MySQL中给字符串字段加索引

---

前言

学完了MySQL索引部分，我们清楚的认识到给子段添加索引可以快速的进行查询，节约时间。但是索引有很多。那么对于字段怎么加索引，加什么索引。加到索引不同，效率肯定也会有不同的。接下来，我们研究下，怎么给字符串字段加索引

---

一、前缀索引和普通索引

我们依旧是通过一个例子进行讲解。

我们用邮箱登录这个业务。创建了一个用户表，SQL句如下：

create table SUser(
	ID bigint unsigned primary key,
	email varchar(64),
	...
	)engine=InnoDB;

要是有邮箱登录，业务代码中一定会出现如下这样的SQL语句：

select f1,f2 from SUser where email='xxx';

对于这查询语句，相比加上索引效率效率更高。
但是加上什么索引呢？
如果只是普通的加上索引，那么相应的索引对应的B+树中存储的就这email索引列的全部内容。想必都知道，一个邮箱账号包含的字符串是很长。如果把这一个很长的字符串充当索引，那是很浪费存储空间的。为此，我们可以使用前面提到过前缀索引，即把email的一部分字符串设置为索引。接下来，我们分析学习下两者的效率。

针对email字段创建如下两个不同的索引，进行分析：

alter table SUser add index index1(email);
或者
alter table SUser add index index2(email(6));

第一个语句创建的index1索引里面，包含了每个记录的整个字符串；而第二个语句创建的index2
索引里面，对于每个记录都是只取前6个字节。

针对这两个的存储，存储结构图，如下所示：
对index1:

对index2：

从图中的存储可以看出，email(6)这个存储占用的空间更小。这是使用前缀索引的优势，但是查询效率上呢，接下来我们分析一下。

执行下面的SQL语句，看看不同的索引执行流程有何不同：

select id,name,email from SUser where email='zhangssa@xxx.com';

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：

• 从index1索引树找到满足索引值的这条记录，取得ID2的值；
• 到主键上查到主键值是ID2的行，判断email的值是正确的，将这行记录加入结果集；
• 取index1索引树上刚刚查到的位置的下一条记录，发现已经不满足条件了,循环结束。

这个过程中，只需要回主键索引取一次数据，所以系统认为只扫描了一行。

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的值不是这行记录丢弃；
• 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。

通过这个对比，你很容易就可以发现，使用前缀索引后，可能会导致查询语句读数据的次数变多。

通过看使用前缀索引结构，进行检索。如果设置的前缀个数较少，那各个字段的区分度不大，就会有很多重合的索引，就需要多次回表进行检查。区分度越高越好。因为区分度越高，意味着重复的键值越少。但是要存储的字符串就会越多，所以要平衡下，找到最好的前缀索引。

二、前缀索引对覆盖索引的影响

我们将上面的SQL查询语句，变成下面的：

select id,email from SUser where email='zhansss%@xxx.com';

如果使用index1（即email整个字符串的索引结构）的话，可以利用覆盖索引，从index1查
到结果后直接就返回了，不需要回到ID索引再去查一次。而如果使用index2（即email(6)索引结
构）的话，就不得不回到ID索引再去判断email字段的值。

将index2的定义修改为email(18)的前缀索引，这时候虽然index2已经包含了所有的信息，但InnoDB还是要回到id索引再查一下，因为系统并不确定前缀索引的定义是否截断了完整信

也就是说，使用前缀索引就用不上覆盖索引对查询性能的优化了，这也是你在选择是否使用前缀
索引时需要考虑的一个因素。

对前缀索引方式的优化

三、优化前缀索引

对于邮箱这样的使用前缀比较合适，但是如果像身份证这样的，因为身份证前很多位都是表示地理信息的，所以每个人的区分度不大。

为了解决这个区分度的问题，设计了如下两种方法：

第一种方式：倒序存储
存储身份证号的时候把它倒过来存，每次查询的时候，可以这么写：

select field_list from t where id_card=reverse('input_id_card_string');

第二种方式：使用hash字段
在表上再创建一个整数字段，来保存身份证的校验码，同时在这个字段上创建索引：

alter table t add id_card_crc int unsigned, add index(id_card_crc);

每次插入新记录的时候，都同时用crc32()这个函数得到校验码填到这个新字段。由于校验码可能存在冲突，也就是说两个不同的身份证号通过crc32()函数得到的结果可能是相同的，所以你的查询语句where部分要判断id_card的值是否精确相同。

它们这两个都不支持范围查询。倒序存储的字段上创建的索引是按照倒序字符串的方式排序的，已经没有办法利用索引方式查出身份证号码在[ID_X, ID_Y]的所有市民了。同样
地，hash字段的方式也只能支持等值查询。

键值越少。