在索引里提到了索引占用的空间和索引占用值的关系。并提到了字符串可以使用最左N个字符作为索引值(最左前缀)。
在数据库选错索引怎么办里提到基数(cardinality)是选择使用哪个索引的很重要的指标。
前缀索引
下面举个例子:
-- 使用整个字段做索引
mysql> alter table SUser add index index1(email);
-- 使用前6个字符做索引
mysql> alter table SUser add index index2(email(6));
如果使用的是 index1(即 email 整个字符串的索引结构),执行顺序是这样的:
zhangssxyz@xxx.com
zhangssxyz@xxx.com
如果使用的是 index2(即 email(6) 索引结构),执行顺序是这样的:
从 index2 索引树找到满足索引值是’zhangs’的记录,找到的第一个是 ID1;
到主键上查到主键值是 ID1 的行,判断出 email 的值不是’zhangssxyz@xxx.com’,这行记录丢弃;(回表)
取 index2 上刚刚查到的位置的下一条记录,发现仍然是’zhangs’,取出 ID2,再到 ID 索引上取整行然后判断,这次值对了,将这行记录加入结果集;
重复上一步,直到在 idxe2 上取到的值不是’zhangs’时,循环结束。
可以看到使用第二种方式建索引会导致回表,那么覆盖索引也用不上了。
所以,如何给字符串建索引就成了空间(占用空间)和效率(基数)的权衡。前缀索引使用的好,就可以做到既节省空间,又不用额外增加太多的查询成本。
如何确定前缀索引的长度
首先,你可以使用下面这个语句,算出这个列上有多少个不同的值:
mysql> select count(distinct email) as L from SUser;
然后,依次选取不同长度的前缀来看这个值,比如我们要看一下 4~7 个字节的前缀索引,可以用这个语句:
mysql> select
count(distinct left(email,4))as L4,
count(distinct left(email,5))as L5,
count(distinct left(email,6))as L6,
count(distinct left(email,7))as L7,
from SUser;
使用前缀索引很可能会损失区分度,所以你需要预先设定一个可以接受的损失比例,比如 5%。然后,在返回的 L4~L7 中,找出不小于 L * 95% 的值,假设这里 L6、L7 都满足,你就可以选择前缀长度为 6。
前缀区分度不够怎么办
比如身份证号,字符串很长,前缀部分区分度很低,有两个方法:
倒序存储:把身份证倒过来存,因为身份证前几位区分度太低,但是后几位区分度很高:
mysql> alter table t add index id_card_i(id_card(6));
mysql> select field_list from t where id_card = reverse('input_id_card_string');
添加一个身份证的hash字段
mysql> alter table t add id_card_crc int unsigned, add index(id_card_crc);
mysql> select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'
这两个方法有个共同的缺点,不支持范围查询,只支持等值查询。