索引。。。

sqyaa.

已于 2024-03-27 13:50:56 修改

阅读量1k

点赞数 26

分类专栏： Java知识 MySQL 文章标签： java 前端算法

于 2024-03-10 22:20:24 首次发布

本文链接：https://blog.csdn.net/m0_74106420/article/details/136610610

版权

Java知识同时被 2 个专栏收录

85 篇文章 0 订阅

订阅专栏

MySQL

7 篇文章 0 订阅

订阅专栏

查询优化以及索引优化

1、数据准备

学员表插 50万条，班级表插 1万条

步骤1：建表

CREATE TABLE `class` (
  `id` INT (11) NOT NULL AUTO_INCREMENT,
  `className` VARCHAR (30) DEFAULT NULL,
  `address` VARCHAR (40) DEFAULT NULL,
  `monitor` INT NULL,
  PRIMARY KEY (`id`)
) ENGINE = INNODB AUTO_INCREMENT = 1 DEFAULT CHARSET = utf8;

CREATE TABLE `student` (`id` INT (11) NOT NULL AUTO_INCREMENT,
`stuno` INT NOT NULL,
`name` VARCHAR (20) DEFAULT NULL,
`age` INT (3) DEFAULT NULL,
`classId` INT (11) DEFAULT NULL,
PRIMARY KEY (`id`) #CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`) 
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

步骤2：设置参数

命令开启：允许创建函数设置：

# 不加global只是当前窗口有效。
set global log_bin_trust_function_creators=1;

步骤3：创建函数

#随机产生字符串 
DELIMITER //

CREATE FUNCTION rand_string (n INT) RETURNS VARCHAR (255)
BEGIN
  DECLARE chars_str VARCHAR (100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
  DECLARE return_str VARCHAR (255) DEFAULT '';
  DECLARE i INT DEFAULT 0;
  WHILE
    i < n DO SET return_str = CONCAT (
      return_str,
      SUBSTRING (chars_str, FLOOR (1+ RAND () * 52), 1)
    );
    SET i = i + 1;
  END WHILE;
  RETURN return_str;
END //

DELIMITER;

#假如要删除
# drop function rand_string;

随机产生班级编号

#用于随机产生多少到多少的编号 
DELIMITER //

CREATE FUNCTION rand_num (from_num INT, to_num INT) RETURNS INT (11)
BEGIN
  DECLARE i INT DEFAULT 0;
  SET i = FLOOR (
    from_num + RAND () * (to_num - from_num + 1)
  );
  RETURN i;
END //

DELIMITER;
#假如要删除
# drop function rand_string;

步骤4：创建存储过程

#创建往stu表中插入数据的存储过程
DELIMITER //

CREATE PROCEDURE insert_stu (START INT, max_num INT)
BEGIN
  DECLARE i INT DEFAULT 0;
  SET autocommit = 0;
  REPEAT
    SET i = i + 1;
    INSERT INTO student (stuno, NAME, age, classId)
    VALUES
      (
        (START + i),
        rand_string (6),
        rand_num (1, 50),
        rand_num (1, 1000)
      );
    UNTIL i = max_num
  END REPEAT;
  COMMIT;
END //

DELIMITER;
#drop PROCEDURE insert_stu;

创建往class表中插入数据的存储过程

#执行存储过程，往class表添加随机数据 
 DELIMITER //

CREATE PROCEDURE `insert_class` (max_num INT)
BEGIN
  DECLARE i INT DEFAULT 0;
  SET autocommit = 0;
  REPEAT
    SET i = i + 1;
    INSERT INTO class (classname, address, monitor)
    VALUES
      (
        rand_string (8),
        rand_string (10),
        rand_num (1, 100000)
      );
    UNTIL i = max_num
  END REPEAT;
  COMMIT;
END //

DELIMITER;
#drop PROCEDURE insert_stu;

步骤5：调用存储过程

class

#执行存储过程，往class表添加1万条数据 
CALL insert_class(10000);

stu

#执行存储过程，往stu表添加50万条数据 
CALL insert_stu(100000,500000);

步骤6：删除某表上的索引

创建存储过程

DELIMITER //

CREATE PROCEDURE `proc_drop_index` (
  dbname VARCHAR (200),
  tablename VARCHAR (200)
)
BEGIN
  DECLARE done INT DEFAULT 0;
  DECLARE ct INT DEFAULT 0;
  DECLARE _index VARCHAR (200) DEFAULT '';
  DECLARE _cur CURSOR FOR
  SELECT
    index_name
  FROM
    information_schema.STATISTICS
  WHERE table_schema = dbname
    AND table_name = tablename
    AND seq_in_index = 1
    AND index_name <> 'PRIMARY';
  #每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束 
   DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = 2;
  #若没有数据返回,程序继续,并将变量done设为2 
   OPEN _cur;
  FETCH _cur INTO _index;
  WHILE
    _index <> '' DO SET @str = CONCAT (
      "drop index ",
      _index,
      " on ",
      tablename
    );
    PREPARE sql_str FROM @str;
    EXECUTE sql_str;
    DEALLOCATE PREPARE sql_str;
    SET _index = '';
    FETCH _cur INTO _index;
  END WHILE;
  CLOSE _cur;
END //

DELIMITER;

# 执行存储过程
CALL proc_drop_index("dbname","tablename");

2、索引失效案例

2.1 全值匹配我最爱

==where子句中出现的所有字段，都会去匹配索引。找到使用索引的最优解。==

系统中经常出现的sql语句如下：

EXPLAIN select sql_no_cache * from student where age = 30;
EXPLAIN select sql_no_cache * from student where age = 30 and classId = 4;
EXPLAIN select sql_no_cache * from student where age = 30 and classId = 4 and name = 'abcd';

建立索引前执行：（关注时间）

mysql> EXPLAIN select sql_no_cache * from student where age = 30 and classId = 4 and name = 'abcd';
Empty set , 1 warning(0.28 sec)

建立索引

create index idx_age on student(age);

create index idx_age_classId on student(age,classId);

create index idx_age_classId_name on student(age,classId,name);

可以看到，创建索引前查询时间是0.28秒，创建索引后的查询时间是0.01s,有效利用索引，可以帮我们极大的提升查询效率。

2.2 最左前缀法则

在MySQL建立联合索引时，会遵守最佳左前缀匹配原则，即最左优先匹配原则，在检索数据时，从联合索引的最左边开始匹配。

eg1：

EXPLAIN select sql_no_cache * from student where student.age=30 and student.name = 'abcd';

eg2：

EXPLAIN select sql_no_cache * from student where student.classId=1 and student.name = 'abcd';

eg3：索引idx_age_classId_name还能正常使用？

EXPLAIN select sql_no_cache * from student where classId = 4 and  student.age=30 and student.name = 'abcd';

==如果索引了多列，就要遵守最左前缀原则，指的是查询从索引的最左列开始并且不跳过索引中的列。==

EXPLAIN select sql_no_cache * from student where student.age=30 and student.name = 'abcd';

虽然可以被正常使用，但是只有部分被使用到了。

EXPLAIN select sql_no_cache * from student where classId=1 and name = 'abcd';

因为缺少了联合索引的最左列，所以没有使用上索引。

结论：Mysql可以为多个字段创建索引，一个索引包括16个字段。==对于联合索引，过滤条件要使用索引必须按照索引建立时的顺序，依次满足，一旦跳过某个字段，索引后的字段都无法被使用。如果查询的条件中没有使用到这些字段中的第一个字段时，联合索引将不会被使用。==

扩展：Alibaba 《java开发手册》

索引文件具有B-tree的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引

2.3 主键插入顺序

对于一个使用innoDB存储引擎的表来说，在我们没有显示的创建索引时，表中的数据实际上都是存储在聚簇索引的叶子节点上的。

而记录又是存储在数据页中的，数据页和记录又是按照记录主键值从小到大的顺序进行排序，所以如果我们插入的记录的==主键值是依次增大==的话，那么我们每插满一个数据页就换到下一个数据页继续插，而==如果我们插入的主键值忽大忽小的话，就可能出现页分裂的情况==。

如果此时再插入一条数据为9的记录，那它插入的位置就如下图所示

可能这个数据页已经满了，再插进来怎么办呢？我们需要把当前页面分裂成两个页面，把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么？

==就意味着：性能消耗！==

==所以我们想尽量避免这样无谓的性能损耗，最好让插入的记录主键值依次递增，这样就不会发生这样的性能损耗了。==所以我们建议，让主键具有auto_increment，让存储引擎自己为表生成主键，而不是我们手动插入，比如person_info表

CREATE TABLE person_info (
  id INT UNSIGNED NOT NULL AUTO_INCREMENT,
  NAME VARCHAR (100) NOT NULL,
  birthday DATE NOT NULL,
  phone_number CHAR (11) NOT NULL,
  country VARCHAR (100) NOT NULL,
  PRIMARY KEY (id),
  KEY idx_name_birthday_phone_number (NAME (10), birthday, phone_number)
);

我们自定义的主键列 id 拥有 AUTO_INCREMENT 属性，==在插入记录时存储引擎会自动为我们填入自增的主键值。这样的主键占用空间小，顺序写入，减少页分裂。==

2.4 计算、函数、类型转换（自动|手动）导致索引失效

1、这两种sql哪种写法更好

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';

2、创建索引

CREATE INDEX idx_name ON student(NAME);

第一种：索引优化生效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';

第二种：索引失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';

==索引列上不能使用函数==

再举例：

student表的字段stuno上设置有索引

CREATE INDEX idx_sno ON student(stuno);

EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;

索引优化生效：

EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;

==索引列上不能有计算==

再举例：

student表的字段name上设置有索引

CREATE INDEX idx_name ON student(NAME);

EXPLAIN SELECT id, stuno, name FROM student WHERE SUBSTRING(name, 1,3)='abc';

EXPLAIN SELECT id, stuno, NAME FROM student WHERE NAME LIKE 'abc%';

2.5 类型转型导致索引失效

下列哪个sql可以使用到索引（假设name字段上设置有索引）

# 未使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name=123;

# 使用到索引 
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name='123';

==name=123发生类型转换，索引失效。==

2.6 范围条件右边的列索引失效

ALTER TABLE student DROP INDEX idx_name; 

ALTER TABLE student DROP INDEX idx_age;

ALTER TABLE student DROP INDEX idx_age_classid;

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' ;

那么索引，idx_age_classId_name，这个索引还能正常使用么?

不能，范围右边的列不能使用比如 ==(<)，（<=）,（>），(>=)和between等范围条件==
如果出现这种SQL，应该建立,将使用范围查找的字段放到最后

create index idx_age_name_classid on student(age,name,classid);

将范围查询条件放置语句最后：

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abc' AND student.classId>20 ;

应用开发中范围查询，例如，金额查询，日期查询往往都是范围查询。应该将查询条件防止where语句最后

（创建的联合索引中，务必把范围涉及到的字段写在最后）

2.7 不等于（!= | <> ）索引失效

为name字段创建索引

create index idx_name on student(name);

查看索引是否失效

explain select sql_no_cache * from student where name <> 'abc'

或者

explain select sql_no_cache * from student where name != 'abc'

场景举例：用户踢出需求，将财务数据，产品利润金额不等于0的都统计出来。

2.8 is null 可以使用索引，is not null 无法使用索引

is null：可以触发索引

explain select sql_no_cache * from student where age is null;

is not null ：不能触发索引

explain select sql_no_cache * from student where age is not null;

==结论：最好在设计表的时候就将字段设置为 not null 约束==

比如你可以将int类型的字段，默认值设置为0，将字符类型的默认值设置为空字符串（''）

==扩展：同理，在查询中使用not like 也无法使用索引，导致全表扫描==

2.9 like以通配符%开头索引失效

在使用like关键字的查询语句中，如果匹配字符串的第一个字符为"%"，索引就不会起作用，只有"%"不在第一个位置，索引才会起作用。

使用到索引

explain select sql_no_cache * from student where name like 'ab%';

未使用到索引

explain select sql_no_cache * from student where name like '%ab%';

扩展：Alibaba《Java手册》

【强制】页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎模块解决（一般互联网都使用ES，原理是倒排索引）

2.10 OR前后存在非索引的列，索引失效

在Where子句中，如果在OR 前的条件列进行了索引，而在OR后的条件列没有进行索引，那么索引也会失效。==也就是说，OR前后的两个条件中的列都是索引时，查询中才会使用索引。==

因为OR的含义就是两个只要满足一个条件即可，因此只有一个条件列进行了索引是没有意义的，只要有条件列没有进行索引，就会进行全表扫描，因此索引列也会失效。

查询语句使用OR关键字的情况

# 未使用到索引
explain select sql_no_cache * from student where age = 10 OR classid = 100;

因为calssid字段没有索引，所以导致上述查询语句没有使用到索引。

# 使用到索引
explain select sql_no_cache * from student where age = 10 OR name = 'Abel';

因为age字段和name字段上都有索引，所以查询中使用了索引，你能看道这里使用了index_merge，简单来说index_merge，就是对age和name属性分部进行了扫描，然后将这两个结果集进行了合并。这样做的好处就是避免了全表扫描。

2.11 数据库和表的字符集统一使用utf8mb4

统一使用uft8bm4(5.5版本以上才支持)兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不同的字符集进行比较前需要进行转换，导致索引失效。

2.12 总结

一般性建议：

对于单列索引，尽量选择针对当前query过滤性更好的字段进行索引
在选择组合索引的时候，当前query中过滤性最好的字段在索引字段顺序中，位置越靠前越好。
在选择组合索引的时候，尽量选择能够包含当前query中的where子句中更多字段的索引。（区分度越高）
在选择组合索引的时候，如果某个字段可能出现范围查询时，尽量把这个字段放在索引次序的最后面。

==总之，写SQL时，尽量避免造成索引失效的情况。==

3、关联查询优化

3.1 数据准备

3.2 采用左外连接

下面开始EXPLAIN分析

EXPLAIN select sql_no_cache * from type left join book on type.card = book.card;

#在外连接中，左边的表 叫驱动表，右边的表叫做被驱动表

添加索引

create index idx_book_card on book(card); 

create index idx_type_card on book(card); 

# 如果类型不一致，可以去掉其中一个表得索引。

左连接特性决定：

==left join条件用于确定如何从右表搜索行，左边一定都有，所以右边是我们的关键点，一定需要建立索引==

3.3 采用内连接

换成inner join（Mysql会自动选择驱动表）

explain select sql_no_cache * from type inner join book on type.card = book.card;

添加索引优化

create index idx_book_card on book(card); 

create index idx_type_card on book(card);

结论：

对于内连接来说，查询优化器是可以决定谁作为驱动表，谁作为被驱动表出现的。（explain的结果上面是驱动表，下面的是被驱动表）
对于内连接来说，连接条件中只有一个字段有索引，==则有索引的字段所在的表会被作为被驱动表==。
==对于内连接来说，在两个表的连接条件都存在索引的情况下，会选择小表作为驱动表。对应一个优化原则（小表驱动大表）==，小表就是扫描查询成本比较低的表

3.4 join语句原理

join方式连接多个表，本质就是各个表之间数据的循环匹配。Mysql5.5版本之前，Mysql只支持一种表间关联方式，就是嵌套循环（Nested Loop Join）。如果关联表的数据量很大，则join关联的执行时间会非常长。在Mysql5.5以后的版本中，Mysql通过引入BNLJ算法来优化嵌套执行。

1、驱动表与被驱动表

驱动表就是主表，被驱动表就是从表、非驱动表。

对于内连接来说

select * from A join B ON ....

A一定是驱动表吗？不一定，优化器会根据你查询语句做优化，决定先查哪张表。先查询的那张表就是驱动表，反之就是被驱动表。通过explain关键字可以查看。

对于外连接来说

select * from A left join B ON .... 

select * from B right join A ON ....

通常，==大家会认为A就是驱动表，B就是被驱动表。但也未必==。测试如下：(查询优化器会选择查询成本最小的表作为驱动表)

create table a(f1 INT, f2 INT,INDEX(f1))ENGINE=INNODB;

create table b(f1 INT, f2 INT)ENGINE=INNODB;

insert into a values (1,1)(2,2)(3,3)(4,4)(5,5),(6,6);

insert into b values (3,3)(4,4)(5,5),(6,6)(7,7),(8,8);

select * from b;

//测试1
EXPLAIN select * from a left join on(a.f1 = b.f1) where (a.f2 = b.f2);

//测试2
EXPLAIN select * from a left join on (a.f1 = b.f1) and (a.f2 = b.f2);

2、Simple Nested-Loop Join(简单嵌套循环连接)

算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放到result....以此类推，驱动表A中的每条记录与被驱动表B的记录进行判断：

==（每次从驱动表A拿出一条数据去遍历被驱动表所有记录）==

可以看出这种效率是非常底下的，以上述表A数据100条，表B数据1000条计算（==以上条数是where条件过滤后的数据条数==），则A*B = 10w次，开销统计如下：

==表小的做驱动表，表大的做被驱动表，这就是小表驱动大表的由来。==

开销统计（A=100,B=1000）	SNLJ
外表扫描次数（小表A）	1
内表扫描次数（大表B）	A
读取记录数	B*A+A
join比较次数	B*A
回表读取记录次数	0

当然Mysql肯定不会这么粗暴的去进行表的连接，所以就出现了后面的两种对Nested-Loop Join 优化算法。

3、Index Nested-Loop Join(索引嵌套循环连接)

Index Nested-Loop Join其优化的思路主要是为了减少内层表数据的匹配次数，所以要求被驱动表上必须有索引才行。==通过外层表匹配条件直接与内层表索引进行匹配，避免和内层表的每条记录去进行比较，这样极大的减少了对内层表的匹配次数==。

==驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的==，故mysql优化器都倾向于使用记录数少的表作为驱动表。

开销统计	SNLJ	INLJ
外表扫描次数	1	1
内表扫描次数	A	0
读取记录数	A+B*A	A+B(match)
join比较次数	B*A	A*Index(Height)
回表读取记录次数	0	B(match)(if possible)

如果被驱动表加索引，效率是非常高的，但如果索引不是主键索引，所以还要进行一次回表查询。相比，被驱动表索引是主键，效率会更高。

4、Block Nested-Loop Join（块嵌套循环连接）

如果存在索引，那么会使用index的方式进行join，如果join的列没有索引，被驱动表要扫描的次数太多了。每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把驱动表的记录再加载到内存匹配，这样周而复始，大大增加了IO的次数。为了减少被驱动表的IO次数，就出现了Block Nested-Loop Join的方式。

不再是逐条获取驱动表的数据，而是一块一块的获取，引入了join buffer 缓冲区，将驱动表join相关的部分数据列（大小受join buffer的限制）缓存到join buffer中，然后全表扫描驱动表，被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配（内存中操作），将简单嵌套循环中的多次比较合并成一次，降低了被驱动表的访问频率。

注意：

这里缓存的不只是关联的列，select 后面的列也会缓存起来。

在一个有N个join关联的sql中会分配 n-1个join buffer。所以查询的时候尽量减少不必要的字段，可以让join buffer中可以存放更多的列。

开销统计	SNLJ	INLJ	BNLJ
外表扫描次数	1	1	1
内表扫描次数	A	0	A * user_column_size/ join_buffer_size +1
读取记录数	A+B*A	A+B(match)	A+B * （A * userd_column_size/join_buffer_size）
join比较次数	B*A	A*Index(Height)	B*A
回表读取记录次数	0	B(match)(if possible)	0

参数设置

block_nested_loop

通过show variable like '%optimizer_switch'查看block_nested_loop状态。默认是开启的。

join_buffer_size

驱动表能不能一次加载完，要看join buffer 能不能存储所有的数据，默认情况下join_buffer_size = 256k

5、join小结

1、整体效率：INLJ > BNLJ > SNLJ

2、永远用小结果集驱动大结果集（本质就是减少外层循环的数据数量）（小的度量单位指的是表行数 * 每行大小）

3、为被驱动表匹配的条件增加索引（减少内层表的循环匹配次数）

4、增大join buffer size 的大小（一次缓存的数据越多，那么内层扫描的次数就越少）

5、减少驱动表不必要的查询字段（字段越少，join buffer 所缓存的数据就越多）

6、Hash Join

从Mysql8.0.20版本引入，废弃了BNLJ

Hash Join 是做 大量数据集连接时的常用方式，优化器使用两个表中较小的表利用Join Key在内存中建立散列表，然后扫描较大的表并探测散列表，找出与Hash表匹配的行。
- 这种方式适用于较小的表完全可以存放于内存中的情况，这样总成本就是访问两个表的成本之和
- 在表很大的情况下并不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就该分区写入磁盘的临时段，此时要求有较大的临时表而尽量提高IO的性能
- 它能很好的工作于没有索引的大表和并行查询的环境中，并提供最好的性能。大多数人都说它时Join的重型升降机，Hash Join只能应用于等值连接（如Where A.code1 = B.code2），这是由于Hash的特点所决定的。

3.5 小结

保证被驱动表的JOIN字段已经创建了索引
需要JOIN 的字段，数据类型保持绝对一致
LEFT JOIN 时，选择小表作为驱动表， 大表作为被驱动表 。减少外层循环的次数
INNER JOIN 时，MySQL会自动将 小结果集的表选为驱动表 。选择相信MySQL优化策略
能够直接多表关联的尽量直接关联，不用子查询。(减少查询的趟数)
不建议使用子查询，建议将子查询SQL拆开结合程序多次查询，或使用 JOIN 来代替子查询
衍生表建不了索引

4、子查询优化

MySQL从4.1版本开始支持子查询，使用子查询可以进行SELECT语句的嵌套查询，即一个SELECT查询的结果作为另一个SELECT语句的条件。 子查询可以一次性完成很多逻辑上需要多个步骤才能完成的SQL操作 。

子查询的效率不高。原因：

1、执行子查询时MySQL需要为内层查询语句的查询结果 建立一个临时表,然后外层查询语句从临时表中查询记录。查询完毕后，再 撤销这些临时表 。这样会消耗过多的CPU和IO资源，产生大量的慢查询

2、子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都 不会存在索引 ，所以查询性能会受到一定的影响

3、对于返回结果集比较大的子查询，其对查询性能的影响也就越大

在MySQL中，可以使用连接（JOIN）查询来替代子查询。连接查询 不需要建立临时表 ，其 速度比子查询要快 ，如果查询中使用索引的话，性能就会更好

结论：尽量不要用NOT IN 或者 NOT EXISTS，用Left join xxx ON xxx where xx IS NULL 代替

5、排序优化

5.1 排序优化

**问题：**在 WHERE 条件字段上加索引，但是为什么在 ORDER BY 字段上还要加索引呢？

回答：

在Mysql中，支持两种排序方式，分别是FileSort和Index排序

index排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
FileSort排序则一般在内存中进行排序，占用CPU较多。如果待排结果较大，会产生临时文件I/O到磁盘进行排序的情况，效率很低。

优化建议：

1、SQL 中，可以在 WHERE 子句和 ORDER BY 子句中使用索引

目的是在 WHERE 子句中避免全表扫描。

在 ORDER BY 子句 避免使用 FileSort 排序 。

当然，某些情况下全表扫描，或者 FileSort 排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率

2、尽量使用 Index 完成 ORDER BY 排序。如果 WHERE 和 ORDER BY 后面是相同的列就使用单索引列；如果不同就使用联合索引

3、无法使用 Index 时，需要对 FileSort 方式进行调优

5.2 小结

INDEX a_b_c(a,b,c)

order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a,b
- ORDER BY a,b,c
- ORDER BY a DESC,b DESC,c DESC

如果WHERE使用索引的最左前缀定义为常量，则order by 能使用索引
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b > const ORDER BY b,c

不能使用索引进行排序
- ORDER BY a ASC,b DESC,c DESC /* 排序不一致 */
- WHERE g = const ORDER BY b,c /*丢失a索引*/
- WHERE a = const ORDER BY c /*丢失b索引*/
- WHERE a = const ORDER BY a,d /*d不是索引的一部分*/
- WHERE a in (...) ORDER BY b,c /*对于排序来说，多个相等条件也是范围查询*/

5.3 案例实战

ORDER BY子句，尽量使用Index方式排序，避免使用FileSort方式排序

执行案例前先清除student上的索引，只留主键：

DROP INDEX idx_age ON student; 

DROP INDEX idx_age_classid_stuno ON student; 

DROP INDEX idx_age_classid_name ON student;

场景:查询年龄为30岁的，且学生编号小于101000的学生，按用户名称排序

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

查询结果如下：

SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;

结论：type是ALL，即最坏得情况。Extra里还出现了Using filesort 也是最坏的情况。优化是必须的。

优化思路

方案一：为了去掉filesort我们可以把索引建成

#创建新索引
CREATE INDEX idx_age_name ON student(age,NAME);

方案二：尽量让where的过滤条件和排序使用上索引

建立三个字段的联合索引

DROP INDEX idx_age_name ON student; 

CREATE INDEX idx_age_stuno_name ON student 
(age,stuno,NAME); 

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;

结果竟然有 filesort的 sql 运行速度，超过了已经优化掉filesort的sql，而且快了很多，几乎一瞬间就出现了结果。

结论:

1、两个索引同时存在，mysql自动选择最优的方案。但是随着数据量的变化，选择的索引也会随之变化的。

2、当【范围查找】和【group by 或者 order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

5.4 filesort算法

排序的字段如果不在索引列上，则filesort会有两种算法：双路、单路排序

双路排序

取排序字段（扫描磁盘），再对buffer进行排序，再从磁盘取其他字段（扫描磁盘）

单路排序

从磁盘读取查询需要的所有列,按照order by列在buffer对它们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机IO变成了顺序IO，但是它会使用更多的空间，因为它把每一行都保存在内存中了。

但是单路排序是存在问题的。

在sort_buffer中，单路比多路要多占用很多空间，因为单路是把所有字段全部取出，所以有可能取出的数据的总大小超过了 sort_buffer_size的容量，导致每次只能取sort_buffer得容量大小的数据，进行排序（创建tmp文件，多路合并），排完再取sort_buffer容量大小，再排.....从而多次I/O

单路本来想省一次IO操作，反而导致了大量的IO操作，得不偿失

优化策略

1、尝试提高sort_buffer_size

不管使用双路还是单路，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程的1M-8M之间调整。Mysql5.7，innoDB存储引擎默认值是1048576字节，1MB

2、尝试提高max_length_for_sort_data

提高这个参数，会增加用改进算法的概率
但是如果设置的太高，数据总容量超出sort_buffer_size的概率就增大，**明显症状就是高的磁盘IO活动，低的CPU使用率。**如果需要返回的列总长度大于max_length_for_sort_data，使用双路，否则使用单路。

*3、order by 时 select 是大忌，最好只query需要的字段。

原因:

当query的字段大小总和小于max_length_for_sort_data，而且排序字段不是TEXT | BLOB类型时，会用改进后的算法-单路，否则用老算法-多路。
两种算法的数据都有可能超出sort_buffer_size的容量，超出之后，会创建tmp文件进行合并排序，导致多次I/O，但是用单路排序算法的风险可能更大一些，所以要提高sort_buffer_size；

6、Group by优化

group by 使用索引的原则几乎跟order by一致，group by 即使没有过滤条件用到索引，也可以直接使用索引
group by 先排序再分组，遵照索引建的最佳左前缀法则
当无法使用索引列，增大 max_length_for_sort_data 和 sort_buffer_size 参数的设置
where效率高于having，能写在where限定的条件就不要写在having中了
减少使用order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。Order by、group by、distinct这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的
包含了order by、group by、distinct这些查询的语句，where条件过滤出来的结果集请保持在==1000行==以内，否则SQL会很慢

7、优化分页查询

一般分页查询时，通过创建覆盖所以能够笔记好的提高性能。一个常见又非常头疼的问题就是 limt 2000000,10此时需要排序前 2000010 条数据，但是仅仅需要返回2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大。

EXPLAIN select * from student limit 200000,10;

优化思路一

在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) aWHERE t.id = a.id;

优化思路二

该方案适用于主键自增的表，可以把limit查询转换成某个位置的查询

EXPLAIN select * from student id >2000000 limit 10;

8、优先考虑覆盖索引

8.1 什么是覆盖索引？

理解方式一：索引是高效找到行的一个方法，但是一般数据库也也能使用到索引找到一个列的数据，因此它不必读取整个行，毕竟索引叶子节点存储了它们索引的数据，当能通过读取索引就可以得到想要的数据，那就不需要读取行了。==一个索引包含了满足查询结果的数据就叫做覆盖索引==。

理解方式二：非聚簇复合索引的一种形式，它包括在查询里的select 、JOIN和WHERE子句用到的所有列（==即建索引字段正好是覆盖索引查询条件中所设计的字段）==

简单说就是 ==索引列+主键== 包含了 ==select 到 from之间查询的列==。

8.2 覆盖索引的利弊

好处：

==1、避免Innodb表进行索引的二次查询（回表）==

InnoDB是以聚集索引的顺序来存储的，对于InnoDB来说，二级索引在叶子节点中所保存的行的主键信息，如果是用二级索引查询数据，在查询到相应的键值后，还需要通过主键进行二次查询才能获取我们真实所需要的数据。

在覆盖索引中，二级索引的键值中可以获取所需要的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。

==2、把随机IO变成顺序IO加快查询效率==

由于覆盖索引是按键值的顺序存储的，对于IO密集型的范围查找来说，对比随机从磁盘读取每一行的数据IO要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取IO转变成索引查找的顺序IO

由于覆盖索引可以减少树的搜索次数，显示提高查询性能，所以使用覆盖索引是一个常用的性能优化。

弊端：

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考虑权衡了。这是业务DBA，或业务数据架构师的工作了。

9、如何给字符串添加索引

MySQL是支持前缀索引的。默认地，如果你创建索引的语句不指定前缀长度，那么索引就会包含整个字符串。

alter table teacher add index index1(email);

alter table teacher add index index2(email(6));

这两种不同的定义在数据结构和存储上有什么区别呢？下图就是这两个索引的示意图。

以及

如果使用的是index1（即email整个字符串的索引结构），执行顺序是这样的:

1、从index1索引树找到满足索引值是zhangssxyz@xxx.com的这条记录，取得ID2的值；

2、到主键上查到主键值是ID2的行，判断email的值是正确的，将这行记录加入结果集

3、取index1索引树上刚刚查到的位置的下一条记录，发现已经不满足email=' zhangssxyz@xxx.com ’的条件了，循环结束

这个过程中，只需要回主键索引取一次数据，所以系统认为只扫描了一行

如果使用的是index2（即email(6)索引结构），执行顺序是这样的：

1、从index2索引树找到满足索引值是’zhangs’的记录，找到的第一个是ID1

2、到主键上查到主键值是ID1的行，判断出email的值不是’ zhangssxyz@xxx.com ’，这行记录丢弃

3、取index2上刚刚查到的位置的下一条记录，发现仍然是’zhangs’，取出ID2，再到ID索引上取整行然后判断，这次值对了，将这行记录加入结果集

4、重复上一步，直到在idxe2上取到的值不是’zhangs’时，循环结束

==也就是说**使用前缀索引，定义好长度，就可以做到既节省空间，又不用额外增加太多的查询成本。**前面已经讲过区分度，区分度越高越好。因为区分度越高，意味着重复的键值越少==。

前缀索引对覆盖索引的影响：

结论：使用前缀索引就用不上覆盖索引对查询性能的优化了,这也是你在选择是否使用前缀索引时需要考虑的一个因素。

10、索引下推（ICP）

一般出现在联合索引的情况，第一个字段能够使用索引，第二个字段使用不上索引

不使用索引下推：导致数据经过第一个字段的筛选以后，再去将筛选后的数据去聚簇索引回表进行查询，然后在进行后续的条件筛选。

**使用索引下推：**导致数据经过第一个字段的筛选以后，先在原来的B+树上进行数据的筛选以后（减少了回表的次数，也就减少了IO次数），再去回表查询，然后在进行后续的条件筛选。

10.1 使用前后对比

Index Condition Pushdown（ICP）是Mysql5.6新特性，是一种在存储引擎层使用索引过滤数据的优化方式。

如果没有ICP，存储引擎会遍历索引以定位基表中的行，并将它们返回给Mysql服务器，由Mysql服务器评估 WHERE后面条件是否保留行。
启用ICP后，如果部分WHERE条件可以仅使用索引中的列进行筛选，则Mysql服务器会把这部分WHERE条件放到存储引擎筛选。然后。存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条时才从表中读取行。
- 好处：ICP可以减少存储引擎必须访问基表次数和Mysql服务器必须访问存储引擎的次数
- 但是，ICP加速效果，取决于在存储引擎内通过ICP筛选掉的数据比例。

10.2 ICP的开启/关闭

默认情况下启用索引条件下推。可以通过设置系统变量 optimizer_swith控制：index_condition_pushdown

# 打开索引下推
set optitmizer_switch = 'index_condition_pushdown = on';

# 关闭索引下推
set optitmizer_switch = 'index_condition_pushdown = off';

10.3 ICP使用案例

建表

插入数据

为该表定义联合索引zip_last_first（zipcode,lastname.firstname）。如果我们知道了一个人的邮编，但是不确定这个的姓氏，我们可以使用如下检索。

select * from people where zipcode = '00001' and lastname = '%张' and address = '%北京市%';

执行查看sql执行计划，Extra中显示了Using index condition，这表示使用了索引下推，另外，==Using where表示条件中包含需要过滤的非索引列的数据==，即address like '%北京市%'这个条件并不是索引列，需要在服务端过滤掉。

这个表中存在两个索引，分别是：

主键索引

联合索引(zip_last_first)（简图省略了叶子节点的数据页信息）

10.4 开启和关闭ICP的性能对比

往people表里面添加100w条数据

执行sql语句，打开和不打开索引下推的区别

select * from people where zipcode = '00001' and lastname like '%张%';

在数据量大的情况下，使用ICP的查询效率明显要 > 未使用的。

10.5 ICP的使用条件

1、如果表的访问类型为range、ref、er_ref和ref_or_null 可以使用ICP

2、ICP可以作用于InnoDB和MyIsam表。包括分区表InnoDB和MyIsam

3、对于InnoDB表，ICP仅用于二级索引。==ICP的目标就是减少全行读取次数，从而减少I/O操作==。

4、当SQL使用覆盖索引时，不支持ICP，因为在这种情况下使用ICP不会减少I/O，影响不大。

5、相关子查询条件不能使用ICP

11、普通索引vs唯一索引

从性能的角度考虑，你选择唯一索引还是普通索引呢？选择的依据是什么呢？

假设，我们有一个主键列为ID的表，表中有字段k，并且在k上有索引，假设字段 k 上的值都不重复。这个表的建表语句是

create table test(
    id int primary key,
    k int not null,
    name varchar(16),
    index (k)
)engine=InnoDB;

表中R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)。

11.1 查询过程

假设，执行查询的语句是 select id from test where k=5

对于普通索引来说，查找到满足条件的第一个记录(5,500)后，需要查找下一个记录，直到碰到第一个不满足k=5条件的记录
对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索

那么，这个不同带来的性能差距会有多少呢？答案是， ==微乎其微== 。因为两种方式加载的数据页其实都差不读的。只有I/O是特别耗时的。两种方式没有出现IO次数的太大差异。

11.2 更新过程

11.3 change buffer的使用场景

12、其他查询优化策略

12.1 EXISTS 和 IN 的区分

问题：

不太理解哪种情况下应该使用 EXISTS，哪种情况应该用 IN。选择的标准是看能否使用表的索引吗？

回答：

能否使用索引是前提，其实选择的时候还需要看表的大小。你可以选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

比如下面这样：

select * from A where cc IN (select cc from B);

select * from A where exists (select cc from B where B.cc = A.cc);

当A 小于 B时，用exists。因为exists的实现，相当于外表循环，实现的逻辑类似于：

for i in A
	for j in B
		if(j.cc = A.cc)
			then...

当B 小于 A时用IN，因为实现逻辑类似于

for i in B
	for j in A
		if(j.cc = A.cc)
			then...

==哪个表小就用哪个表来驱动，A表小就用exists，B表小就用IN。==

先开始扫描的一定时小表。

12.2 COUNT(*)与COUNT(具体字段)效率

问：在 MySQL 中统计数据表的行数，可以使用三种方式： SELECT COUNT(*) 、 SELECT COUNT(1) 和SELECT COUNT(具体字段) ，使用这三者之间的查询效率是怎样的？

答：

12.3 关于SELECT(*)

在表查询中，建议明确字段，不要使用 * 作为查询的字段列表，推荐使用SELECT <字段列表> 查询。原因：

1、MySQL 在解析的过程中，会通过 查询数据字典 将"*"按序转换成所有列名，这会大大的耗费资源和时间

2、无法使用 覆盖索引

12.4 LIMIT 1 对优化的

针对的是会扫描全表的 SQL 语句，如果你可以确定结果集只有一条，那么加上LIMIT 1的时候，当找到一条结果的时候就不会继续扫描了，这样会加快查询速度。

如果数据表已经对字段建立了唯一索引，那么可以通过索引进行查询，不会全表扫描的话，就不需要加上LIMIT 1 了

12.5 多使用COMMIT

只要有可能，在程序中尽量多使用 COMMIT，这样程序的性能得到提高，需求也会因为 COMMIT 所释放的资源而减少

COMMIT 所释放的资源：

回滚段上用于恢复数据的信息
被程序语句获得的锁
redo / undo log buffer 中的空间
管理上述 3 种资源中的内部花费

13、淘宝数据库，主键如何设计的？

聊一个实际问题：淘宝的数据库，主键是如何设计的？

某些错的离谱的答案还在网上年复一年的流传着，甚至还成为了所谓的MySQL军规。其中，一个最明显的错误就是关于MySQL的主键设计

大部分人的回答如此自信：用8字节的 BIGINT 做主键，而不要用INT。错！

这样的回答，只站在了数据库这一层，而没有 从业务的角度 思考主键。主键就是一个自增ID吗？站在2022年的新年档口，用自增做主键，架构设计上可能 连及格都拿不到

13.1 自增ID的问题

自增ID做主键，简单易懂，几乎所有数据库都支持自增类型，只是实现上各自有所不同而已。自增ID除了简单，其他都是缺点，总体来看存在以下几方面的问题：

可靠性不高

存在自增ID回溯的问题，这个问题直到最新版本的MySQL 8.0才修复

安全性不高

对外暴露的接口可以非常容易猜测对应的信息。比如：/User/1/这样的接口，可以非常容易猜测用户ID的值为多少，总用户数量有多少，也可以非常容易地通过接口进行数据的爬取

性能差

自增ID的性能较差，需要在数据库服务器端生成

交互多

业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值(主键回填的缺点)，这需要多一次的网络交互。在海量并发的系统中，多1条SQL，就多一次性能上的开销。

局部唯一性

最重要的一点，自增ID是局部唯一，只在当前数据库实例中唯一，而不是全局唯一，在任意服务器间都是唯一的。==对于目前分布式系统来说，这简直就是噩梦==

多台数据库服务器可能导致同一服务出现相同的主键，这就直接GG。

13.2 业务字段做主键

为了能够唯一地标识一个会员的信息，需要为 会员信息表 设置一个主键。那么，怎么为这个表设置主键，才能达到我们理想的目标呢？这里我们考虑业务字段做主键

在这个表里，哪个字段比较合适呢？

选择卡号（cardno）

会员卡号（cardno）看起来比较合适，因为会员卡号不能为空，而且有唯一性，可以用来标识一条会员记录

不同的会员卡号对应不同的会员，字段“cardno”唯一地标识某一个会员。如果都是这样，会员卡号与会员一一对应，系统是可以正常运行的。

但实际情况是， 会员卡号可能存在重复使用 的情况。比如，张三因为工作变动搬离了原来的地址，不再到商家的门店消费了（退还了会员卡），于是张三就不再是这个商家门店的会员了。但是，商家不想让这个会员卡空着，就把卡号是“10000001”的会员卡发给了王五

从系统设计的角度看，这个变化只是修改了会员信息表中的卡号是“10000001”这个会员信息，并不会影响到数据一致性。

系统的各个模块，都会获取到修改后的会员信息，不会出现“有的模块获取到修改之前的会员信息，有的模块获取到修改后的会员信息，而导致系统内部数据不一致”的情况。因此，从信息系统层面 上看是没问题的。

但是从使用 系统的业务层面 来看，就有很大的问题了，会对商家造成影响

比如，我们有一个销售流水表（trans），记录了所有的销售流水明细。2020 年 12 月 01 日，张三在门店购买了一本书，消费了 89 元。那么，系统中就有了张三买书的流水记录，如下所示

接着，我们查询一下 2020 年 12 月 01 日的会员销售记录

如果会员卡“10000001”又发给了王五，我们会更改会员信息表。导致查询时：

这次得到的结果是：王五在 2020 年 12 月 01 日，买了一本书，消费 89 元。显然是错误的！

==结论：千万不能把会员卡号当做主键==

选择会员电话或身份证号

会员电话可以做主键吗？不行的。在实际操作中，手机号也存在被运营商收回，重新发给别人用的情况

那身份证号行不行呢？好像可以。因为身份证决不会重复，身份证号与一个人存在一一对应的关系。可问题是，身份证号属于个人隐私

这也是我们在设计会员信息表的时候，允许身份证号和电话都为空的原因

所以，建议尽量不要用跟业务有关的字段做主键。毕竟，作为项目设计的技术人员，我们谁也无法预测在项目的整个生命周期中，哪个业务字段会因为项目的业务需求而有重复，或者重用之类的情况出现

经验：

刚开始使用 MySQL 时，很多人都很容易犯的错误是喜欢用业务字段做主键，想当然地认为了解业务需求，但实际情况往往出乎意料，而更改主键设置的成本非常高

主键这东西，一旦建好，谁都不要去修改。谁改谁傻逼。

13.3 淘宝的主键设计

在淘宝的电商业务中，订单服务是一个核心业务。请问， 订单表的主键 淘宝是如何设计的呢？是自增ID吗？

打开淘宝，看一下订单信息：订单号不是自增ID！我们详细看下上述4个订单号：

1550672064762308113
1481195847180308113
1431156171142308113
1431146631521308113

订单号是19位的长度，且订单的最后5位都是一样的，都是08113。且订单号的前面14位部分是单调递增的。

大胆猜测，淘宝的订单ID设计应该是:

订单ID = 时间 + 去重字段 + 用户ID后6位尾号

==这样的设计能做到全局唯一，且对分布式系统查询及其友好==

13.4 推荐的主键设计

非核心业务：对应表的主键自增ID，如告警、日志、监控等信息

**核心业务：**主键设计==至少应该是全局唯一且是单调递增==。全局唯一保证在各系统之间都是唯一的，单调递增是希望插入时不影响数据库性能(避免出现页分裂)

==尽量使用：雪花算法产生ID，即是全局唯一，也符合单调递增。UUID不太建议。但是能把UUID改造成单调递增的也勉强可以。==

UUID的特点：

全局唯一，占用36字节，数据无序，插入性能差

MySQL数据库的UUID组成如下所示

UUID = 时间+UUID版本（16字节）- 时钟序列（4字节） - MAC地址（12字节）

为什么UUID是随机无序的呢？

因为UUID的设计中，将时间低位放在最前面，而这部分的数据是一直在变化的，并且是无序。

改造UUID

若将时间高低位互换，则时间就是单调递增的了，也就变得单调递增了。MySQL 8.0可以更换时间低位和时间高位的存储方式，这样UUID就是有序的UUID了

MySQL 8.0还解决了UUID存在的空间占用的问题，除去了UUID字符串中无意义的"-"字符串，并且将字符串用二进制类型保存，这样存储空间降低为了16字节

可以通过MySQL8.0提供的uuid_to_bin函数实现上述功能，同样的，MySQL也提供了bin_to_uuid函数进行转化：

SET @uuid = UUID();

SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);

通过函数uuid_to_bin(@uuid,true)将UUID转化为有序UUID了。全局唯一 + 单调递增

在当今的互联网环境中，非常不推荐自增ID作为主键的数据库设计。更推荐类似有序UUID的全局唯一的实现

另外在真实的业务系统中，主键还可以加入业务和系统属性，如用户的尾号，机房的信息等。这样的主键设计就更为考验架构师的水平了。

如果不是MySQL8.0 肿么办？

手动赋值字段做主键！或者换成雪花id轻松解决。

雪花ID致命缺点

如果服务器的时间发生了错乱或者回拨，这就直接影响了生成的id，有很大可能生成重复的id，且一定会打破递增属性，这也是他的一个致命缺点(不支持服务器时间回拨

sqyaa.

关注

26
点赞
踩
14

收藏

觉得还不错? 一键收藏
打赏
0
评论
索引。。。

对于单列索引，尽量选择针对当前query过滤性更好的字段进行索引在选择组合索引的时候，当前query中过滤性最好的字段在索引字段顺序中，位置越靠前越好。在选择组合索引的时候，尽量选择能够包含当前query中的where子句中更多字段的索引。（区分度越高）在选择组合索引的时候，如果某个字段可能出现范围查询时，尽量把这个字段放在索引次序的最后面。==总之，写SQL时，尽量避免造成索引失效的情况。==理解方式一。
复制链接

扫一扫