【MySQL】索引+SQL优化

一、索引

1. 索引概述

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。

优势	劣势
提高数据检索的效率,降低数据库的IO成本	索引列也是要占用空间的
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	索引大大提高了查询效率,同时也降低更新表的速度,如对表进行INSERT/UPDATE/DELETE时,效率降低

2. 索引结构

2.1 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:

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,只有精准匹配索引列才有效,不支持范围查询
R-tree(空间索引)	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)	是一种通过建立倒排索引,快速匹配文档的方式.类似于Lucene,Solr,ES

不同的存储引擎对于索引结构的支持情况

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。

2.2 二叉树

• 二叉树缺点: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:大数据量情况下,层级较深,检索速度慢

2.3 B-Tree(多路平衡查找树)

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：

注意:

• 数据就是key, 指针1<20; 20<指针2<30; 30<指针3<62; 62<指针4<89; 指针5>89
• 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—>可视化

2.4 B+Tree

以一颗最大度数(max-degree)为4(4阶)的B+Tree树为例:

• 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，在其叶子节点中要存储具体的数据。

MySQL数据库中的B+Tree
MySQL索引数据结构对经典的B+Tree进行了优化.在原B+tree的基础上,增加了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,提高区间访问的性能

• 非叶子节点(除了最下面一排的上面黄色部分的结构)只是起到索引的作用
• 数据的存储在叶子节点(最下面的一排)当中
  

2.5 Hash

哈希索引就是采用一定的hash算法,将键值换成新的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)简直,映射到一个相同的槽位上,他们就产生了hash冲突(也叫hash碰撞),可以通过链表来解决

下图示例说明

1. id是主键,我们为name字段创建hash索引的数据结构
2. 先操作计算出 表中每一行数据的hash值,然后再拿到name字段的所有值,通过内部的哈希函数来计算每一个name值落在哈希表的槽位上
   

hash索引特点

1. hash索引只能用于对等比较(= , in),不支持范围查询 (between , > , < , …)
2. 无法利用索引完成排序操作
3. 查询效率高,通常只需要一次检索就可以了,效率通常要高于B+Tree索引
   在MySQL中,支持hash索引的是Memory引擎,而InnoDB中具有自适应hash功能,hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

为什么InnoDB存储引擎选择使用B+Tree索引结构?

1. 相对于二叉树,层级更少,搜索效率高
2. 对于B-Tree树,无论是叶子节点还是非叶子节点,都要保存数据,这样会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
3. 相对hash索引,B+Tree支持范围匹配及排序操作

3. 索引分类

分类	含义	特点	关键字
主键索引	针对表中主键创建的索引	默认自动创建，只能有一个	Primary
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

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：

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。

聚集索引的叶子节点挂的是表中这一行的数据
二级索引的叶子节点挂的是表中的id值

回表查询：分析select * from user where name=‘Arm’;的执行流程首先经过二级索引，找到id的值10，将id=10，通过聚集索引，找到对应的行数据。

4. 索引语法

创建索引

create [unique|fulltext] index 索引名 on 表名 (字段名1，字段名2，....);

-- 如果只有一个字段作为索引，叫单列索引
-- 如果有多个字段作为索引，叫联合索引（组合索引）

查看索引

show index from 表名;

删除索引

drop index 索引名 on 表名;

案例

-- name字段为姓名字段，该字段的值有可能会重复，为该字段创建索引
create index idx_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 idx_user_phone on tb_user (phone);
-- 为profession、age、status创建联合索引
create index idx_user_pro_age_status on tb_user (profession,age,status);
-- 为Email建立合适的索引来提高查询效率
create index idx_user_email on tb_user (email);
-- 删除索引
drop index idx_user_email on tb_user;

5. 索引使用

5.1 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）。
• 联合索引中，如果查询的没有最左的索引字段列，那么索引失效

-- 创建了一个联合索引
create index idx_user_pro_age_sta on tb_user (profession, age, status);

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;
explain select * from tb_user where profession='软件工程';

-- 下面是失去了最左的联合索引的列（失去了 profession='软件工程' ）
expalin select * from tb_user where age =31 and status ='0';
expalin select * from tb_user where status = '0';

查看第一条的执行计划

查看后续的执行计划

部分索引失效的案例说明

最左前缀法则和实际SQL放的位置无关，只在乎是否存在

5.2 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';
explain select * from tb_user where profession='软件工程' and age>=30 and status='0';

在业务运行的情况下，尽量写成 >= 或者 <= 这样，索引才不会失效

5.3 索引列运算

不要在索引列上进行运算操作，索引将会失效

-- substring(截取的字段,从哪一位置开始,截取几位) sql中是字符是从1开始计算
expalin select * from tb_user where substring(phone,10,2)='15';

5.4 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 profession='软件工程' and age=31 and status=0;
explain select * from tb_user where phone='17799990015';

5.5 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。
查询profession以 软件 为开头的数据

expalin select * from tb_user where profession like '软件%'; --索引正常
expalin select * from tb_user where profession like '%软件'; --索引失效
expalin select * from tb_user where profession like '%工%'; --索引失效

5.6 or连接的条件

• 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。
• 如果or条件的左右两边的两个字段都有索引，那么可以使用到索引

下图由于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age也要建立索引

create index idx_user_age on tb_user(age);

5.7 数据分步影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

如果表中 profession=null 的数据很少，会走索引，而 profession is not null走全表扫描

如果表中 profession=null 的数据很多，那么 profession is null 就不走索引，走全表扫描。而 profession is not null会走索引。

5.8 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。

1. user index ---- 指定【建议】使用哪个索引。至于使用与否，mysql还有评估
2. ignore index ---- 指定忽略哪个索引
3. force index ---- 指定强制使用哪个索引

expalin select * from tb_user use index(idx_user_pro) where profession='软件工程';
expalin select * from tb_user ignore index(idx_user_pro) where profession='软件工程';
expalin select * from tb_user force index(idx_user_pro) where profession='软件工程';

使用指定索引

5.9 覆盖索引

尽量使用覆盖索引（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），减少 select * 写法

注意：

1. using index condition:查找使用了索引，但是需要回表查询数据
2. 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

explain select id,profession from tb_user where profession='软件工程' and age=31 and status='0';
explain select id,profession,age,status from tb_user where profession='软件工程' and age=31 and status='0';

explain select id,profession,age,status,name 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';

5.10 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。

create index idx_xxx on tableName(column(n));

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。

select count(distinct email)/count(*) from tb_user;

select count(distinct substring(email,1,5)) / count(*) from tb_user;

5.11 单列索引与联合索引

• 单列索引：即一个索引包含单个列
• 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，考虑针对查询字段建立索引时，建议建立联合索引而非单列索引

explain select id,phone,name from tb_user where phone='17799990010' and name='韩信';

多条件联合查询时，mysql优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询

使用指定的联合索引之后性能分析，下面性能更高

6. 索引设计原则

1. 针对于数据量较大，且查询比较频繁地表建立索引
2. 针对于常作为查询（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. 索引要控制索引的数量，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，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，它可以更好的确定哪个索引最有效的用于查询

二、SQL优化

1. insert优化

批量插入

insert into tb_test values(),(),();

手动提交事务

start transaction;
insert into tb_test values (),(),();
insert into tb_test values (),(),();
insert into tb_test values (),(),();
commit;

主键顺序插入

主键乱序插入：0 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入：1 2 3 4 5 7 8 9 15 21 88 89

大批量插入数据
如果一次性需要插入大批量数据，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下

#客户端连接服务端时，加上参数 --local -infile
mysql --local-infile -u root -p
#设置全局参数local-infile为1，开启从本地加载文件导入数据的开关
set global local_infile=1;
#执行load指令将准备好的数据，加载到表结构中
# 文件名 表名 文件内容对应数据库表字段以什么作为隔开标志 每一行数据以什么标志作为换行
load data local infile '/root/sql1.log' into table `tb_user` fields terminated by ',' lines terminated by '\n';

2. 主键优化

数据组织方式
在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表（index organized table IOT）
每一个黄色的区域叫页，绿色存储的是这一行的数据

表空间有许多个段存储着，段空间中有许多个区存储着，区空间（1M）中存储64个页（16K），页空间中存储着行数据，行空间中存储着字段信息

页分裂
页可以为空，也可以填充一般，也可以填充百分之百。每个页包含了2-N行数据（如果一行数据多大，会行溢出），根据主键排列。

页合并
当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记(flaged)为删除并且他的空间变得允许被其他记录声明使用。当页中删除的记录达到MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。

MEGRE_THRESYHOLD:合并页的阈值，可以自己设置，在创建表或者创建索引时指定

主键设计原则

• 满足业务需求的情况下，尽量降低主键的长度
• 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键
• 尽量不要使用UUID做主键或者是其他自然主键，如身份证号
• 业务操作时，避免对主键的修改

3. order by优化

Using filesort：通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，不是通过索引直接返回排序结果的排序都叫 File Sort排序
Using index：通过有序索引顺序扫描直接返回有序数据，这种情况即为using index,不需要额外排序，操作效率高

总结：

1. 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则
2. 尽量使用覆盖索引
3. 多字段排序，一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC / DESC）
4. 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size（默认256k）

4. group by优化

--删除掉目前的联合索引 idx_user_pro_age_sta
drop index idx_user_pro_age_sta on tb_user;

--执行分组操作，根据profession字段分组
explain select profession, count(*) from tb_user group by profession;

--创建索引
create index idx_user_pro_age_sta on tb_user(profession,age,status);

--执行分组操作，根据profession字段分组
explain select profession, count(*) from tb_user group by profession;

--执行分组操作，根据profession字段分组
explain select profession,count(*) from tb_user group by profession,age;

5. limit优化

limit 2000000,10 此时需要MySQL排序钱2000010记录，仅仅返回2000000–2000010的记录，其他记录丢弃，查询排序的代价非常大

优化思路：一般分页查询时，通过创建覆盖索引能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化

explain select * from tb_sku t, (select id from tb_sku order by id limit 2000000,10) a where t.id=a.id;

6. count优化

explain select count(*) from tb_user;

• MyISAM引擎把一个表的总行数存在了磁盘上，因此执行count(*）的时候会直接返回这个数，效率很高
• InnoDB引擎就比较麻烦，它执行count(*)的时候，需要把数据一行一行的从引擎里面读出来，然后累计计数。

优化思路：自己计数 （或者使用redis，不过频繁修改也会影响性能）

count的几种用法

• count()是一个聚合函数，对于返回的结果集，一行行的判断，如果count函数的参数不是NULL，累计值就加1，否则不加，最后返回累计值
• 用法：count(*)、count(主键)、count(字段)、count(1)

1. count(主键) InnoDB引擎会遍历整张表，把每一行的主键id值都取出来，返回给服务层。服务层拿到主键后，直接按行累加（主键不可能为null）
2. count(字段) 没有not null约束：InnoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为NULL，不为NULL，计数累加。
   有not null约束：InnoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
3. count(1) InnoDB引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字 1 进去，直接按行进行累加
4. count(*) InnoDB引擎并不会把全部字段取出来，而是专门做了游湖啊，不取值，服务层直接按行进行累加

按照效率排序的话，count(字段) < count(主键id) < count(1) ≈ count(*)

7. update优化

update student set no='2000100100' where id=1

update student set no='2000100105' where name='韦一笑';

MySQL使用的是InnoDB引擎。而InnoDB引擎的行锁是基于索引的基础上加的锁，也就是说有这个字段的索引才有这个字段的锁。如果update的时候，update的字段是没有索引的字段，那么此时行锁会升级为表锁。其他窗口进行事务的时候，将不能commit。要么update的字段添加索引，要么先把第一个update的事务提交其他的事务才能进行。