索引
索引(index)是帮助Mysql高效获取数据的数据结构(有序)。在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法,这种数据结构就是索引
优缺点:
优势 | 劣势 |
---|---|
提高数据检索的效率,降低数据库的IO成本 | 索引列也是要占空间 |
通过缩影对数据进行排序,降低数据排序的成本,降低CPU的消耗 | 索引大大提高了查询效率,同时却也降低更新表的速度,如对表进行INSERT、UPDATE、DELETE时,效率降低 |
索引结构
索引结构 | 描述 | InnoDB,MyISAM,Memory是否支持 |
---|---|---|
B+Tree索引 | 最常见的索引类型,大部分引擎都支持B+树索引 | 都支持 |
Hash索引 | 底层数据结构是用哈希表实现的,只有精确匹配索引列的查询才有效,不支持范围查询 | 仅Memory支持 |
R-Tree(空间索引) | 空间索引是MyISAM引擎的一个特殊索引类型,主要用于地理空间数据类型,通常使用较少 | 仅MyISAM支持 |
Full-text(全文索引) | 是一种通过建立倒排索引,快速匹配文档的方式。类似于Lucene,Solr,ES | InnoDB5.6版本之后支持,MyISAM支持,Memory不支持 |
二叉树:一个节点下面包含两个子节点,左侧所有的节点比根节点小,右侧所有的节点比根节点大。
二叉树缺点:
-
当顺序插入的时候会形成一个单向链表(比方,36、34、33、23、22、18、16依次插入,即每一个子节点都在跟节点的左侧,会形成一个单向的链表,如果需要查找,则相当于把整个链表遍历了一次)。通过红黑树可解决此
-
由于一个根节点下只有两个子节点,当数据量过大的情况下,层级较深(二叉树的高度较高),检索速度慢 。
B-Tree(多路平衡查找树)
一颗最大度数(max-degree)为5(5阶)的b-tree,每个节点最多存储4个key,5个指针。树的度数指的是一个节点的子节点个数。
B+Tree:
所有的元素都会出现在叶子节点,非叶子节点起到索引的作用。叶子节点形成一个单向链表,每一个节点都会通过一个指针指向下一个节点。MySQLs索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上,增加一个指向相邻叶子节点的链表指针,就形成了带有顺序指针的B+Tree,提高区间访问的性能
哈希索引:
哈希索引就是采用一定的hash算法,将键值换算成新的hash值,映射到对应的槽位上,然后存储在hash表中。如果两个(或多个)键值,映射到一个相同的槽位上,他们就产生了hash冲突(也称为hash碰撞),可以通过链表来解决。
特点:
-
Hash索引只能用于对等比较(=,in),不支持范围查询(between,>,<,...)(因为hash存储的时候没有顺序)
-
无法利用索引完成排序操作(hash运算出来的结果是无序的)
-
查询效率高,在不出现hash碰撞的情况下,通常只需要一次检索就可以了,效率通常要高于B+tree索引
为什么InnoDB存储引擎选择使用B+tree索引结构?
-
相对于二叉树,层级更少,搜索效率更高;
-
对于B-tree,无论是叶子节点还是非叶子节点,都会保存数据,这样导致一页中存储的键值减少,指针跟着减少,要同样保存大量数据,只能增加树的高度,导致性能降低,采用B+Tree,不管是哪个数据都需要在叶子节点中查找,搜索效率稳定,而且叶子节点形成一个双向链表 ,便于范围搜索和排序。
-
相对Hash索引,B+tree支持范围匹配及排序操作;
索引分类
分类 | 含义 | 特点 | 关键字 |
---|---|---|---|
主键索引 | 针对于表中主键创建的索引 | 默认自动创建,只能有一个 | PRIMARY |
唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
常规索引 | 快速定位特定数据 | 可以有多个 | |
全文索引 | 全文索引查找的是文本中的关键词,而不是比较索引中的值 | 可以有多个 | FULLTEXT |
在InnoDB存储引擎中,根据索引的存储形式,又可以分为以下两种:
分类 | 含义 | 特点 |
---|---|---|
聚集索引(Clustered index) | 将数据存储于索引放到了一块,索引结构的叶子节点保存了行数据 | 必须有,而且只有一个 |
二级索引(Secondary Index) | 将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
聚集索引选取规则:
-
如果存在主键,主键索引就是聚集索引。
-
如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引。
-
如果表没有主键,或没有合适的唯一索引,则InnoDB会自动生成一个rowid作为隐藏的聚集索引
select * from user where name = 'Arm';-- name字段上加了索引idx_name
-- 首先通过二级索引idx_name去找到存放的主键,然后通过主键到聚集索引中去找到行数据,这个过程称为回表查询
InnoDB主键索引的B+tree高度为多高呢?
假设:一行数据大小为1k,一页/块中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间,主键即使为Bigint,占用字节数为8。
高度为2:n8 + (n+1)6 = 16*1024 。 n ≈1171 1171 * 16 = 18736
高度为3:1171 * 1171 * 16 = 21939856
索引语法
-- 创建索引
CREATE [UNIQUE|FULLTEXT] INDEX index_name on table_name(index_col_name,..);
-- 查看索引
SHOW INDEX FROM table_name;
-- 删除索引
DROP INDEX index_name on table_name;
SQL性能分析
SQL执行频率
MySQL客户端连接成功后,通过show[session|global] status命令可以提供服务器状态信息。通过如下指令,可以查看当前数据库的INSERT 、UPDATE、DELETE、SELECT的访问频次
SHOW GLOBAL STATUS LIKE 'Com_______'; -- 七个下划线代表七个字符
慢查询日志
慢查询日志记录了所有执行时间超过指定参数(long_query_time,单位:秒,默认10秒)的所有SQL语句的日志。MySQL的慢查询日志默认没有开启,需要在MySQL的配置文件(/etc/my.cnf linxu系统)中配置如下信息:
# 查看慢查询日志是否开启
SHOW VARIABLES LIKE 'slow_query_log';
# 开启MySQL慢查询开关
slow_query_log=1
# 设置慢日志的时间为2秒,SQL语句执行时间超过2秒,就会视为慢查询,记录慢查询日志
long_query_time=2
profile详情
show profile 能在做SQL优化时帮我们了解时间都耗费在哪里。通过 have_profiling 参数,能看到当前 MySQL 是否支持 profile 操作:
SELECT @@have_profiling;
-- profiling 默认关闭,可以通过set语句在session/global级别开启 profiling:
SET profiling = 1;
-- 查看所有语句的耗时:
show profiles;
-- 查看指定query_id的SQL语句各个阶段的耗时:
show profile for query query_id;
-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;
explain执行计划
EXPLAIN 或者 DESC 命令获取 MySQL 如何执行 SELECT 语句的信息,包括在 SELECT 语句执行过程中表如何连接和连接的顺序。
# 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 HWERE 条件;
EXPLAIN执行计划各字段含义:
-
Id:select查询的序列号,表示查询中执行select子句或者式操作表的顺序(id相同,执行顺序从上到下;id不同,值越大越先执行)
-
select_type:表示SELECT的类型,常见的取值有SIMPLE(简单表,即不使用表连接或者子查询)、PRIMARY(主查询,即外层的查询)、UNION(UNION中的第二个或者后面的查询语句)、SUBQUERY(SELECT/WHERE之后包含了子查询)
-
type:表示连接类型,性能由好到差的连接类型为NULL(不查任何表,例如select 1)、system(查询系统表)、const(查询通过唯一索引)、eq_ref、ref、range、index、all。
-
possible_key:可能应用在这张表上的索引,一个或多个
-
Key:实际使用的索引,如果为 NULL,则没有使用索引
-
Key_len:表示索引中使用的字节数,该值为索引字段最大可能长度,并非实际使用长度,在不损失精确性的前提下,长度越短越好
-
rows:MySQL认为必须要执行的行数,在InnoDB引擎的表中,是一个估计值,可能并不总是准确的
-
filtered:表示返回结果的行数占需读取行数的百分比,filtered的值越大越好
索引使用
最左前缀法则:如果索引了多列(联合索引),要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始,并且不跳过索引中的列。如果跳跃了某一列,索引将部分失效(后面的字段索引失效)
-- 示例 联合索引idx_a_b_c
select * from table_name where a='xxx' and b='xxx' and c='xxx'; -- abc都走了索引
select * from table_name where a='xxx' and b='xxx'; -- ab都走了索引
select * from table_name where a='xxx' and c='xxx'; -- a走了索引 c未走索引
select * from table_name where b='xxx' and c='xxx'; -- bc均未走索引
范围查询:联合索引中,出现范围查询(>,<),范围查询右侧的列索引失效(在业务允许的情况下可将>改为>=,索引就不会失效)
索引列运算:不要在索引列上进行运算操作,索引将失效
-- 查询手机尾号为15的数据 phone有索引,但是对phone进行了截取操作,此时索引失效
select * from table_name where substring(phone,10,2) ='15';
字符串不加引号:字符串类型字段使用时,不加引号,索引将失效。
模糊查询:如果仅仅时尾部模糊匹配,索引不会失效,如果是头部模糊匹配,索引会失效
or连接的条件:用or分割开的条件,如果or前的条件中有索引,后面的列没有索引,那么涉及到索引都不会被用到。
数据分布影响:如果MySQL评估使用的索引比全表更慢,则不使用索引。(就是通过该字段索引查询出来的数据如果比全表扫描查出来的慢,则不使用索引。)
SQL提示:是优化数据库的一个重要手段,简单来说,就是在SQL语句中加入一些人为的提示来达到优化操作的目的。
-- 建议使用idx_a索引
select * from table_name use index(idx_a) where a ='xxx';
-- 不使用idx_a索引
select * from table_name ignore index(idx_a) where a ='xxx';
-- 强制使用idx_a索引
select * from table_name use force index(idx_a) where a ='xxx';
覆盖索引:尽量使用覆盖索引(查询使用了索引,并且需要返回的列,在该索引中已经全部能够找到),减少select *。(using index condition:查找使用了索引,但是需要回表查询数据。using where,using index:查找使用了索引,但是需要的数据都在索引列中能找到,所以不需要回表查询数据)
-- id为主键,idx_name_phone联合索引
select id,name,phone,adderss from table_info where name ='xxx' and phone ='123456';
#个人理解:由于idx_name_phone是二级索引,二级索引的叶子节点挂的是主键id,查询的信息中有个adderss,所以还需要通过主键id(聚簇索引的叶子节点挂的是一行数据)去查询address,这个过程称为回表。如果只select id,name,phone。因为索引树上都有这些数据,所以不需要回表查询。
前缀索引: 当字段类型为字符串(varchar,text等)时,有时候需要索引很长的字符串,这会让索引变的很大,查询时,浪费大量的磁盘IO,影响查询效率。此时可以只将字符串的一部分前缀,建立索引,这样可以大大节约索引空间,从而提高索引效率。
创建前缀索引语法:create index idx_xxx on table_name(column(n));-- n指前缀的长度
前缀长度:可以根据索引的选择性来决定,而选择性时指不重复的索引值(基数)和数据表的记录总数的比值,索引选择性越高则查询效率越高,唯一索引的选择性时1,这是最好的索引选择性,性能也是最好的。
select count(distinct email) from table_user; -- 查出不重复email的数量
-- 不重复email的数量与 整个email数量的占比
select count(distinct email)/count(*) from table_user;
-- 截取n个字符之后的email数量与整个email数量的占比,如果这个比例更接近1说明性能更,则n就是前缀
select count(distinct substring(email,1,n))/count(*) from table_user;
单列索引与联合索引
单列索引:即一个索引只包含单个列
联合索引:即一个索引包含了多个列
在业务场景中,如果存在多个查询条件,考虑针对于查询字段建立索引时,建议建立联合索引,而非单列索引。
索引设计原则
-
针对于数据量较大,且查询比较频繁的表建议索引。
-
针对于常作为查询条件(where)、排序(order by)、分组(group by)操作的字段建立索引。
-
尽量选择区分度高的列作为索引,尽量建立唯一索引,区分度越高,使用索引的效率越高
-
如果时字符串类型的字段,字段的长度较长,可以针对字段的特点,建立前缀索引
-
尽量使用来拟合索引,减少单列索引,查询时,联合索引很多时候可以覆盖索引,节省存储空间,避免回表,提高查询效率。
-
要控制索引的数量,索引并不是多多益善,索引越多,维护索引结构的代价也就越大,会影响增删改的效率
-
如果索引列不能存储NULL值,请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时,它可以更好的确定哪个索引最有效地用于查询。