mysql-适合创建索引的11种情况

客户端把sql语句交给数据库后，需要经过数据库的优化器生成查询计划，在此期间决定是走索引查询还是进行全表扫描。本文将展示字段添加索引前后查询效率的对比，来指出哪些情况适合创建索引

1.数据准备

本次实验准备了两张表，分别是学生表student_info和课程表course，他们的结构如下

CREATE TABLE `student_info` (
  `id` int NOT NULL AUTO_INCREMENT,
  `student_id` int NOT NULL,
  `name` varchar(20) DEFAULT NULL,
  `course_id` int NOT NULL,
  `class_id` int DEFAULT NULL,
  `create_time` datetime DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1000001 DEFAULT CHARSET=utf8mb3;

CREATE TABLE `course` (
  `id` int NOT NULL AUTO_INCREMENT,
  `course_id` int NOT NULL,
  `course_name` varchar(40) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=101 DEFAULT CHARSET=utf8mb3;

student_info 表中有100w条记录，course 表中有100条记录

2.适合创建索引的字段

1.字段的数值有唯一性的限制

业务上具有唯一特性的字段，即使是组合字段，也必须建成唯一索引。（来源：Alibaba）

说明：不要以为唯一索引影响了 insert 速度，这个速度损耗可以忽略，但提高查找速度是明显的。

添加了唯一性索引之后，找到一个便可以不用接着往下找了，因为其是为唯一的，所以可以加快查询速度

2.频繁作为 WHERE 查询条件的字段

某个字段在SELECT语句的 WHERE 条件中经常被使用到，那么就需要给这个字段创建索引了。尤其是在数据量大的情况下，创建普通索引就可以大幅提升数据查询的效率。

比如student_info数据表（含 100 万条数据），假设我们想要查询 student_id=123110 的用户信息。

首先查看我们当前只存在主键的聚簇索引

#查看当前stduent_info表中的索引
SHOW INDEX FROM student_info;

此时 student_id 没有索引，我们查询耗时是448ms

#student_id字段上没有索引的：
SELECT 
	course_id, class_id, NAME, create_time, student_id 
FROM 
	student_info
WHERE 
	student_id = 123110; 
#查询耗时:457ms

给student_id字段加上索引

ALTER TABLE 
	student_info
ADD INDEX 
	idx_sid(student_id);

我们再次进行查询，查询耗时为32ms，可以看出走索引只需要花费原来十五分之一的时间

#student_id字段上有索引的：
SELECT
	course_id,
	class_id,
	NAME,
	create_time,
	student_id 
FROM
	student_info 
WHERE
	student_id = 123110;
#查询耗时:32ms

3.经常 GROUP BY 和 ORDER BY 的列

索引的底层是排序，就是让数据按照某种顺序进行存储或检索，因此当我们使用 GROUP BY 对数据进行分组查询，或者使用 ORDER BY 对数据进行排序的时候，就需要对分组或者排序的字段进行索引。如果待排序的列有多个，那么可以在这些列上建立组合索引。

单列索引：

GROUP BY 和ORDER BY 对应的字段都有索引

#查看索引
SHOW INDEX FROM student_info;

我们执行下列语句，发现耗时4638ms

SELECT
	student_id,
	COUNT(*) AS num 
FROM
	student_info 
GROUP BY
	student_id 
ORDER BY
	create_time DESC 
	LIMIT 100;
#执行耗时：4638ms

使用explain工具查看执行计划

我们发现走的是idx_sid的索引，但是因为还要进行一次排序操作，所以使用到了filesort，而文件排序是非常耗时的，我们应当避免

结果：当GROUP BY 和ORDER BY 的字段都有索引时，会优先选择GROUP BY 对应的索引，因为sql语句是先执行GROUP BY 语句。

我们可以使用联合索引来提高查询速度：

联合索引中的顺序：先走group by对应的索引字段，再走order by 对应的索引字段

#添加联合索引
ALTER TABLE 
	student_info
ADD INDEX 
	idx_sid_cre_time(student_id,create_time DESC);

再次使用explain查看查询计划

EXPLAIN SELECT 
	student_id, COUNT(*) AS num FROM student_info 
GROUP BY 
	student_id 
ORDER BY 
	create_time DESC 
LIMIT 
	100; 

这次使用的是联合索引

再次执行

SELECT
	student_id,
	COUNT(*) AS num 
FROM
	student_info 
GROUP BY
	student_id 
ORDER BY
	create_time DESC 
	LIMIT 100;
#执行耗时：445ms

走联合索引比走单列索引速度提升了10倍

4.UPDATE、DELETE 的 WHERE 条件列

对数据按照某个条件进行查询后再进行 UPDATE 或 DELETE 的操作，如果对 WHERE 字段创建了索引，就能大幅提升效率。原理是因为我们需要先根据 WHERE 条件列检索出来这条记录，然后再对它进行更新或删除。 如果进行更新的时候，更新的字段是非索引字段，提升的效率会更明显，这是因为非索引字段更新不需要对索引进行维护。

#④ UPDATE、DELETE 的 WHERE 条件列
SHOW INDEX FROM student_info;


UPDATE student_info SET student_id = 10002 
WHERE NAME = 'pbnidR';  
#执行耗时：1254ms

#添加索引
ALTER TABLE student_info
ADD INDEX idx_name(NAME);


UPDATE student_info SET student_id = 10001 
WHERE NAME = 'pbnidR'; 
#执行耗时：30ms

5.DISTINCT 字段需要创建索

有时候我们需要对某个字段进行去重，使用 DISTINCT，那么对这个字段创建索引，也会提升查询效率。DISTINCT去重的前提是排序好，相同的堆积在一起，进行去重，而索引底层就是排序

比如，我们想要查询课程表中不同的 student_id 都有哪些，如果我们没有对 student_id 创建索引，执行

SQL 语句：

，SELECT DISTINCT student_id FROM `student_info `;
#查询耗时2296ms，198014 条记录

#在student_id列添加索引
alter table student_info add index idx_sid(student_id);
#查询
SELECT DISTINCT student_id FROM `student_info `;
#查询耗时847ms，198014 条记录

可以看到 SQL 查询效率有了提升，同时显示出来的 student_id 还是按照递增的顺序进行展示的。这是因为索引会对数据按照某种顺序进行排序，所以在去重的时候也会快很多。 因为紧挨着所以去重特别方便。

6.多表 JOIN 连接操作时，创建索引注意事项

首先，连接表的数量尽量不要超过 3 张，因为每增加一张表就相当于增加了一次嵌套的循环，数量级增长会非常快，严重影响查询的效率。例如：一层是n，两层是n²，三层是n³

其次，对 WHERE 条件创建索引，因为 WHERE 才是对数据条件的过滤。如果在数据量非常大的情况下，没有 WHERE 条件过滤是非常可怕的。

最后，对用于连接的字段创建索引，并且该字段在多张表中的类型必须一致。比如 course_id 在student_info 表和 course 表中都为 int(11) 类型，而不能一个为 int 另一个为 varchar 类型，否则会运用函数进行隐式转换，而一旦用了函数，索引就会失效。

举个例子，如果我们只对 student_id 创建索引，执行 SQL 语句：

SELECT s.course_id,s.name,s.student_id, c.course_name
FROM student_info s JOIN course c
ON s.course_id = c.course_id
WHERE s.name = 'pbnidR' ;
#查询耗时：395ms，1条记录

这里我们对 name 创建索引

alter table student_info add index idx_name(name);

再执行上面的 SQL 语句，运行时间为 35ms。

7.使用列的类型小的创建索引

我们这里所说的类型大小指的就是该类型表示的数据范围的大小。

我们在定义表结构的时候要显式的指定列的类型，以整数类型为例，有TINYINT、MEDIUMINT、INT、BIGINT等，它们占用的存储空间依次递增，能表示的整数范围当然也是依次递增。如果我们想要对某个整数列建立索引的话，在表示的整数范围允许的情况下，尽量让索引列使用较小的类型，比如我们能使用INT就不要使用BIGINT，能使用MEDIUMINT 就不要使用INT。这是因为:

• 数据类型越小，在查询时进行的比较操作越快
• 数据类型越小，索引占用的存储空间就越少，在一个数据页内就可以放下更多的记录，从而减少磁盘I/0带来的性能损耗，也就意味着可以把更多的数据页缓存在内存中，从而加快读写效率。

这个建议对于表的主键来说更加适用，因为不仅是聚簇索引中会存储主键值，其他所有的二级索引的节点处都会存储一份记录的主键值，如果主键使用更小的数据类型，也就意味着节省更多的存储空间和更高效的I/O。

8.使用字符串前缀创建索引

假设我们的字符串很长，那存储一个字符串就需要占用很大的存储空间。在我们需要为这个字符串列建立索引时，那就意味着在对应的B+树中有这么两个问题:

• B+树索引中的记录需要把该列的完整字符串存储起来，更费时。而且字符串越长，在索引中占用的存储空间越大。
• 如果B+树索引中索引列存储的字符串很长，那在做字符串比较时会占用更多的时间。

我们可以通过截取字段的前面一部分内容建立索引，这个就叫前缀索引。这样在查找记录时虽然不能精确的定位到记录的位置，但是能定位到相应前缀所在的位置，然后根据前缀相同的记录的主键值回表查询完整的字符串值。既节约空间，又减少了字符串的比较时间，还大体能解决排序的问题。

例如，TEXT和BLOG类型的字段，进行全文检索会很浪费时间，如果只检索字段前面的若干字符，这样可以提高检索速度。

创建一张商户表，因为地址字段比较长，在地址字段上建立前缀索引

create table shop(address varchar( 120 ) not null);

alter table shop add index(address( 12 ));

问题是，截取多少呢？截取得多了，达不到节省索引存储空间的目的；截取得少了，重复内容太多，字段的散列度(选择性)会降低。 怎么计算不同的长度的选择性呢？

先看一下字段在全部数据中的选择度：

select count(distinct address) / count(*) from shop;

通过不同长度去计算，与全表的选择性对比：

公式：

count(distinct left(列名, 索引长度))/count(*)

越接近于1表示越合适，如果增幅不大的情况下，优先选择前缀长度较小的

例如：

select count(distinct left(address, 10 )) / count(*) as sub10, -- 截取前 10 个字符的选择度
count(distinct left(address, 15 )) / count(*) as sub11, -- 截取前 15 个字符的选择度
count(distinct left(address, 20 )) / count(*) as sub12, -- 截取前 20 个字符的选择度
count(distinct left(address, 25 )) / count(*) as sub13 -- 截取前 25 个字符的选择度
from shop;

引申另一个问题：索引列前缀对排序的影响

如果使用了索引列前缀，比方说前边只把address列的前12个字符放到了二级索引中，下边这个查询可能就有点儿尴尬了:

SELECT * FROM shop
ORDER BY address  # 这个地方order by 就不准了 如果用前12个建立索引的话
LIMIT 12;

因为二级索引中不包含完整的address列信息，所以无法对前12个字符相同，后边的字符不同的记录进行排序，也
就是使用索引列前缀的方式无法支持使用索引排序，只能使用文件排序。

拓展：Alibaba《Java开发手册》

【强制】在 varchar 字段上建立索引时，必须指定索引长度，没必要对全字段建立索引，根据实际文本区分度决定索引长度。

说明：索引的长度与区分度是一对矛盾体，一般对字符串类型数据，长度为 20 的索引，区分度会高达90% 以上，可以使用 count(distinct left(列名, 索引长度))/count(*)的区分度来确定。

9.区分度高(散列性高)的列适合作为索引

列的基数指的是某一列中不重复数据的个数，比方说某个列包含值2，5，8，2，5，8，2，5，8，虽然有9条记录，但该列的基数却是3。也就是说，在记录行数一定的情况下，列的基数越大，该列中的值越分散;列的基数越小，该列中的值越集中。这个列的基数指标非常重要，直接影响我们是否能有效的利用索引。最好为列的基数大的列建立索引，为基数太小列的建立索引效果可能不好。

可以使用公式 select count(distinct a)/count(*) from t1计算区分度，越接近1越好，一般超过33%就算是比较高效的索引了。

拓展:联合索引应该把区分度高(散列性高)的列放在前面。

10.使用最频繁的列放到联合索引的左侧

这样也可以较少的建立一些索引。同时，由于"最左前缀原则"，可以增加联合索引的使用率。

11.在多个字段都要创建索引的情况下，联合索引优于单值索引

根据最左前缀原则，如果从左到右依次匹配到联合索引，那么既可以走联合索引

3. 限制索引的数目

在实际工作中，我们也需要注意平衡，索引的数目不是越多越好。我们需要限制每张表上的索引数量，建议单张表索引数量不超过6个。原因:

① 每个索引都需要占用磁盘空间，索引越多，需要的磁盘空间就越大。

② 索引会影响INSERT、DELETE、UPDATE等语句的性能，因为表中的数据更改的同时，索引也会进行调整和更新，会造成负担。

注意，update时只有对索引字段进行更新才会影响更新性能。

③优化器在选择如何优化查询时，会根据统一信息，对每一个可以用到的索引来进行评估，以生成出一个最好的执行计划，如果同时有很多个索引都作为候选，那么会增加MySQL优化器生成执行计划时间，降低查询性能。