Mysql为什么有时候会选错索引？

在Mysql中一张表其实是可以支持多个索引的。但是，在写sql的时候，并没有主动指定使用哪个索引，也就是说，使用哪个索引是由mysql来确定的。
有时候会出现这种情况，一条本来可以执行得很快的sql语句，但是因为mysql选错了索引，而导致执行速度变得很慢。
有如下一张表，并且对a、b字段建立索引：

CREATE TABLE `t` (
  `id` int(11) NOT NULL,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `a` (`a`),
  KEY `b` (`b`)
) ENGINE=InnoDB；

然后我们往表中插入10万行记录，取值按整数递增，即(1,1,1)，(2,2,2)直到(100000,100000,100000)。
可以使用存储过程来插入数据，代码如下：

delimiter ;;
create procedure idata()
begin
  declare i int;
  set i=1;
  while(i<=100000)do
    insert into t values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
call idata();

分析下面这条sql查询语句：

select * from t where a between 10000 and 20000;

这个语句很明显的可以看出，a上有索引，肯定要使用索引a的。下图就是用explain命令看到的这条语句的执行情况。

从图中可以看出，这条查询语句的执行也确实符合预期，key这个字段值是’a’，表示优化器选择了索引a。
然后我们进行了如下操作：

sessionA	sessionB
start transaction with consistentsnapshot;
	delete from t;   call idata();
	explain select * from t where a between 10000 and 20000;
conmmit;

sessionA和sessionB的执行流程 图中，sessionA就是开启了一个事务，然后sessionB将这些数据都删了，然后又调用了存储过程，插入了10万行数据。这个时候，sessionB的查询语句 select * from t where a between 10000 and 20000 就不会在选择索引a了，可以通过慢查询日志（slow log）来查看一下具体的执行情况。 在此，增加了一个对照，即：使用force index(a)来让优化器 强制使用索引a。实验过程如下：

set long_query_time=0;
select * from t where a between 10000 and 20000; /*Q1*/
select * from t force index(a) where a between 10000 and 20000;/*Q2*/

第一句：将慢查询日志的阈值设置为0，表示这个线程接下来的语句都会被记录入慢查询日志中；
第二句：Q1是sessionB原来的查询
第三句：Q2是加了force index(a)来和sessionB原来的查询语句执行情况对比。
这三条sql语句执行完成后的慢查询日志如下：

slow log 结果

可以看到，Q1扫描了10万行，走了全表扫面，执行时间是40毫秒。Q2扫描了10001行，执行了21毫秒，也就是说，我们在没有使用force index的时候，mysql用错了索引，导致了更长的执行时间。
这个例子对应的是我们平常不断地删除历史数据和新增数据的场景，这时，mysql竟然会选错索引。那么原因是什么呢？

优化器的逻辑

选择索引是优化器的工作。
而优化器选择索引的目的，是找到一个最优的执行方案，并用最小的代价去执行语句，在数据库里面，扫描行数是影响执行代价的因素之一。扫描的行数越少，意味着访问磁盘数据的次数越少，消耗的CPU资源越少。
扫面行数并不是唯一的判断标准，优化器还会结合是否使用临时表，是否排序等因素进行综合判断。
这个简单的查询并没有涉及到临时表和排序，所以mysql选错索引肯定是在判断扫描行数的时候出问题了。

扫描行数是怎么判断的？

Mysql在真正开始执行语句之前，并不能精确地知道满足这个条件地记录有多少条，而只能根据统计信息来估算记录数。
这个统计信息就是索引的”区分度“。一个索引上不用的值越多，这个索引的区分度就越好，而一个索引上不同的值的个数，我们称之为”基数“（cardinality）。也就是说，这个基数越大，索引的区分度越好。
可以使用show index方法，看到一个索引的基数。如下图所示，就是表t的show index的结果。虽然这个表的每一行的三个字段值都是一样的，但是在统计信息中，这三个索引的基数值并不同，而且其实都不准确。

表 t 的show index结果

Mysql是怎样得到索引的基数的呢？这里就涉及到Mysql的采样统计方法。

因为将整张表取出来一行行统计，虽然可以得到精确的结果，但是代价太高了，所以只能选择”采样统计“。
采样统计的时候，InnoDB默认会选择N个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面数，就得到了这个索引的基数。
而数据表是会持续更新的，索引统计信息也不会固定不变。所以，当变更的数据行数超过1/M的时候，会自动触发重新做一次索引统计。
MySQL有两种存储索引统计的方式，可以通过设置参数innodb_stats_persistent的值来选择：
1、设置为on的时候，表示统计信息会持久化存储。这时，默认的N是20，M是10
2、设置为off的时候，表示统计信息只存储在内存中，这时，默认的N是8，M是16
由于是采样统计，所以不管是20还是8，这个基数都是很容易不准的。
在上图中可以看出，索引统计值（cardinality列）虽然不够精确，但大体上还是差不多的，选错索引一定还有别的原因。
其实索引统计只是一个输入，对于一个具体的语句来说，优化器还要判断，执行这个语句本身要扫描多少行，然后看一下优化器预估的这两个语句的扫描行数是多少？

意外的 explain 结果

rows这个字段表示的是预计扫描行数。
其中，Q1的结果还是符合预期的，rows的值是104620；但是Q2的rows值是37116，偏差就大了。而图1中我们用explain命令看到的rows是只有10001行，是这个偏差误导了优化器的判断。
到这里，可能你的第一个疑问不是为什么不准，而是优化器为什么放着扫描37000行的执行计划不用，却选择了扫描行数是100000的执行计划呢？
这是因为，如果使用索引a，每次从索引a上拿到一个值，都要回到主键索引上查出整行数据，这个代价优化器也要算进去的。
而如果选择扫描10万行，是直接在主键索引上扫描的，没有额外的代价。优化器会估算这两个选择的代价，从结果看来，优化器认为直接扫描主键索引更快，从执行时间来看，这个选择并不是最优的。
使用普通索引需要把回表的代价算进去，在实行explain的时候，也考虑了这个策略的代价，在explain执行图中可以看到选择是对的，也就是说，这个策略并没有问题。
Mysql选错索引，这个问题还得归咎到没能准确地判断出扫描行数。
既然统计信息不对，那么就修正。analyze table t命令，可以用来重新统计索引信息。执行效果如下

执行analyze table t命令回复的explain结果

从图中可以看出，执行结果是对的。
所以在实践中，我们可以发现explain的结果预估的rows值跟实际情况差距比较大，可以采用这个方法来处理。
其实，如果只是索引统计不准确，通过analyze命令可以解决很多问题，但是我们前面也说了，优化器不止是看扫描行数。
基于表t，来看另外一个语句的执行结果：

select * from t where (a between 1 and 10000) and (b between 50000 and 100000) order by b limit 1;

从条件上看，这个查询没有符合条件的记录，因此会返回空集合。
在开始执行这条语句之前，可以先设想一下，如果你来选择索引，会选择哪一个呢？为了便于分析，我们先来看a、b这两个索引的结构图。

a、b索引的结构图

如果使用索引a进行查询，那么就是扫描索引a的前1000个值，然后取到对应的id，再到主键索引上去查出每一行，然后根据字段b来过滤，这样需要扫描1000行。
如果使用索引b进行查询，那么就是扫描索引b的最后50001行，与上面的执行过程相同，也是需要回到主键索引上取值在判断，所以需要扫描50001行。
这样看来使用索引a的执行速度明显会快很多，下面我们就看看到底是不是这样的“
执行explain：

explain select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 1;

执行结果如下：

使用explain方法查看执行计划

可以看出，返回结果中key字段显示，这次优化器选择了索引b，而rows字段显示需要扫描行数是50198。
由此我们可以知道：
1、扫描行数的估计值依然不准确
2、这个例子里面的mysql选错了索引

索引选择异常和处理

其实大多数时候优化器都能找到正确的索引，偶尔也会碰到我们上面举例的两种情况，原本可以执行的很快的sql语句，执行速度却比预期的要慢很多，这时应该怎么办呢？
方法一：
像我们第一个例子一样，采用force index强行选择一个索引。MySQL会根据词法解析的结果分析出可能可以使用的索引作为候选项，然后在候选列表中依次判断每个索引需要扫描多少行，如果force index指定的索引在候选索引列表中，就直接选择这个索引，不再评估其他索引的执行代价。
在第二个例子里面，刚开始分析时，我们认为选择索引a会更好，现在，我们就来看看执行效果：

使用不同索引的语句执行耗时

可以看到，原本语句需要执行2.23秒，当使用force index(a) 的时候，只用了0.05秒，比优化器的选择快了40多倍。
也就是说，优化器没有选择正确的索引，force index起到了“矫正”的作用。
不过很多程序员都不喜欢使用force index，一是这么写不优美，二十如果索引改了名字，这个语句也得改，就会很麻烦，而且容易出错，如果以后迁移到别的数据库的话，这个语法还可能会不兼容。
但其实使用force index最主要的问题还是变更的及时性。因为选错索引的情况还是比较少出现的，所以开发的时候通常不会先写上force index。而是等到线上出现问题的时候，才会再去修改sql语句，加上force index。但是修改之后还要测试和发布，对于生产系统来说，这个过程不够敏捷/
所以，数据库的问题最好还是在数据库内部来解决。那么如何在数据库里面来解决呢？
既然优化器放弃了使用索引a，说明a还不够合适，所以我们可以使用方法二。
方法二：
我们可以考虑修改语句，引导mysql使用我们期望的索引，比如，在这个例子里，显然把“order by b limit 1”改成“order by b,a limit 1”，语义的逻辑是相同的。
修改之后的效果：

order by b,a limit 1 执行结果

之前优化器选择使用索引b，是因为它认为使用索引b可以避免排序（b本身是索引，已经是有序的了，如果选择索引b的话，不需要再做排序，只需要遍历），所以即使扫描行数多，也判定为代价更小。
现在order by b,a这种写法，要求按照b,a排序，就意味着使用这两个索引都需要排序，因此，扫描行数成了影响决策的主要条件，于是此时优化器选了只需要扫描行数1000行的索引a。
当然，这种修改并不是通用的优化手段，只是刚好在这个语句里面有limit1，因此如果有满足条件的记录，order by b limit 1 和order by b,a limit 1 都会返回b是最小的那一行，逻辑上一致，才可以这么做。
如果觉得修改语句不好，还有一种做法：下面是执行效果：

select * from (select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 100)alias limit 1;

改写sql的explain

在这个例子里，我们用limit100让优化器意识到，使用b索引代价是很高的， 其实是我们根据数据特征诱导了一下优化器，也不具备通用性。
方法三：
在有些场景下，我们可以新建一个更合适的索引，来提供给优化器做选择，或删掉误用的索引。
在这个例子中，我们没有找到通过新增索引来改变优化器行为的方法。这种情况其实比较少，尤其是经过DBA索引来优化过的库，再碰到这个bug，找到一个更合适的索引一般比较难。
还有一个方法是删掉索引b，可能会觉得好笑，但是实际上碰到过两次这样的例子，最终是DBA跟业务开发沟通后，发现这个优化器错误选择的索引其实根本没有必要存在，于是就删掉了这个索引，优化器也就重新选择到了正确的索引。

问题：
前面我们在构造第一个例子的过程中，通过session A的配合，让session B删除数据后又重新插入了一遍数据，然后就发现explain结果中，rows字段从10001变成37000多。
而如果没有session A的配合，只是单独执行delete from t、call idata()、explain这三句话，会看到rows字段其实还是10000左右。可以自己验证一下结果，并分析一下这是什么原因。