一文带你快速搞懂MySQL索引

索引

索引概述

• 介绍

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。

索引能加快数据库的查询速度，一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往是存储在磁盘上的文件中的。

• 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	索引列也是要占用磁盘空间的
通过索引列对数据进行排序，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

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种：

索引结构	描述
B+Tree索引	最常见的索引类型，大部分引擎都支持B+Tree树索引
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
R-tree（空间索引）	空间索引是MySAM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
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LUC饿呢，Solr，ES

我们平常所说的索引，如果没有特别指明，都是B+树结构组织的索引。

• 二叉树

二叉树特点：每个节点最多有2个分叉，左子树和右子树数据顺序左小右大。

二叉树缺点：顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级较深，检索速度慢。

红黑树（本质也是一个二叉树）：大数据量情况下，层级较深，检索速度慢。

• B-Tree（多路平衡查找树）

以一颗最大度数为5（5阶）的b-tree为例（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。

具体动态变化的过程可以参考网站：B-Tree Visualization

• B+Tree

MySQL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。

相对于B-Tree区别：

• 所有的数据都会出现在叶子节点

• 叶子节点形成双向链表

• Hash

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。

hash索引特点

1. Hash索引只能用于对等比较（=，in），不支持范围查询（between，>，<，...)
2. 无法利用索引完成排序操作
3. 查询效率高，通常只需要一次检索就可以了，效率通常要高于B+tree索引

存储引擎支持

在MySQL中，支持hash索引的是Memory引擎，而InnoDB中具有自适应的hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

面试题：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；
• 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	针对与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）	将数据存储与索引放到了一块，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

回表查询：在InnoDB存储引擎中，使用辅助索引（二级索引）查询的时候，因为二级索引叶子节点保存的数据不是当前记录的数据而是当前记录的主键索引，索引如果需要获取当前记录完整数据就必然需要根据主键值从聚集索引（叶子节点存储的是id对应的行数据）继续查询。这个过程称为回表。

避免回表

使用覆盖索引，举个例子：现有User表（id(PK), name(key), sex, address...）；如果在一个场景下，select id, name, sex from user where name='张三' ;

这个语句在业务上频繁使用到，而User表的其他字段使用频率远低于它，在这种情况下，如果我们建立name字段的索引的时候，不是使用单列索引，而是使用联合索引（name，sex）这样的话在执行这个查询语句是不是根据辅助索引查询到的结果就可以获取当前语句的完整数据。这样就可以有效地避免了回表再获取sex的数据。

思考题：

1. 以下SQL语句，那个执行效率高？为什么？

select * from user where id=10；

select * from user where name='arm'；

• 第一个执行效率高，因为根据id查找，只需进行一次聚集索引查找就OK；
• 第二个先根据name索引进行二级索引查找对应的id，在根据id进行聚集索引查找对应的数据。

1. 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：

n * 8 +（n + 1）6 = 16 * 1024，算出n约为1170 （n为键值，所以会有1171个指针）

1171 * 16 = 18736 （两层可以存放18736数据）

高度为3：

1171 * 1171 * 16 = 21939856 （当数据更多时要考虑分库分表）

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；

案例

表tb_user，有字段name，phone，email，profestion，age，status

1. name字段为姓名字段，该字段的值可能会重复，为该字段创建索引

• • create index idx_user_name on tb_user(name)；

1. phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引

• • create unique index idx_user_phone on tb_user(phone)；

1. 为profestion、age、status创建联合索引

• • create index idx_user_pro_age_sta on tb_user(profestion、age、status)； （在联合索引中字段的顺序是有讲究的）

1. 为email建立合适的索引来提升查询效率

• • create index idx_user_email on tb_user(email)；

1. 查看索引

• • show index from tb_user；

1. 删除索引

• • drop index idx_user_email on tb_user；

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______'；

• 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）中配置如下信息：

• 开启MySQL慢日志查询开关
  • 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 profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作：

• SELECT @@have_profiling；

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling：

• SET profiling = 1；

1. 查看每一条SQL的耗时基本情况：

• show profiles；

1. 查看指定query_id的SQL语句各个阶段的耗时情况

• show profile for query query_id；

1. 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。

语法：

直接在select语句之前加上关键字 explain / desc

• explain select 字段列表 from 表名 where 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子句或者是操作表的顺序（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，既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）等
• type
  • 表示连接类型，性能由好到差的连接类型为null、system、const、eq_ref、ref、range、index、all。
• possible_key
  • 显示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认为必须要执行查询的行数，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

• 验证索引效率

在未建立索引之前，执行如下SQL语句，查看SQL的耗时。

• select * from tb_sku where sn='100000293'； （20s）

针对字段创建索引

• create Index idx_sku_sn on tb_sku(sn)；

然后再次执行相同的SQL语句，再次查看SQL的耗时。

• select * from tb_sku where sn='100000293'； （0.01s）

• 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。

• explain select * from tb_user where age=31 and status='0' and profession='软件工程'；
• 上述代码用到之前的联合索引（idx_user_pro_age_sta），会走索引，所以最左前缀法则具体指字段必须存在，和位置没关系。

如果跳跃某一列，索引将部分失效（后面的字段索引失效 ）。

• 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

• explain select * from tb_user where profession='软件工程' and age > 30 and status='0' ；
• status索引失效
• 规避方法：业务允许的情况下，尽量使用（>=，）

• 索引列运算

不要在索引列上进行运算操作（substring、like），索引将失效。

• 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

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。

• or连接的条件

用or分隔开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及到的索引都不会被用到。

解决方法：保证or前后的字段都有索引，一方没有则建立索引

• 数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

• SQL提示

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。

use index：使用该索引

ignore index：不使用该索引

force index：必须使用该索引

• explain select * from tb_user force index(idx_user_pro) where profession='软件工程'；

• 覆盖索引

覆盖索引是一种很常用的优化手段。尽量使用覆盖索引（覆盖索引指的是查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到），减少select *；

知识小贴士：

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

• 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，这会让索引变得很大，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。

语法：

• create index idx_xxxx on table_name(columb(n))；

前缀长度：

可以根据索引的选择性来决定，而选择性是指不重复的索引值（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，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

• select count(distinct email) / count(*) from tb_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：即一个索引只包含了多个列。

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

1. 针对于数据量较大，且查询比较频繁的表建立索引。
2. 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。
3. 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。
4. 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
5. 尽量使用联合索引，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。
6. 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。
7. 如果索引不能存储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，它可以更好的确定那个索引最有效地用于查询。