【MySQL笔记】MySQL使用索引的场景及真正利用索引的SQL类型

本笔记主要记录MySQL索引方面的内容，以便为实际工作中SQL优化提供参考。

1. 为什么使用索引

在无索引的情况下，MySQL会扫描整张表来查找符合sql条件的记录，其时间开销与表中数据量呈正相关。对关系型数据表中的某些字段建索引可以极大提高查询速度（当然，不同字段是否selective会导致这些字段建立的索引对查询速度的提升幅度不同，而且索引也并非越多越好，因为写入或删除时需要更新索引信息）。

对于MySQL的Innodb储存引擎来说，大部分类型的index均以B-Tree数据结构的变种B+Tree来存储（MEMORY类型的表还支持hash类型的索引）。B-Tree是数据库或文件系统中常用的一种数据结构，它是一种N叉平衡树，这种树结构保证了同层节点保存的key有序，对于某个节点来说，其左子树保存的所有key均小于该节点保存的key，其右子树保存的所有key均大于该节点保存的key。此外，在工程实现上，还结合操作系统的局部性原理做了很多优化，总之，b-tree的各种特性或优化技巧能保证：1) 查询磁盘记录时，读盘次数最少；2) 任何insert和delete操作对树结构的影响均很小；3) 树本身的rebalance操作很高效。

本文下面的内容主要介绍关于MySQL索引的常见场景，未对B-tree/B+Tree的数据结构做深入的原理性介绍，感兴趣的话，可参考wikipedia上的相关条目（B-tree或B+ tree），或者参考"MySQL索引背后的数据结构及算法原理"或"Understanding B+tree Indexes and how they Impact Performance"  这两篇文章，本笔记不再赘述。

2. MySQL使用索引的场景

MySQL在以下操作场景下会使用索引：
1) 快速查找符合where条件的记录
2) 快速确定候选集。若where条件使用了多个索引字段，则MySQL会优先使用能使候选记录集规模最小的那个索引，以便尽快淘汰不符合条件的记录。 
3) 如果表中存在几个字段构成的联合索引，则查找记录时，这个联合索引的最左前缀匹配字段也会被自动作为索引来加速查找。
例如，若为某表创建了3个字段(c1, c2, c3)构成的联合索引，则(c1), (c1, c2), (c1, c2, c3)均会作为索引，(c2, c3)就不会被作为索引， 而 (c1, c3)其实只利用到c1索引。
4) 多表做join操作时会使用索引（如果参与join的字段在这些表中均建立了索引的话）
5) 若某字段已建立索引，求该字段的min()或max()时，MySQL会使用索引
6) 对建立了索引的字段做sort或group操作时，MySQL会使用索引

3. 哪些SQL语句会真正利用索引
从MySQL官网文档"Comparison of B-Tree and Hash Indexes"可知，下面这些类型的SQL可能会真正用到索引：

1) B-Tree可被用于sql中对列做比较的表达式，如=, >, >=, <, <=及between操作

2) 若like语句的条件是不以通配符开头的常量串，MySQL也会使用索引
比如，SELECT * FROM tbl_name WHERE key_col LIKE 'Patrick%'或SELECT * FROM tbl_name WHERE key_col LIKE 'Pat%_ck%'可以利用索引，而SELECT * FROM tbl_name WHERE key_col LIKE '%Patrick%'（以通配符开头）和SELECT * FROM tbl_name WHERE key_col LIKE other_col（like条件不是常量串）无法利用索引。
对于形如LIKE '%string%'的sql语句，若通配符后面的string长度大于3，则MySQL会利用Turbo Boyer-Moore algorithm算法进行查找。

3) 若已对名为col_name的列建了索引，则形如"col_name is null"的SQL会用到索引

4) 对于联合索引，sql条件中的最左前缀匹配字段会用到索引，示例请参考本文第2节第3条对联合索引的说明

5) 若sql语句中的where条件不只1个条件，则MySQL会进行Index Merge优化来缩小候选集范围，具体的优化策略可以参考MySQL文档Index Merge Optimization 

最后推荐一篇来自美团技术团队的关于SQL优化工程实践的技术文章 -- MySQL索引原理及慢查询优化，极具参考意义，值得精读。

【参考资料】
1. MySQL索引背后的数据结构及算法原理
2. Understanding B+tree Indexes and how they Impact Performance  
3. How MySQL Uses Indexes  
4. Comparison of B-Tree and Hash Indexes  
5. Index Merge Optimization   

==================== EOF =================