MySQL索引最左匹配原则及优化原理

1 索引的好处

• 大大减少存储引擎需要扫描的数据量
• 排序以避免使用临时表
• 把随机I/O变为顺序I/O

2 实例

执行 select * from T where k between 3 and 5，需要几次树的搜索，扫描多少行？

• 创建表
  

• 插入数据

• InnoDB索引组织结构
  

SQL查询语句的执行流程：

1. 在k索引树找到k=3，取得 ID 300
2. 再到ID树查到ID 300对应的R3
3. 在k树取下个值5，取得ID 500
4. 再回到ID树查到ID 500对应R4
5. 在k树取下个值6，不满足条件，循环结束

回到主键索引树搜索的过程，称为回表。
查询过程读了k索引树的3条记录（步骤135），回表两次（24）
由于查询结果所需数据只在主键索引有，不得不回表。那么，有无可能经过索引优化，避免回表？

3 覆盖索引

执行语句
select ID from T where k between 3 and 5

只需查ID值，而ID值已在k索引树，因此可直接提供结果，不需回表。即在该查询，索引k已“覆盖”我们的查询需求，称为覆盖索引。

覆盖索引可减少树的搜索次数，显著提升查询性能，使用覆盖索引是个常用性能优化手段。

使用覆盖索引在索引k上其实读了三个记录，R3~R5（对应的索引k上的记录项）
但对于Server层，就是找引擎拿到两条记录，因此MySQL认为扫描行数是2。

问题

在一个市民信息表，有必要将身份证号和名字建立联合索引？

假设这个市民表的定义：

CREATE TABLE `tuser` (
  `id` int(11) NOT NULL,
  `id_card` varchar(32) DEFAULT NULL,
  `name` varchar(32) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `ismale` tinyint(1) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `id_card` (`id_card`),
  KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB

身份证号是市民唯一标识。有根据身份证号查询市民信息的，只要在身份证号字段建立索引即可。再建立一个（身份证号、姓名）联合索引，是不是浪费空间？

如果现在有一个高频请求，根据身份证号查询姓名，联合索引就有意义了。可在这个高频请求上用到覆盖索引，不再回表查整行记录，减少了执行时间。
当然索引字段的维护总是有代价。建立冗余索引支持覆盖索引就需权衡考虑。

2 何时用索引

(1) 定义有主键的列一定要建立索引 : 主键可以加速定位到表中的某行
(2) 定义有外键的列一定要建立索引 : 外键列通常用于表与表之间的连接，在其上创建索引可以加快表间的连接
(3) 对于经常查询的数据列最好建立索引
① 对于需要在指定范围内快速或频繁查询的数据列，因为索引已经排序，其指定的范围是连续的，查询可以利用索引的排序，加快查询的时间
② 经常用在 where子句中的数据列，将索引建立在where子句的集合过程中，对于需要加速或频繁检索的数据列，可以让这些经常参与查询的数据列按照索引的排序进行查询，加快查询的时间

如果为每一种查询都设计个索引，索引是不是太多？
如果我现在要按身份证号去查家庭地址？虽然该需求概率不高，但总不能让它全表扫描？
但单独为一个不频繁请求创建（身份证号，地址）索引又有点浪费。怎么做？

B+树这种索引，可利用索引的“最左前缀”，来定位记录。

为了直观地说明这个概念，用（name，age）联合索引分析。

索引项按照索引定义出现的字段顺序排序。

当逻辑需求是查到所有名字“张三”的，可快速定位到ID4，然后向后遍历得到所有结果。
要查所有名字第一个字“张”的，条件"where name like ‘张%’"。也能够用上索引，查找到第一个符合条件的记录是ID3，然后向后遍历，直到不满足。

不只是索引的全部定义，只要满足最左前缀，就可利用索引加速。
最左前缀可以是

• 联合索引的最左N个字段
• 字符串索引的最左M个字符

联合索引内的字段顺序

• 标准
  索引的复用能力。因为可以支持最左前缀，所以当已经有了(a,b)这个联合索引后，一般就不需要单独在a上建立索引了。
• 原则
  如果调整顺序，可少维护一个索引，那么这顺序优先考虑。

为高频请求创建(身份证号，姓名）联合索引，并用这索引支持“身份证号查地址”需求。

如果既有联合查询，又有基于a、b各自的查询？
查询条件里只有b的，无法使用(a,b)联合索引，这时不得不维护另外一个索引，即需同时维护(a,b)、(b) 两个索引。

• 这时要考虑原则就是空间
  比如市民表，name字段比age字段大 ，建议创建一个（name,age)的联合索引和一个(age)的单字段索引

3 索引优化

MySQL的优化主要分为

• 结构优化（Scheme optimization）
• 查询优化（Query optimization）

讨论的高性能索引策略主要属于结构优化。

为了讨论索引策略，需要一个数据量不算小的数据库作为示例
选用MySQL官方文档中提供的示例数据库之一：employees
这个数据库关系复杂度适中，且数据量较大。下图是这个数据库的E-R关系图（引用自MySQL官方手册）：

3.1 最左前缀原理与相关优化

要知道什么样的查询会用到索引，和B+Tree中的“最左前缀原理”有关。

联合索引（又名复合索引）

MySQL中的索引可以以一定顺序引用多列，这种索引叫做联合索引，是个有序元组<a1, a2, …, an>。

如何选择索引列的顺序

• 经常会被使用到的列优先
• 选择性高的列优先
• 宽度小的列优先

覆盖索引(Covering Indexes)

包含满足查询的所有列。只访问索引的查询，只需读索引而不用读数据，大大提高查询性能。

优点

• 索引项通常比记录要小，使得MySQL访问更少数据
• 索引都按值排序存储，相对于随机访问记录，需要更少I/O
• 大多数据引擎能更好的缓存索引。比如MyISAM只缓存索引
• 因为InnoDB使用聚集索引组织数据，若二级索引中包含查询所需的数据，就无需回表
• 可以优化缓存，减少磁盘IO操作
• 可以减少随机IO，变随机IO操作变为顺序IO操作
• 可以避免MyISAM表进行系统调用

覆盖索引只有B-TREE索引存储相应的值，并非所有存储引擎都支持覆盖索引(Memory/Falcon就不支持)。

对于索引覆盖查询(index-covered query)，使用EXPLAIN时，可以在Extra列中看到Using index。

在大多数引擎中，只有当查询语句所访问的列是索引的一部分时，索引才会覆盖
但是，InnoDB不限于此，InnoDB的二级索引在叶节点中存储了primary key的值

覆盖索引失效场景

• 存储引擎不支持覆盖索引

• 查询中使用了太多的列

• 使用了双%号的like查询

• 使用覆盖索引查询数据
  

• select *不能用覆盖索引
  
  

以employees.titles表为例，下面先查看其上都有哪些索引：

从结果中可以看到titles表的主索引为<emp_no, title, from_date>，还有一个辅助索引<emp_no>
为了避免多个索引使事情变复杂（MySQL的SQL优化器在多索引时行为比较复杂），我们将辅助索引drop掉

ALTER TABLE employees.titles DROP INDEX emp_no;

这样就可以专心分析索引PRIMARY

1 全值匹配

很明显，当按照索引中所有列进行精确匹配（精确匹配指“=”或“IN”匹配）时，索引可以被用到。
理论上索引对顺序敏感，但MySQL查询优化器会自动调整where子句的条件顺序以使用适合的索引。

• 例如我们将where中的条件顺序颠倒
  
  效果一样。

2 最左前缀匹配

当查询条件精确匹配索引的左边连续一个或几个列时，如<emp_no>或<emp_no, title>，索引可以被用到，但是只能用到一部分，即条件所组成的最左前缀。

• 从分析结果看用到了PRIMARY索引，但是key_len为4，说明只用到了索引的第一列前缀
  

3 查询条件用到索引中列的精确匹配，但是中间某个条件未提供

此时索引使用情况和情况二相同，因为title未提供，所以查询只用到了索引的第一列，而后面的from_date虽然也在索引中，但是由于title不存在而无法和左前缀连接，因此需要对结果进行过滤from_date（这里由于emp_no唯一，所以不存在扫描）
如果想让from_date也使用索引而不是where过滤，可以增加一个辅助索引<emp_no, from_date>，此时上面的查询会使用这个索引。

此外，还可以使用一种称之为“隔离列”的优化方法，将emp_no与from_date之间的“坑”填上

首先我们看下title一共有几种不同的值

只有7种。在这种成为“坑”的列值比较少的情况下，可以考虑用“IN”来填补这个“坑”从而形成最左前缀

这次key_len为59，说明索引被用全了，但是从type和rows看出IN实际上执行了一个range查询，这里检查了7个key。看下两种查询的性能比较：

“填坑”后性能提升了一点。如果经过emp_no筛选后余下很多数据，则后者性能优势会更加明显。当然，如果title的值很多，用填坑就不合适了，必须建立辅助索引

4 查询条件没有指定索引第一列

由于不是最左前缀，这样的查询显然用不到索引

5 匹配某列的前缀字符串

此时可以用到索引，通配符%不出现在开头，则可以用到索引，但根据具体情况不同可能只会用其中一个前缀

6 范围查询(由于B+树的顺序特点,尤其适合)

• 范围列可以用到索引（必须是最左前缀），但是范围列后面的列无法用到索引
• 索引最多用于一个范围列，因此如果查询条件中有两个范围列则无法全用到索引
  
• 可以看到索引对第二个范围索引无能为力。这里特别要说明MySQL一个有意思的地方，那就是仅用explain可能无法区分范围索引和多值匹配，因为在type中这两者都显示为range
• 用了“between”并不意味着就是范围查询，例如下面的查询：
  
  看起来是用了两个范围查询，但作用于emp_no上的“BETWEEN”实际上相当于“IN”，也就是说emp_no实际是多值精确匹配。可以看到这个查询用到了索引全部三个列。因此在MySQL中要谨慎地区分多值匹配和范围匹配，否则会对MySQL的行为产生困惑。
  

7 查询条件中含有函数或表达式

如果查询条件中含有函数或表达式，则MySQL不会为这列使用索引（虽然某些在数学意义上可以使用）

虽然这个查询和情况5中功能相同，但是由于使用了函数left，则无法为title列应用索引，而情况五中用LIKE则可以。再如：

显然这个查询等价于查询emp_no为10001的函数，但是由于查询条件是一个表达式，MySQL无法为其使用索引。看来MySQL还没有智能到自动优化常量表达式的程度，因此在写查询语句时尽量避免表达式出现在查询中，而是先手工私下代数运算，转换为无表达式的查询语句。

最左前缀可用于在索引中定位记录。那不符合最左前缀的部分，会怎么样？

以市民表的联合索引（name, age）为例。

• 需求
  检索表中“名字第一个字是张，且年龄是10的所有男孩”

SQL：

select * from tuser where name like '张%' and age=10 and ismale=1;

语句在搜索索引树时，只能用 “张”，找到第一个满足条件记录ID3。还不错，总比全表扫好。然后判断其他条件。
MySQL5.6前，只能从ID3开始个个回表，到主键索引上找数据行，再对比字段值。
5.6引入索引下推优化（index condition pushdown)， 在索引遍历过程，对索引中包含的字段先做判断，直接过滤不满足条件的记录，减少回表。

这两个过程的执行流程图：

• 无索引下推执行流程
  
• 索引下推执行流程
  
  两个图里面，每一个虚线箭头表示回表一次。
  无索引下推执行流程，在(name,age)索引里特意去掉age的值，这过程InnoDB并不看age的值，只按顺序把“name第一个字是’张’”的记录一条条取出来回表，回表4次。

区别是，InnoDB在(name,age)索引内部就开始判断了age是否等于10，对不等10的记录，直接判断并跳过。这个例子中，只需对ID4、ID5这两条记录回表取数据判断，只需回表2次。

3.4 Btree索引的限制

• 若不是从索引的最左列开始查找，则无法使用索引
• 使用索引时不能跳过索引中的列
• Not in和<>操作无法使用索引
• 若查询中有某列的范围查询，则其右边所有列都无法使用索引

3.4.1 即使设置索引，也无法使用

• “%”开头的LIKE语句，模糊匹配
• OR语句，前后没有同时使用索引
• 数据类型出现隐式转化（如varchar不加单引号，可能会自动转int型）

3.4.2 索引选择性与前缀索引

既然索引可加速查询，是否只要是查询语句，就建索引?

NO！因为索引虽然加速查询，但索引也有代价：索引文件本身要消耗存储空间。

• 索引会加重插入、删除和修改记录时的负担，增加写操作的成本
• 太多索引会增加查询优化器的分析选择时间
• MySQL在运行时也要消耗资源维护索引

但索引绝非银弹，并非越多越好：

不推荐创建索引的场景

• 查询中很少涉及的列
  例如，在查询中很少使用的列，有索引并不能提高查询的速度，相反增加了系统维护时间和消耗了系统空间
• 重复值较多的列
  “性别”列只有列值“男”和“女”，增加索引并不能显著提高查询的速度
• 定义为text、image和bit数据类型的列
  这些数据类型的数据列的数据量要么很大，要么很小，不利于使用索引
• 表记录比较少
  例如一两千条甚至只有几百条记录的表，没必要建索引，让查询做全表扫描就好了
• 索引的选择性较低
  索引的选择性（Selectivity），是指不重复的索引值（也叫基数，Cardinality）与表记录数（#T）的比值
  Index Selectivity = Cardinality / #T

CREATE INDEX index_ name ON table(col_ name(n));

显然选择性的取值范围为(0, 1]，选择性越高的索引价值越大，这是由B+Tree的性质决定的。
例如，上文用到的employees.titles表，如果title字段经常被单独查询，是否需要建索引，我们看一下它的选择性

title的选择性不足0.0001（精确值为0.00001579），所以实在没有什么必要为其单独建索引

前缀索引

用列的前缀代替整列作为索引key，当前缀长度合适时，可实现既使得前缀索引的选择性接近全列索引，又因为索引key变短而减少索引文件的大小和维护开销。

以employees.employees表为例介绍前缀索引的选择和使用。

从图12可以看到employees表只有一个索引<emp_no>，那么如果我们想按名字搜索人，就只能全表扫描

如果频繁按名字搜索员工，显然效率很低，考虑建索引。
有两种选择，建

1. <first_name>
2. <first_name, last_name>

看两个索引选择性：

<first_name>显然选择性太低，<first_name, last_name>选择性很好。
但first_name和last_name加起来长度30，有没有兼顾长度和选择性的办法？

• 可以考虑用first_name和last_name的前几个字符建立索引，例如<first_name, left(last_name, 3)>，看看其选择性
  
• 选择性还不错，但离0.9313还是有点距离，那么把last_name前缀加到4
  

这时选择性已很理想，而该索引长度仅18，比<first_name, last_name>短了一半。
把该前缀索引建上：

1. ALTER TABLE employees.employees
2. ADD INDEX first_name_last_name4 (first_name, last_name(4));

• 再执行一遍按名字查询，比较建索引前的结果
  
  性能提升显著，查询加速120多倍。

前缀索引兼顾索引大小和查询速度，但其

缺点

• 不能用于ORDER BY和GROUP BY
• 也不能用于Covering index（即当索引本身包含查询所需全部数据时，不再访问数据文件本身）

索引诗歌

全值匹配我最爱，最左前缀要遵守
带头大哥不能死，中间兄弟不能断
索引列上少计算，范围之后全失效
Like百分写最右，覆盖索引不写*
不等空值还有or，索引失效要少用
字符引号不能丢，SQL高级也不难

3.5 InnoDB的主键选择与插入优化

在使用InnoDB存储引擎时，如果没有特别的需要，请永远使用一个与业务无关的自增字段作为主键

经常看到有帖子或博客讨论主键选择问题，有人建议使用业务无关的自增主键，有人觉得没有必要，完全可以使用如学号或身份证号这种唯一字段作为主键。不论支持哪种论点，大多数论据都是业务层面的。
如果从数据库索引优化角度看，使用InnoDB引擎而不使用自增主键绝对是一个糟糕的主意

上文讨论过InnoDB的索引实现，InnoDB使用聚集索引，数据记录本身被存于主索引（一颗B+Tree）的叶子节点上。这就要求同一个叶子节点内（大小为一个内存页或磁盘页）的各条数据记录按主键顺序存放，因此每当有一条新的记录插入时，MySQL会根据其主键将其插入适当的节点和位置，如果页面达到装载因子（InnoDB默认为15/16），则开辟一个新的页（节点）。

如果表使用自增主键，那么每次插入新的记录，记录就会顺序添加到当前索引节点的后续位置，当一页写满，就会自动开辟一个新的页。如下图所示：

这样就会形成一个紧凑的索引结构，近似顺序填满
由于每次插入时也不需要移动已有数据，因此效率很高，也不会增加很多开销在维护索引上。

如果使用非自增主键（如果身份证号或学号等），由于每次插入主键的值近似于随机，因此每次新纪录都要被插到现有索引页得中间某个位置：

此时MySQL不得不为了将新记录插到合适位置而移动数据，甚至目标页面可能已经被回写到磁盘上而从缓存中清掉，此时又要从磁盘上读回来，这增加了很多开销，同时频繁的移动、分页操作造成了大量的碎片，得到了不够紧凑的索引结构，后续不得不通过OPTIMIZE TABLE来重建表并优化填充页面。

因此，只要可以，请尽量在InnoDB上采用自增字段做主键。