![7c69d1088037926d7cb456951d1c6973.png](https://i-blog.csdnimg.cn/blog_migrate/6172e8730cba4e83bf40235ad5b92f6e.jpeg)
介绍
本文为小编原创文章,首发于Java识堂,一个高原创,高收藏,有干货的微信公众号,一起成长,一起进步,欢迎关注
前文已经说了explain命令的大部分参数,接着图解:高级开发岗必备,大量实例让你明白SQL分析命令explain的使用这篇文章把explain的key_len参数分享完,接着分享最左前缀原则,建立如下的表,其中name列和address列都建立了索引
CREATE TABLE `teacher` ( `id` int(10) NOT NULL, `name` char(20) NOT NULL, `address` varchar(100) DEFAULT NULL, PRIMARY KEY (`id`), KEY `idx_name` (`name`), KEY `idx_addr` (`address`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;
执行如下命令
explain select * from teacher where name = "张三"
![675611b260fc1957706888449202539d.png](https://i-blog.csdnimg.cn/blog_migrate/e74f37606c11cd30fce55d3cbc94e868.jpeg)
explain select * from teacher where address = "北京"
![94d60d395d5cad362ffa05d30ec90db6.png](https://i-blog.csdnimg.cn/blog_migrate/8ee7298c861c92c322756bd8939f2bd7.jpeg)
问题来喽,这些key_len是怎么算出来的呢?
key_len
key_len表示索引使用的字节数,根据这个值,就可以判断索引使用情况,特别是在组合索引的时候,判断所有的索引字段是否都被查询用到
![25ea2f86d2b755fea9366c676041d363.png](https://i-blog.csdnimg.cn/blog_migrate/383ee5757568cd663197032bc63c4763.jpeg)
char和varchar跟字符编码也有密切的联系
latin1占用一个字节,gbk占用2个字节,utf8占用3个字节,utf8mb4占用4个字节(不同字符编码占用的存储空间不同)
char和varchar跟字符编码也有密切的联系
latin1占用一个字节,gbk占用2个字节,utf8占用3个字节,utf8mb4占用4个字节(不同字符编码占用的存储空间不同)
字符类型-索引字段为char类型+不可为Null时
char(n)=n*(utf8mb4=4,utf8=3,gbk=2,latin1=1)
所以上面第一个列子(查询name=张三)的key_len为20*3=60
下文中为了描述方便,编码类型默认为utf8
字符类型-索引字段为char类型+允许为Null时
char(n)=n*3+1(允许null,是否为空的标记)
字符类型-索引字段为varchar类型+不可为Null时
varchar(n)=n*3+2(变长列,记录当前数据存了多少)
字符类型-索引字段为varchar类型+允许为Null时
varchar(n)=n*3+1(允许null)+2(变长列)
所以上面第二个例子(查询住址=北京)的key_len为100*3+1+2=303
![c617b75010209d22fd18fca699b438fa.png](https://i-blog.csdnimg.cn/blog_migrate/e238076472dc4cec9acae2e65c846245.jpeg)
整数/浮点数/时间类型的索引长度
Not Null=字段本身的长度
Null=字段本身的长度+1
再回头看看前面的例子,是不是很容易就理解了呢?整数时间类型的小编就不再举例,自己写个例子就很容易就理解了
最左前缀原则
查询
主要针对组合索引,满足如下2个条件即可满足左前缀原则
- 需要查询的列和组合索引的列顺序一致
- 查询不要跨列
构造数据如下,其中在name,address,country上建了联合索引
CREATE TABLE `people` ( `name` varchar(50) NOT NULL, `address` varchar(50) NOT NULL, `country` varchar(50) NOT NULL, KEY `idx_name_addr_country` (`name`,`address`,`country`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;
先简单举个例子,然后总结一下
explain select * from people where name = "jack"and address = "beijing" and country = "china"
![8599ba5a43776acbafd460995f749580.png](https://i-blog.csdnimg.cn/blog_migrate/fbc0f0ca3d754e7d9d807703264500ba.jpeg)
type为ref,key_len为456=(50*3+2)*3,联合索引的所有列都使用了
explain select * from people where name = "jack"
![2e2ab5438be003386de508af1f711aa3.png](https://i-blog.csdnimg.cn/blog_migrate/4e6a1ae16a37c9b06978cfd9c709234a.jpeg)
type为ref,key_len为152=50*3+2,联合索引只使用了name列
explain select * from people where address = "beijing"
![215616bdf0f00f6a85a53c2e74c6ae5d.png](https://i-blog.csdnimg.cn/blog_migrate/fcb82af5bc3313eea31edc6c4d4f93e6.jpeg)
type为index,并没有走索引,简单说一下index和ref的区别
index:这种类型表示mysql会对整个该索引进行扫描。要想用到这种类型的索引,对这个索引并无特别要求,只要是索引,或者某个联合索引的一部分,mysql都可能会采用index类型的方式扫描。但是呢,缺点是效率不高,mysql会从索引中的第一个数据一个个的查找到最后一个数据,直到找到符合判断条件的某个索引。所以,上述语句会触发索引扫描
ref:这种类型表示mysql会根据特定的算法快速查找到某个符合条件的索引,而不是会对索引中每一个数据都进行一一的扫描判断,也就是所谓你平常理解的使用索引查询会更快的取出数据。而要想实现这种查找,索引却是有要求的,要实现这种能快速查找的算法,索引就要特定的数据结构。简单说,也就是索引字段的数据必须是有序的,才能实现这种类型的查找,才能利用到索引。
总结几个典型的例子,联合索引为key idx_a_b_c(a,b,c)
![0578497b8fd0a0e2451ac5fcd6208210.png](https://i-blog.csdnimg.cn/blog_migrate/2bf324a4f544c42869de321c39e3791f.jpeg)
排序
最左前缀原则不仅用在查询中,还能用在排序中。MySQL中,有两种方式生成有序结果集:
- 通过有序索引顺序扫描直接返回有序数据
- Filesort排序,对返回的数据进行排序
因为索引的结构是B+树,索引中的数据是按照一定顺序进行排列的,所以在排序查询中如果能利用索引,就能避免额外的排序操作。EXPLAIN分析查询时,Extra显示为Using index。
所有不是通过索引直接返回排序结果的操作都是Filesort排序,也就是说进行了额外的排序操作。EXPLAIN分析查询时,Extra显示为Using filesort,当出现Using filesort时对性能损耗较大,所以要尽量避免Using filesort
还是先举2个例子,然后总结
explain select * from people order by name
![0e280f3d91bb9cc6f71a9a15e4aca451.png](https://i-blog.csdnimg.cn/blog_migrate/b4f2a1e2e10d2e721c097f0a6ff205b0.jpeg)
Extra列只有Using index,即根据索引顺序进行扫描
explain select * from people order by address
![0389fd736523c68ecf3a41ecae045477.png](https://i-blog.csdnimg.cn/blog_migrate/80cc69e23a612f3c54c78654cb7f3e21.jpeg)
Extra列有Using filesort,进行了额外排序
总结:假如说有如下联合索引,key idx_a_b_c(a,b,c)
order by 能使用索引排序
order by aorder by a,border by a,b,corder by a desc, b desc, c descwhere a = const order by b,cwhere a = const and b = const order by cwhere a = const and b > const order by b,c
order by 不能使用索引进行排序
order by border by corder by b, corder by a asc, b desc, c desc //排序不一致where g = const order by b,c //丢失a索引where a = const order by c //丢失b索引where a = const order by a,d //d不是索引的一部分where a in (...) order by b,c //范围查询
有时间会单开一篇文章介绍order by优化,这里只做个粗浅的介绍
联合索引特性
增加开销。建一个联合索引(col1,col2,col3),实际相当于建了(col1),(col1,col2),(col1,col2,col3)三个索引。每多一个索引,都会增加写操作的开销和磁盘空间的开销。对于大量数据的表,使用联合索引会大大增加开销!
覆盖索引。对联合索引(col1,col2,col3),如果有如下的sql: select col1,col2,col3 from test where col1=1 and col2=2。那么MySQL可以直接通过遍历索引取得数据,而无需回表,这了很多的随机io操作。io操作,特别的随机io其实是dba主要的优化策略。所以,在真正的实际应用中,覆盖索引是主要的提升性能的优化手段之一。
效率高。索引列越多,通过索引筛选出的数据越少。有1000W条数据的表,有如下sql:select from table where col1=1 and col2=2 and col3=3,假设假设每个条件可以筛选出10%的数据,如果只有单值索引,那么通过该索引能筛选出1000W10%=100w条数据,然后再回表从100w条数据中找到符合col2=2 and col3= 3的数据,然后再排序,再分页;如果是联合索引,通过索引筛选出1000w*10%*10% *10%=1w,效率提升可想而知!
原创不易,有不懂的可以留言,欢迎大家多多转发