（三）MySQL 索引

欢迎访问

什么是索引？

提高查询效率的一种数据结构，索引是数据的目录

索引的分类

• 按「数据结构」分类：B+tree索引、Hash索引、Full-text索引。
• 按「物理存储」分类：聚簇索引、二级索引。
• 按「字段特性」分类：主键索引、唯一索引、普通索引、前缀索引。
• 按「字段个数」分类：单列索引、联合索引（复合索引）。

按数据结构分类

为什么 MySQL InnoDB 选择 B+tree 作为索引的数据结构？

1、B+Tree vs B Tree

• B+Tree 只在叶子节点存储数据，而 B 树 的非叶子节点也要存储数据，所以 B+Tree 的单个节点的数据量更小，在相同的磁盘 I/O 次数下，就能查询更多的节点。

• B+ 树有大量的冗余节点（所有非叶子节点都是冗余索引），这些冗余索引让 B+ 树在插入、删除的效率都更高，比如删除根节点的时候，不会像 B 树那样会发生复杂的树的变化；

• 另外，B+Tree 叶子节点采用的是双链表连接，适合 MySQL 中常见的基于范围的顺序查找，而 B 树无法做到这一点。

2、B+Tree vs 二叉树

• B+树的节点相对较大，能够存储更多的索引项，从而减少了树的高度，降低了访问磁盘的次数(矮胖)
• B+树的节点相对较大，一个节点可以存储多个关键字，这意味着在进行磁盘IO时，可以一次性读取更多的索引项到内存中，利用了局部性原理，减少了IO的开销（局部性）
• B+树的节点相对较大，树的高度低，节点分裂和合并等平衡操作相对较少，在插入和删除操作时，B+树通常能够更加高效地维持树的平衡性，而不需要频繁地进行平衡调整操作
• B+树的叶子节点形成了一个有序链表，便于范围查询

3、B+Tree vs Hash

Hash 在做等值查询的时候效率贼快，搜索复杂度为 O(1)。

但是 Hash 表不适合做范围查询，它更适合做等值的查询，这也是 B+Tree 索引要比 Hash 表索引有着更广泛的适用场景的原因。

按物理存储分类

分为聚簇索引和二级索引

在查询时使用了二级索引，如果查询的数据能在二级索引里查询的到，那么就不需要回表，这个过程就是覆盖索引。如果查询的数据不在二级索引里，就会先检索二级索引，找到对应的叶子节点，获取到主键值后，然后再检索主键索引，就能查询到数据了，这个过程就是回表

按字段特性分类

分为主键索引、唯一索引、普通索引、前缀索引

主键索引

通常在创建表的时候一起创建，一张表最多只有一个主键索引，索引列的值不允许有空值

唯一索引

一张表可以有多个唯一索引，索引列的值必须唯一，但是允许有空值

普通索引

既不要求字段为主键，也不要求字段为 UNIQUE

前缀索引

前缀索引是指对字符类型字段的前几个字符建立的索引，使用前缀索引的目的是为了减少索引占用的存储空间，提升查询效率

普通索引和唯一索引，应该怎么选择？

查询过程：

• 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。

更新过程：

第一种情况是，这个记录要更新的目标页在内存中。这时，InnoDB 的处理流程如下：

• 对于唯一索引来说，找到 3 和 5 之间的位置，判断到没有冲突，插入这个值，语句执行结束；
• 对于普通索引来说，找到 3 和 5 之间的位置，插入这个值，语句执行结束。

这样看来，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的 CPU 时间。

但，这不是我们关注的重点。

第二种情况是，这个记录要更新的目标页不在内存中。这时，InnoDB 的处理流程如下：

• 对于唯一索引来说，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束；
• 对于普通索引来说，则是将更新记录在 change buffer，语句执行就结束了。

将数据从磁盘读入内存涉及随机 IO 的访问，是数据库里面成本最高的操作之一。change buffer 因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的。（因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时 change buffer 的使用效果最好）

按字段个数分类

分为单列索引、联合索引（复合索引）

使用联合索引时，存在最左匹配原则，也就是按照最左优先的方式进行索引的匹配。在使用联合索引进行查询的时候，如果不遵循「最左匹配原则」，联合索引会失效

联合索引范围查询

联合索引的最左匹配原则，在遇到范围查询（如 >、<）的时候，就会停止匹配，也就是范围查询的字段可以用到联合索引，但是在范围查询字段的后面的字段无法用到联合索引。注意，对于 >=、<=、BETWEEN、like 前缀匹配的范围查询，并不会停止匹配，因为等于的时候可以用到索引

select * from t_table where a >= 1 and b = 2  //a=1等于时，b有序

索引下推

对于联合索引（a, b），在执行 select * from table where a > 1 and b = 2 语句的时候，只有 a 字段能用到索引

对于b=2的判断：

• 在 MySQL 5.6 之前，回表之后判断
• 而 MySQL 5.6 引入的索引下推优化（index condition pushdown)，在搜索引擎判断，符合再回表

索引区分度

建立联合索引时，要把区分度大的字段排在前面，这样区分度大的字段越有可能被更多的 SQL 使用到。

区分度＝不同的列/总列数

性别的区分度就很小，不适合建立索引或不适合排在联合索引列的靠前的位置，而 UUID 这类字段就比较适合做索引或排在联合索引列的靠前的位置

联合索引进行排序

这里出一个题目，针对针对下面这条 SQL，你怎么通过索引来提高查询效率呢？

select * from order where status = 1 order by create_time asc

给 status 和 create_time 列建立一个联合索引

什么时候需要 / 不需要创建索引？

索引最大的好处是提高查询速度，但是索引也是有缺点**（空间、维护）**的，比如：

• 需要占用物理空间，数量越大，占用空间越大；
• 创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增大；
• 会降低表的增删改的效率，因为每次增删改索引，B+ 树为了维护索引有序性，都需要进行动态维护。

什么时候适用索引？

唯一、常查、排序

• 字段有唯一性限制的，比如商品编码；
• 经常用于 WHERE 查询条件的字段，这样能够提高整个表的查询速度，如果查询条件不是一个字段，可以建立联合索引。
• 经常用于 GROUP BY 和 ORDER BY 的字段，这样在查询的时候就不需要再去做一次排序了，因为我们都已经知道了建立索引之后在 B+Tree 中的记录都是排序好的

什么时候不需要创建索引？

不查不排、重复数据、数据量小、常更新

• WHERE 条件，GROUP BY，ORDER BY 里用不到的字段，索引的价值是快速定位，如果起不到定位的字段通常是不需要创建索引的，因为索引是会占用物理空间的。
• 字段中存在大量重复数据；
• 表数据太少的时候，不需要创建索引；
• 经常更新的字段不用创建索引，比如不要对电商项目的用户余额建立索引，因为索引字段频繁修改，由于要维护 B+Tree的有序性，那么就需要频繁的重建索引，这个过程是会影响数据库性能的。

索引选择

首先，看MySQL 执行过程：

MySQL 数据库由 Server 层和 Engine 层组成：

• Server 层有 SQL 分析器、SQL优化器、SQL 执行器，用于负责 SQL 语句的具体执行过程；
• Engine 层负责存储具体的数据，如最常使用的 InnoDB 存储引擎，还有用于在内存中存储临时结果集的 TempTable 引擎。

SQL 优化器会分析所有可能的执行计划，选择成本最低的执行，这种优化器称之为：CBO（Cost-based Optimizer，基于成本的优化器）。

而在 MySQL中，一条 SQL 的计算成本计算如下所示：

Cost  = Server Cost + Engine Cost

      = CPU Cost + IO Cost

其中，CPU Cost 表示计算的开销，比如索引键值的比较、记录值的比较、结果集的排序……这些操作都在 Server 层完成；

IO Cost 表示引擎层 IO 的开销，MySQL 8.0 可以通过区分一张表的数据是否在内存中，分别计算读取内存 IO 开销以及读取磁盘 IO 的开销。

总结来说：

• MySQL 优化器是 CBO 的，MySQL 会选择成本最低的执行计划，你可以通过 EXPLAIN 命令查看每个 SQL 的成本；
• 一般只对高选择度的字段和字段组合创建索引，低选择度的字段如性别，不创建索引；
• 低选择性，但是数据存在倾斜，通过索引找出少部分数据，可以考虑创建索引。若数据存在倾斜，可以创建直方图，让优化器知道索引中数据的分布，进一步校准执行计划。

有什么优化索引的方法？

几种常见优化索引的方法：

• 前缀索引优化；
• 覆盖索引优化；
• 主键索引最好是自增的；
• 防止索引失效；

前缀索引优化

使用某个字段中字符串的前几个字符建立索引，减小索引字段大小，可以增加一个索引页中存储的索引值，有效提高索引的查询速度。

不过，前缀索引有一定的局限性，例如：

• order by 就无法使用前缀索引；
• 无法把前缀索引用作覆盖索引；

覆盖索引优化

查询的数据能在二级索引里查询的到，不需要通过主键索引查询获得，可以避免回表的操作

假设我们只需要查询商品的名称、价格，有什么方式可以避免回表呢？

我们可以建立一个联合索引，即「商品ID、名称、价格」作为一个联合索引。如果索引中存在这些数据，查询将不会再次检索主键索引，从而避免回表。

所以，使用覆盖索引的好处就是，不需要查询出包含整行记录的所有信息，也就减少了大量的 I/O 操作。

主键索引最好是自增的

我们在建表的时候，都会默认将主键索引设置为自增的，具体为什么要这样做呢？又什么好处？

InnoDB 创建主键索引默认为聚簇索引，数据被存放在了 B+Tree 的叶子节点上。也就是说，同一个叶子节点内的各个数据是按主键顺序存放的，因此，每当有一条新的数据插入时，数据库会根据主键将其插入到对应的叶子节点中。

如果我们使用自增主键，那么每次插入的新数据就会按顺序添加到当前索引节点的位置，不需要移动已有的数据，当页面写满，就会自动开辟一个新页面。因为每次插入一条新记录，都是追加操作，不需要重新移动数据，因此这种插入数据的方法效率非常高。

如果我们使用非自增主键，由于每次插入主键的索引值都是随机的，因此每次插入新的数据时，就可能会插入到现有数据页中间的某个位置，这将不得不移动其它数据来满足新数据的插入，甚至需要从一个页面复制数据到另外一个页面，我们通常将这种情况称为页分裂。页分裂还有可能会造成大量的内存碎片，导致索引结构不紧凑，从而影响查询效率。

而如果记录是顺序插入的，例如插入数据11，则只需开辟新的数据页，也就不会发生页分裂：

索引最好设置为 NOT NULL

为了更好的利用索引，索引列要设置为 NOT NULL 约束。有两个原因：（优化器选择复杂，NULL有NULL值表占用空间）

• 第一原因：索引列存在 NULL 就会导致优化器在做索引选择的时候更加复杂，更加难以优化，因为可为 NULL 的列会使索引、索引统计和值比较都更复杂，比如进行索引统计时，count 会省略值为NULL 的行。
• 第二个原因：NULL 值是一个没意义的值，但是它会占用物理空间，所以会带来的存储空间的问题，因为 InnoDB 存储记录的时候，如果表中存在允许为 NULL 的字段，那么行格式中至少会用 1 字节空间存储 NULL 值列表，如下图的紫色部分

防止索引失效

发生索引失效的情况：

like和联合没有左匹配，函数，or

• 当我们使用左或者左右模糊匹配的时候，也就是 like %xx 或者 like %xx%这两种方式都会造成索引失效；
• 当我们在查询条件中对索引列做了计算、函数、类型转换操作，这些情况下都会造成索引失效；
• 联合索引要能正确使用需要遵循最左匹配原则，也就是按照最左优先的方式进行索引的匹配，否则就会导致索引失效。
• 在 WHERE 子句中，如果在 OR 前的条件列是索引列，而在 OR 后的条件列不是索引列，那么索引会失效。

问题自测

1.为什么索引能提⾼查询速度?

索引是提高查询效率的一种数据结构，索引是数据的目录，索引的底层为B+树实现，B+Tree 只在叶子节点存储数据，单个节点的数据量小，且B+树矮胖，磁盘IO少

通过使用索引，数据库系统可以直接跳到存储数据的位置，而不必逐行查找

2.聚集索引和⾮聚集索引的区别？⾮聚集索引⼀定回表查询吗?

1. 聚集索引（Clustered Index）：
   • 聚集索引中，表的行数据按照索引的顺序进行存储，而且每张表只能有一个聚集索引
   • 因为数据行按照索引的顺序存储，所以聚集索引可以加速范围查询和排序操作，但是插入和更新操作可能会导致数据的重新排序，因此对于频繁进行这些操作的表来说，可能会影响性能。
2. 非聚集索引（Non-Clustered Index）：
   • 非聚集索引中，索引的叶子节点并不包含实际的数据行，而是包含指向数据行的指针（或者称为引用）。
   • 表可以有多个非聚集索引，这些索引可以加速检索

在查询时使用了二级索引，如果查询的数据能在二级索引里查询的到，那么就不需要回表，这个过程就是覆盖索引。如果查询的数据不在二级索引里，就会先检索二级索引，找到对应的叶子节点，获取到主键值后，然后再检索主键索引，就能查询到数据了，这个过程就是回表

3.索引这么多优点，为什么不对表中的每⼀个列创建⼀个索引呢？(使⽤索引⼀定能提⾼查 询性能吗?)

索引最大的好处是提高查询速度，但是索引也是有缺点**（空间、维护）**的，比如：

• 需要占用物理空间，数量越大，占用空间越大；
• 创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增大；
• 会降低表的增删改的效率，因为每次增删改索引，B+ 树为了维护索引有序性，都需要进行动态维护。

什么时候适用索引？

唯一、常查、排序

• 字段有唯一性限制的，比如商品编码；
• 经常用于 WHERE 查询条件的字段，这样能够提高整个表的查询速度，如果查询条件不是一个字段，可以建立联合索引。
• 经常用于 GROUP BY 和 ORDER BY 的字段，这样在查询的时候就不需要再去做一次排序了，因为我们都已经知道了建立索引之后在 B+Tree 中的记录都是排序好的

什么时候不需要创建索引？

不查不排、重复数据、数据量小、常更新

• WHERE 条件，GROUP BY，ORDER BY 里用不到的字段，索引的价值是快速定位，如果起不到定位的字段通常是不需要创建索引的，因为索引是会占用物理空间的。
• 字段中存在大量重复数据；
• 表数据太少的时候，不需要创建索引；
• 经常更新的字段不用创建索引，比如不要对电商项目的用户余额建立索引，因为索引字段频繁修改，由于要维护 B+Tree的有序性，那么就需要频繁的重建索引，这个过程是会影响数据库性能的。

4.索引底层的数据结构了解么？Hash 索引和 B+树索引优劣分析

Hash 在做等值查询的时候效率贼快，搜索复杂度为 O(1)。

但是 Hash 表不适合做范围查询，它更适合做等值的查询，这也是 B+Tree 索引要比 Hash 表索引有着更广泛的适用场景的原因。

5.B+树做索引⽐红⿊树好在哪⾥？

红黑树通常用于实现内存中的数据结构，例如C++的STL中的map和set。它是一种高度平衡的二叉搜索树，对于内存中的数据结构来说，维护起来比较简单。

B+树则更适合用于实现磁盘存储上的索引结构：

• 2、B+Tree vs 二叉树
  • B+树的节点相对较大，能够存储更多的索引项，从而减少了树的高度，降低了访问磁盘的次数(矮胖)
  • B+树的节点相对较大，一个节点可以存储多个关键字，这意味着在进行磁盘IO时，可以一次性读取更多的索引项到内存中，利用了局部性原理，减少了IO的开销（局部性）
  • B+树的节点相对较大，树的高度低，节点分裂和合并等平衡操作相对较少，在插入和删除操作时，B+树通常能够更加高效地维持树的平衡性，而不需要频繁地进行平衡调整操作
  • B+树的叶子节点形成了一个有序链表，便于范围查询

6.最左前缀匹配原则了解么？

联合索引要按照最左优先的方式进行索引的匹配

比如，如果创建了一个 (a, b, c) 联合索引，如果查询条件是以下这几种，就可以匹配上联合索引：

• where a=1；
• where a=1 and b=2 and c=3；
• where a=1 and b=2；

需要注意的是，因为有查询优化器，所以 a 字段在 where 子句的顺序并不重要。

但是，如果查询条件是以下这几种，因为不符合最左匹配原则，所以就无法匹配上联合索引，联合索引就会失效:

• where b=2；
• where c=3；
• where b=2 and c=3；

为什么联合索引不遵循最左匹配原则就会失效？

原因是，在联合索引的情况下，数据是按照索引第一列排序，第一列数据相同时才会按照第二列排序

7.什么是覆盖索引

查询的数据能在二级索引里查询的到，不需要通过主键索引查询获得，可以避免回表的操作

假设我们只需要查询商品的名称、价格，有什么方式可以避免回表呢？

我们可以建立一个联合索引，即「商品ID、名称、价格」作为一个联合索引。如果索引中存在这些数据，查询将不会再次检索主键索引，从而避免回表。

8.如何查看某条 SQL 语句是否⽤到了索引？[待完善]

在这个查询前加上 EXPLAIN 来查看执行计划：

EXPLAIN SELECT * FROM my_table WHERE column_name = 'value';

这将会返回一个执行计划，其中包含了MySQL执行这个查询时使用的索引信息。如果在 Extra 列中看到 Using index 或者 Using where; Using index，那么表示查询使用了索引。如果没有使用索引，可能会看到 Using where 或者 Using filesort 等