MySQL索引常见术语(索引下推、索引覆盖、最左匹配等)

本文详细介绍了MySQL索引的常见术语,包括聚簇索引与非聚簇索引的区别,回表现象及其影响,如何利用索引覆盖来优化查询,以及索引最左匹配原则。此外,还讨论了索引下推在MySQL 5.6及以后版本中的作用,以减少回表次数,提高查询效率。
摘要由CSDN通过智能技术生成

一:背景

        我们在面试中都知道,对于MySQL索引是必问的。大家也应该都知道MySQL的数据结构,什么是索引。其中在面试中,面试官也经常问,你做过哪些优化?本文主要是介绍MySQL索引的一些常见术语,比如索引下推、索引覆盖、最左匹配等,这些其实也是MySQL优化的一部分,能够熟练运用也是可以提升MySQL性能。

二:索引常见术语

2.1 聚簇索引和非聚簇索引

聚簇索引:数据和索引存储在一起,数据访问更快、叶子节点逻辑连续的所以排序、范围查找会更快。InnoDB的主键索引我们叫做聚集索引
innodb存储引擎在进行插入数据的时候,数据必须跟某个索引列存储在一起,这个索引列可以是主键,如果没有主键,选择唯一健,如果没有唯一健,选择6字节的rowid(隐藏列)来进行存储。
数据必定是跟某个索引绑定在一起的,绑定的索引叫聚簇索引(innodb只有主键索引才是聚簇索引)。
其他索引(辅助索引)的叶子存储的数据不再是一整行记录,而且聚簇索引的id值。所以聚簇索引保存数据,辅助索引加快查询速度。

非聚簇索引:数据和索引存储没有存储在一起;MYISAM的是非聚集索引,索引和数据是分开存储的

2.2 回表

回表:select * 或者查询的字段没有索引的字段时候,结果就会去查主键索引,在获取其他字段,这就叫做回表。可以看出回表效率低,要尽量避免回表。

2.3 索引覆盖

上面说的回表效率低,所以就要优化。索引覆盖就是解决回表的。


explain执行计划Extra字段出现的using index,推荐使用,效率也高,不用去回表。另一个优化点:如果查询结果列中只有一个字段是索引,可以考虑用联合索引,此时就会用索引覆盖(换句话说查询列要被所建的索引覆盖),不会去回表操作,加快查询效率。

2.4 索引最左匹配

索引创建时可以选择多个列共同组成联合索引,就要遵循最左匹配原则。为什么是要从左边开始呢?主要是索引创建的时候,索引key是按照从左到右排好序的。

 id主键,name、age联合索引

select   * from table where name ="ss" and age =12    name在左边走

select   * from table where name ="ss"                             走索引

select   * from table where age =12                               不走索引

select   * from table where  age =12 and name ="ss"   走索引,实际查询结果跟第一条一样,msyql会内部排序,即extra字段using filesort

2.5 索引下推

索引下推:在Mysql5.6的版本上推出,用于优化非主键索引(辅助索引)查询。默认开启,explain执行计划Extra的值为Using index condition。 带着联合索引的全部字段去存储引擎查找数据,缩小数据量,这样到server层去回表查询全部数据时次数也少量,索引下推可以有效减少回表的次数,大大提升了查询的效率。

eg:例子说明索引下推, 联合索引(name,age)

5.6 版本之前:联合索引(name,age)没有索引下推,只带name去存储引擎查找,数据肯定多

5.6 版本之后: 索引下推,带着name和age去存储引擎查找

三:总结

本文运用例子介绍MySQL索引常见术语,对于这些术语的理论知识是很重要的,我们只有知道了理论知识,知道每个技术是做什么的,才能去优化MySQL,合理使用索引,提升sql语句的效率。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小明爱吃火锅

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值