【数据库】Mysql中的索引与失效场景

最新推荐文章于 2024-03-21 14:32:07 发布
最新推荐文章于 2024-03-21 14:32:07 发布
阅读量469 收藏
点赞数 1
分类专栏： mysql 文章标签： 数据库 mysql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_22744093/article/details/132424605
版权

1、前言

MySQL中数据表设计合理的索引对提高性能很有帮助。使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
大多数情况下都（默认）采用B+ 树来构建索引。只是空间列类型的索引使R- 树，并且MEMORY 表还支持hash 索引。其实，用不用索引最终都是优化器说了算。 执行优化器是基于cost开销(CostBaseOptimizer) ，它不是基于规则（ Rule-BasedOptimizer），也不是基于语义。另外 SQL 语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。但是，还是有一些明显的规则可以去判别是否索引失效，比如：最左匹配原则、数据类型转换、反向判断等。

1.1、索引类型

MySQL支持多种类型的索引结构，包括B+tree、Hash、R-tree和Full-text等。
B+tree索引：MySQL中最常用的一种索引结构。B+tree是一种平衡树，每个节点的度数在一个范围之内，并且每个叶子节点都在同一层上。B+tree索引可以在极短的时间内进行查找、排序和插入等操作，适合于较小的索引和范围查询。
Hash索引：一种使用哈希表实现的索引结构。哈希索引在存储数据时将key和值映射到一个哈希表中的位置，查询时可以直接通过计算key的哈希值来快速访问数据。哈希索引适合等值查询（即查询操作中通过“=”来查询数据）。
R-tree索引：一种用于存储和查询基于位置的数据的索引结构。R-tree索引可以在地理信息系统（GIS）中使用，用于查询特定区域内的位置数据。
Full-text索引：一种用于对文本列进行全文搜索的索引结构。Full-text索引可以在文本中查找关键字和短语，并返回匹配的行。Full-text索引适合于对大量文本数据进行搜索和过滤的场景。

1.2 分析工具EXPLAIN

例子：

explain select * from person where age = 9
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_age_IDXperson_age_IDX5const1100.0
字段含义
id执行select查询语句的序号，它是sql执行的顺序的标识，sql按照id从大到小执行，id相同的为一组，从上到下执行
select_type查询的类型，也就是对应的是简单查询还是复杂查询
table表名
partitions当前查询匹配记录的分区。对于未分区的表，返回null
type连接类型，有如下几种取值，性能从好到坏排序：system>const>eq_ref>ref>index_merge>range>index>ALL
possible_keys展示当前查询可以使用哪些索引，这一列的数据是在优化过程的早期创建的，因此有些索引可能对于后续优化过程是没用的
key表示MySQL实际选择的索引
key_len索引使用的字节数。由于存储格式，当字段允许为NULL时，key_len比不允许为空时大1字节
rowsMySQL估算会扫描的行数，数值越小越好
ref表示将哪个字段或常量和key列所使用的字段进行比较
filtered表示符合查询条件的数据百分比，最大100。用rows × filtered可获得和下一张表连接的行数。例如rows = 1000，filtered = 50%，则和下一张表连接的行数是500
Extra展示有关本次查询的附加信息

1.2、优化器跟踪(Optimizer Trace)

这个优化器跟踪的目的是生成可被人类和程序读取的输出，以帮助理解MySQL优化器所采取的决策和操作。
开启操作语法：

SET SESSION OPTIMIZER_TRACE="enabled=on"; # enable tracing
  <statement to trace>; # like SELECT, EXPLAIN SELECT, UPDATE, DELETE...
  SELECT * FROM information_schema.OPTIMIZER_TRACE;
  [ repeat last two steps at will ]
  SET SESSION OPTIMIZER_TRACE="enabled=off"; # disable tracing

下面举个例子：
该例子用的数据下面person表中的，可以参考2、数据准备。

explain select * from person where age not in (9);
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALLperson_age_IDX7100.0Using where

优化选择过程：

SET optimizer_trace="enabled=on";  
select * from person where age not in (9); 
SELECT * FROM information_schema.OPTIMIZER_TRACE;  
SET optimizer_trace="enabled=off";

结果：
从分解过程中可以看到best_access_path中使用了scan，cost为2.4。

join_preparation：完成SQL的准备工作。在这个阶段，SQL语句会被格式化输出，通配符*会被具体字段代替，但不会进行等价改写动作。传入的SQL语句是select * from person where age not in (9)的结果。在完成了语句的补充、格式化后，准备阶段结束并进入下一阶段。

join_optimization：完成SQL语句的逻辑与物理优化的过程，这其中的优化步骤比较多。在展开具体内容之前，先解释下”select #”的问题。在输出中经常会看到有”select#:N”的字样，它表示当前跟踪的结构体是属于第几个SELECT。如果语句中使用多个SELECT语句拼接（如UNION）或者有嵌套子查询中有SELECT，会产生多个序号。

considered_execution_plans ：对比实际的不同路径的成本。如果是多表关联，且有存在执行顺序(如left/right join或straight_join来强制指定顺序)，则在plan_prefix部分会有前置条件；否则，就按照所有可能性评估。

{
  "steps": [
    {
      "join_preparation": {
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `person`.`id` AS `id`,`person`.`age` AS `age`,`person`.`code` AS `code`,`person`.`name` AS `name`,`person`.`weight` AS `weight`,`person`.`height` AS `height`,`person`.`deleted` AS `deleted` from `person` where (`person`.`age` <> 9) limit 0,200"
          }
        ]
      }
    },
    {
      "join_optimization": {
        "select#": 1,
        "steps": [
          {
            "condition_processing": {
              "condition": "WHERE",
              "original_condition": "(`person`.`age` <> 9)",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`person`.`age` <> 9)"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`person`.`age` <> 9)"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`person`.`age` <> 9)"
                }
              ]
            }
          },
          {
            "substitute_generated_columns": {
            }
          },
          {
            "table_dependencies": [
              {
                "table": "`person`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ]
              }
            ]
          },
          {
            "ref_optimizer_key_uses": [
            ]
          },
          {
            "rows_estimation": [
              {
                "table": "`person`",
                "range_analysis": {
                  "table_scan": {
                    "rows": 7,
                    "cost": 4.5
                  },
                  "potential_range_indexes": [
                    {
                      "index": "PRIMARY",
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "person_age_IDX",
                      "usable": true,
                      "key_parts": [
                        "age",
                        "id"
                      ]
                    },
                    {
                      "index": "person_code_IDX",
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "person_height_IDX",
                      "usable": false,
                      "cause": "not_applicable"
                    }
                  ],
                  "setup_range_conditions": [
                  ],
                  "group_index_range": {
                    "chosen": false,
                    "cause": "not_group_by_or_distinct"
                  },
                  "analyzing_range_alternatives": {
                    "range_scan_alternatives": [
                      {
                        "index": "person_age_IDX",
                        "ranges": [
                          "NULL < age < 9",
                          "9 < age"
                        ],
                        "index_dives_for_eq_ranges": true,
                        "rowid_ordered": false,
                        "using_mrr": false,
                        "index_only": false,
                        "rows": 7,
                        "cost": 10.41,
                        "chosen": false,
                        "cause": "cost"
                      }
                    ],
                    "analyzing_roworder_intersect": {
                      "usable": false,
                      "cause": "too_few_roworder_scans"
                    }
                  }
                }
              }
            ]
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ],
                "table": "`person`",
                "best_access_path": {
                  "considered_access_paths": [
                    {
                      "rows_to_scan": 7,
                      "access_type": "scan",
                      "resulting_rows": 7,
                      "cost": 2.4,
                      "chosen": true
                    }
                  ]
                },
                "condition_filtering_pct": 100,
                "rows_for_plan": 7,
                "cost_for_plan": 2.4,
                "chosen": true
              }
            ]
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`person`.`age` <> 9)",
              "attached_conditions_computation": [
              ],
              "attached_conditions_summary": [
                {
                  "table": "`person`",
                  "attached": "(`person`.`age` <> 9)"
                }
              ]
            }
          },
          {
            "refine_plan": [
              {
                "table": "`person`"
              }
            ]
          }
        ]
      }
    },
    {
      "join_execution": {
        "select#": 1,
        "steps": [
        ]
      }
    }
  ]
}

2、数据准备

version()
5.7.28-log

创建数据库：

CREATE DATABASE `demo` /*!40100 DEFAULT CHARACTER SET latin1 */;

创建表：age和height为普通索引，code、name、weight为组合索引。

-- demo.person definition

CREATE TABLE `person` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键id',
  `age` int(11) DEFAULT NULL COMMENT '年龄',
  `code` varchar(100) DEFAULT NULL COMMENT '编码',
  `name` varchar(50) DEFAULT NULL COMMENT '名字',
  `weight` int(3) DEFAULT NULL COMMENT '体重',
  `height` int(3) DEFAULT NULL COMMENT '身高',
  `deleted` tinyint(1) NOT NULL DEFAULT '0' COMMENT '是否删除  0 1',
  PRIMARY KEY (`id`),
  KEY `person_age_IDX` (`age`) USING BTREE,
  KEY `person_code_IDX` (`code`,`name`,`weight`) USING BTREE,
  KEY `person_height_IDX` (`height`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=0 DEFAULT CHARSET=utf8mb4;

插入数据：

INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(12, '4545345345342', '奥特曼', 15, 89, 0);
INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(52, '552421231332', '卫斯理', 21, 45, 0);
INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(87, '85124561321', '福尔摩斯', 50, 180, 0);
INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(56, '86454212', '爱因斯坦', 56, 190, 0);
INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(45, '86454212', '爱威立雅', 108, 172, 0);
INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(10, '8754534', '爱尔兰', 78, 169, 0);
INSERT INTO demo.person (age, code, name, weight, height, deleted) VALUES(9, '867564233', '小兰', 98, 150, 0);

3、举例说明

1、普通索引

explain select * from person
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALL7100.0

索引有效=：

explain select * from person where age = 9
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_age_IDXperson_age_IDX5const1100.0

发生值类型转换：'9'，依然有效。有些博文中说这个不行，万事没有绝对。

explain select * from person where age = '9'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_age_IDXperson_age_IDX5const1100.0

索引失效>：

explain select * from person where age > 9
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALLperson_age_IDX785.71Using where

索引有效in：

explain select * from person where age in(9)
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_age_IDXperson_age_IDX5const1100.0

in索引不一定有效，如下面的情形，in的范围比较大时，索引失效。

explain select * from person where age  in (9,10,28,56,41,50,92,20,12,51,54,2,45,2)
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALLperson_age_IDX7100.0Using where

索引失效not in：

explain select * from person where age not in (9)
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALLperson_age_IDX7100.0Using where

2、组合索引（联合摄影）

该组合索引是：code,name,weight

最左匹配原则：
MySQL 建立多列索引（联合索引）有最左匹配的原则，即最左优先：如果有一个 2 列的索引 (a, b)，则已经对 (a)、(a, b) 上建立了索引；如果有一个 3 列索引 (a, b, c)，则已经对 (a)、(a, b)、(a, b, c) 上建立了索引。
只有code 索引有效：

explain select * from person where code = '11222'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX403const1100.0

name 索引失效：

explain select * from person where name = '小兰'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALL714.29Using where

顺序为code,name时有效：

explain select * from person where code  = '111' and name = '小兰'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX606const,const1100.0

顺序为name,code时也有效，优化器会优化为：code,name。

explain select * from person where name  = '111' and code = '小兰'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX606const,const1100.0

优化器分析过程：

{
  "steps": [
    {
      "join_preparation": {
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `person`.`id` AS `id`,`person`.`age` AS `age`,`person`.`code` AS `code`,`person`.`name` AS `name`,`person`.`weight` AS `weight`,`person`.`height` AS `height`,`person`.`deleted` AS `deleted` from `person` where ((`person`.`name` = '111') and (`person`.`code` = '小兰')) limit 0,200"
          }
        ]
      }
    },
    {
      "join_optimization": {
        "select#": 1,
        "steps": [
          {
            "condition_processing": {
              "condition": "WHERE",
              "original_condition": "((`person`.`name` = '111') and (`person`.`code` = '小兰'))",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "((`person`.`name` = '111') and (`person`.`code` = '小兰'))"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "((`person`.`name` = '111') and (`person`.`code` = '小兰'))"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "((`person`.`name` = '111') and (`person`.`code` = '小兰'))"
                }
              ]
            }
          },
          {
            "substitute_generated_columns": {
            }
          },
          {
            "table_dependencies": [
              {
                "table": "`person`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ]
              }
            ]
          },
          {
            "ref_optimizer_key_uses": [
              {
                "table": "`person`",
                "field": "code",
                "equals": "'小兰'",
                "null_rejecting": false
              },
              {
                "table": "`person`",
                "field": "name",
                "equals": "'111'",
                "null_rejecting": false
              }
            ]
          },
          {
            "rows_estimation": [
              {
                "table": "`person`",
                "range_analysis": {
                  "table_scan": {
                    "rows": 7,
                    "cost": 4.5
                  },
                  "potential_range_indexes": [
                    {
                      "index": "PRIMARY",
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "person_age_IDX",
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "person_code_IDX",
                      "usable": true,
                      "key_parts": [
                        "code",
                        "name",
                        "weight",
                        "id"
                      ]
                    },
                    {
                      "index": "person_height_IDX",
                      "usable": false,
                      "cause": "not_applicable"
                    }
                  ],
                  "setup_range_conditions": [
                  ],
                  "group_index_range": {
                    "chosen": false,
                    "cause": "not_group_by_or_distinct"
                  },
                  "analyzing_range_alternatives": {
                    "range_scan_alternatives": [
                      {
                        "index": "person_code_IDX",
                        "ranges": [
                          "小兰 <= code <= 小兰 AND 111 <= name <= 111"
                        ],
                        "index_dives_for_eq_ranges": true,
                        "rowid_ordered": false,
                        "using_mrr": false,
                        "index_only": false,
                        "rows": 1,
                        "cost": 2.21,
                        "chosen": true
                      }
                    ],
                    "analyzing_roworder_intersect": {
                      "usable": false,
                      "cause": "too_few_roworder_scans"
                    }
                  },
                  "chosen_range_access_summary": {
                    "range_access_plan": {
                      "type": "range_scan",
                      "index": "person_code_IDX",
                      "rows": 1,
                      "ranges": [
                        "小兰 <= code <= 小兰 AND 111 <= name <= 111"
                      ]
                    },
                    "rows_for_plan": 1,
                    "cost_for_plan": 2.21,
                    "chosen": true
                  }
                }
              }
            ]
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ],
                "table": "`person`",
                "best_access_path": {
                  "considered_access_paths": [
                    {
                      "access_type": "ref",
                      "index": "person_code_IDX",
                      "rows": 1,
                      "cost": 1.2,
                      "chosen": true
                    },
                    {
                      "access_type": "range",
                      "range_details": {
                        "used_index": "person_code_IDX"
                      },
                      "chosen": false,
                      "cause": "heuristic_index_cheaper"
                    }
                  ]
                },
                "condition_filtering_pct": 100,
                "rows_for_plan": 1,
                "cost_for_plan": 1.2,
                "chosen": true
              }
            ]
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "((`person`.`name` = '111') and (`person`.`code` = '小兰'))",
              "attached_conditions_computation": [
              ],
              "attached_conditions_summary": [
                {
                  "table": "`person`",
                  "attached": null
                }
              ]
            }
          },
          {
            "refine_plan": [
              {
                "table": "`person`"
              }
            ]
          }
        ]
      }
    },
    {
      "join_execution": {
        "select#": 1,
        "steps": [
        ]
      }
    }
  ]
}

code,name,weight顺序索引有效：

explain select * from person where code  = '111' and name = '小兰' and weight  = 52
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX611const,const,const1100.0

order by 索引有效：

explain select * from person where code  = '111' and name = '小兰' and weight  = 52 order by code,name,weight
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX611const,const,const1100.0
explain select * from person where code  = '111' and name = '小兰' and weight  = 52 order by name,weight
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX611const,const,const1100.0
explain select * from person where code  = '111' and name = '小兰' and weight  = 52 order by weight,name
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX611const,const,const1100.0
explain select * from person where code  = '111' and name = '小兰' and weight  = 52 order by weight,age
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX611const,const,const1100.0Using index condition; Using filesort

code,weight,name顺序索引有效，优化器会优化为code,name,weight：

explain select * from person where code  = '111'  and weight  = 52 and name = '小兰'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX611const,const,const1100.0

code,weight索引有效，索引有效值为 code：

explain select * from person where code  = '111'  and weight  = 52
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX403const114.29Using index condition

code,weight>,name 索引有效，索引有效值为 code：

explain select * from person where code  = '111'  and weight  > 52 and name = '小兰'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrangeperson_code_IDXperson_code_IDX6111100.0Using index condition

length(code)包含函数，索引失效，但是这个不一定，要看数据版本，数据量等：

explain select * from person where length(code)>10
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALL7100.0Using where

索引有效：

explain select count(1) from person where code = '86454212'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX403const2100.0Using index

索引有效：

explain select sum(age) from person where code = '86454212'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrefperson_code_IDXperson_code_IDX403const2100.0

索引有效：

explain select * from person where code like '86454212'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrangeperson_code_IDXperson_code_IDX4032100.0Using index condition

索引无效：

explain select * from person where code like '%86454212'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALL714.29Using where

索引有效：

explain select * from person where code like '86454212%'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonrangeperson_code_IDXperson_code_IDX4032100.0Using index condition

or索引无效：

explain select * from person where code  = '111' or name = '小兰'
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALLperson_code_IDX726.53Using where

组合索引和普通索引一起，索引无效：

explain select * from person where code  = '111' or age = 9
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonALLperson_age_IDX,person_code_IDX726.53Using where

普通索引和普通索引一起，索引无效：

explain select * from person where age = 9 or height  = 90
idselect_typetablepartitionstypepossible_keyskeykey_lenrefrowsfilteredExtra
1SIMPLEpersonindex_mergeperson_age_IDX,person_height_IDXperson_age_IDX,person_height_IDX5,52100.0Using union(person_age_IDX,person_height_IDX); Using where

3、总结

  • 最佳左匹配法则（重点）
  • 计算、函数、类型转换(自动或手动)导致索引失效
  • 范围条件右边的列索引失效
  • 不等于(!= 或者<>)导致索引失效
  • is null可以使用索引，is not null无法使用索引
  • like以通配符%开头索引失效（重点）
  • OR 前后只要存在非索引的列，都会导致索引失效
科学熊
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
MySQL数据库索引失效的10种场景.zip
02-17
本篇将详细探讨10种可能导致MySQL数据库索引失效的常见场景，帮助你理解和避免这些问题。 **1. LIKE操作符的不当使用** 在查询语句中，如果使用LIKE操作符并且模式匹配出现在字符串的开头，索引可能无法被利用。...
Mysql数据库索引创建、索引删除、索引失效场景详解
03-15
索引的失效场景包括：更新或删除索引列，使用不带索引的全表扫描操作，使用`SELECT *`而不是明确列出索引列，使用`NOT IN`、`<> ALL()`或`NOT EXISTS`等操作，以及在`WHERE`子句中使用了函数或表达式。此外，索引也...
MySQL中索引失效的场景
个人专长：数据结构和算法、大数据、数据库、主流框架
06-11 751
MySQL中常见的索引失效的场景，面试必考点，参考45讲及林老师其他
15个必知的Mysql索引失效场景，别再踩坑了！
C18298182575的博客
06-15 2721
也就是说，当Mysql发现通过索引扫描的行记录数超过全表的10%-30%时，优化器可能会放弃走索引，自动变成全表扫描。此时，索引失效的原因与第三种情况一样，都是因为数据库要先进行全表扫描，获得数据之后再进行截取、计算，导致索引索引失效。的含义为：表示索引使用的字节数，根据这个值可以判断索引的使用情况，特别是在组合索引的时候，判断该索引有多少部分被使用到非常重要。当然，还有其他一些是否走索引的规则，这与索引的类型是B-tree索引还是位图索引也有关系，就不再详细展开。的条件再走一次索引反而是浪费了。
MySQL高级篇——索引失效的11种情况
热门推荐
vincewm的博客
05-21 2万+
索引优化思路、要尽量满足全值匹配、最佳左前缀法则、主键插入顺序尽量自增、计算、函数导致索引失效、类型转换（手动或自动）导致索引失效、范围条件右边的列索引失效、不等于符号导致索引失效、is not null、not like无法使用索引、左模糊查询导致索引失效、“OR”前后存在非索引列，导致索引失效、不同字符集导致索引失败，建议utf8mb4
mysql 索引失效总结10种场景
weixin_44230693的博客
03-29 1670
mysql 索引失效总结10种场景
Mysql索引失效的场景
最新发布
lmyxmm123的博客
03-21 1334
mysql 索引
MySQL中索引失效的常见场景与规避方法
12-15
通过理解这些常见的索引失效场景和相应的规避策略，可以显著提高MySQL数据库的查询效率和整体性能。在编写SQL时，应当谨慎使用可能导致索引失效的操作，尽量保持查询的简洁和明确，以便MySQL能够有效地利用已有的...
导致MySQL索引失效的一些常见写法总结
09-14
以下是一些可能导致MySQL索引失效的常见写法： 1. **全表扫描（Full Table Scan）**：当查询涉及所有或大部分数据时，MySQL会选择不使用索引而进行全表扫描。例如，使用`SELECT * FROM table`会忽略所有索引。 2. ...
mysql索引失效的五种情况分析
12-15
以下就是五种可能导致MySQL索引失效的情况： 1. **OR条件**：当查询语句中包含OR操作符时，即使部分条件涉及到带有索引的列，MySQL也可能不会使用索引。为了使索引生效，每个OR子句中的列都需要有独立的索引。例如...
MySQL Explain详解
快乐的搬砖的博客
08-16 1067
在日常工作中，我们会有时会开慢查询去记录一些执行时间比较久的SQL语句，找出这些SQL语句并不意味着完事了，些时我们常常用到explain这个命令来查看一个这些SQL语句的执行计划，查看该SQL语句有没有使用上了索引，有没有做全表扫描，这都可以通过explain命令来查看。所以我们深入了解MySQL的基于开销的优化器，还可以获得很多可能被优化器考虑到的访问策略的细节，以及当运行SQL语句时哪种策略预计会被优化器采用。 -- 实际SQL，查找用户名为Jefabc的员工 select * from emp
MySQL索引失效的场景
梧桐树的博客
03-05 727
例如: select * from user where SUBSTR(height,1,2)=17;如果表中某些值的出现频率非常高，那么MySQL可能会认为使用全表扫描代价更小，而不使用索引。当or左右查询字段只有一个是索引，该索引失效，只有当or左右查询字段均为索引时，才会生效。如果表的数据量非常小，则MySQL可能不会使用索引，因为它认为全表扫描的代价更小。如果索引列的长度过长，MySQL将会使用更多的内存来存储索引，可能会影响性能。如果索引列上存在重复值，MySQL将无法使用索引来加速查询。
关于数据库索引失效引出的索引总结
weixin_39035005的博客
08-09 80
百度解释:什么是数据库索引索引是一种用来提升数据库查询速度的数据结构,他通过不同的算法实现快速定位数据的功能,例如查询字典时的目录。
数据库索引与索引失效情况
weixin_43224069的博客
12-27 467
1.为什么要有索引？ 索引可以加快查询速度，尤其是对于一些复杂查询操作，加上合适的索引能够大大提高查询效率。 2.什么时索引？ 索引在mysql中也叫一种“键”，时是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能非常关键，尤其是表中数据量越来越大的时候，索引对于性能的影响愈发重要。 索引优化应该是对查询性能优化最有效的手段了，索引能轻易将查询性能提高好几个数量级。 索引相当于字典的音序表，如果要查某个字，不使用音序表则需要从几百页中逐页去查。 3.索引的原理 索引的目的在于提高查询效率，与我们查
如何判断MySQL中的索引有没有生效
weixin_49631705的博客
04-08 884
执行该语句，可以分析EXPLAIN后面SELECT语句的执行情况，并且能够分析出所查询表的一些特征。如果possible_keys行和key行都包含了某个索引，则说明在查询时使用了该索引。EXPLAIN语句会返回很多列，其中与索引直接相关的列如下。
MySQL强制使用索引的两种方式及优化索引，使用MySQL存储过程创建测试数据。
川子的博客
09-26 1万+
MySQL强制使用索引的两种方式，MySQL创建存储过程、MySQL慢SQL语句定位、常见的索引优化方式、索引失效原因的大致汇总
MySQL数据库调优————创建索引的原则和索引失效及解决方案
weixin_38910645的博客
02-16 977
从expain执行结果可以看到并未用到索引，解决方案，事先在代码中计算好表达式的值，再传入SQL中，应该避免在SQL语句的where条件子句等号左侧做计算。这种情况不做演示，解决方案很简单，在建表时把索引字段设置为NOT NULL，根据官方建议，甚至可以把所有的字段都设置成NOT NULL并为字段赋默认值。当联表查询时，如果作为联接条件的两个字段的类型不一致，则会进行隐式转换，也会导致索引失效，所以在创建表时要进行充分的考虑，使两个字段的类型保持一致。解决方案，分别为条件中的字段创建索引。
MySQL 索引失效的 15 种场景！
程序员高级码农的博客
01-15 1546
无论你是技术大佬，还是刚入行的小白，时不时都会踩到Mysql数据库不走索引的坑。常见的现象就是：明明在字段上添加了索引，但却并未生效。前些天就遇到一个稍微特殊的场景，同一条SQL语句，在某些参数下生效，在某些参数下不生效，这是为什么呢？另外，无论是面试或是日常，Mysql索引失效的通常情况都应该了解和学习。为了方便学习和记忆，这篇文件将常见的15种不走索引情况进行汇总，并以实例展示，帮助大家更好地避免踩坑。
MySQL 索引失效场景
qq_36636312的博客
02-28 497
MySQL 索引失效场景
MySQL数据库与索引深度解析
“mysql数据库以及索引详解.pptx”涵盖了MySQL数据库的基础知识，重点解析了索引的概念、种类以及使用策略，并探讨了索引失效的场景。 MySQL是一种广泛使用的开源关系型数据库管理系统，由Monty Widenius在1979年...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

科学熊

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

实付元
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