tb_user;
select count(distinct substring(email,1,5)) / count(*) from tb_user；前缀索引的查询流程：
拿到这一行的数据后会将这一行数据中的email值和sql语句中的email值进行比对，一致返回
单列索引与联合索引
单列索引：一个索引只包含单个列
联合索引：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
使用联合索引的结构如下：
索引设计原则
1.针对于数据量较大，且查询比较频繁的表建立索引
2.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
3.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
4.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
5.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
6.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
7.如果索引列不能存储NULL值，要在创建表时使用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
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
