深入浅出 MySQL 索引（下）

前言

在上一篇文章中，作者介绍了 InnoDB 索引的数据结构模型，今天继续聊聊跟 MySQL 索引有关的概念。

在开始文章之前，我们先来看一个问题：

在下面这个 表 T 中，如果我执行 select * from T where k between 3 and 5，需要执行几次树的搜索操作，会扫描多少行？

下面是这个表的初始化语句。

create table T(
    ID int private key,
    k int NOT NULL DEFAULT 0,
    s varchar(16) NOT NULL DEFAULT '',
    index k(k)
) engine = InnoDB;

insert into T values(100, 1, 'aa'),(200, 2, 'bb'),(300, 3, 'cc'),(500, 5, 'ee'),(600, 6, 'ff'),(700, 7, 'gg');

 现在，我们一起来看看这条 SQL 查询语句的执行流程：

1. 在 k 索引树上找到 k=3 的记录，取得 ID=300
2. 再到 ID 索引树查到 ID=300 对应的R3
3. 在k 索引树去下一个值 k=5，取得 ID=500
4. 再回到 ID 索引树查到 ID=500 对应的 R4
5. 在 k 索引树取下一个值 k=6，不满足条件，循环结束

在这个过程中，回到主键索引树搜索的过程，我们成为回表，可以看到，这个查询过程读了 k 索引树的 3 条记录（步骤1、 3 和 5），回表了两次（步骤 2 和 4）。在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表，那么，有没有可能经过索引优化， 避免回表过程呢？

覆盖索引

如果执行的语句是 select ID from T where k between 3 and 5，这时只需要查 ID 的值，而 ID 的值已经在 k 索引树上了，因此可以直接提供查询结果，不需要回表，也就是说，在这个查询里面，索引 k 已经“覆盖了” 我们的查询需求，我们称为覆盖索引。

由于覆盖索引可以减少树的搜索次数，显著提升查询性能，索引使用覆盖索引是一个常用的性能优化手段。

需要注意的是，在引擎内部使用覆盖索引在索引 k 上其实读了三个记录， R3 ~ R5 （对应的索引 k 上的记录项），但是对于MySQL 的 Server 层来说，他就是找引擎拿到了两条记录，因此 MySQL 认为扫描行数是2.

备注：关于如何查看扫描行数的问题，作者会在第 16 篇文章中详细讨论。

基于上面覆盖索引的说明，我们来讨论一个问题：在一个市民信息表上，是否有必要将身份证号和名字建立联合索引。

假设这个市民表的定义是这样的：

CREATE TABLE 'tuser' (
    id int (11) NOT NULL,
    id_card varchar(32) DEFAULT NULL,
    name varchar(32) DEFAULT NULL,
    age int(11) DEFAULT NULL,
    ismale tinyint(1) DEFAULT NULL,
    PRIMARY KEY (id),
    KEY 'id_card' ('id_card'),
    KEY 'name_age' ('name','age')
) ENGINE = InnoDB

我们知道，身份证号是市民的唯一标识，也就是说，如果有根据身份证号查询市民信息的需求，我们只要在身份证号字段上建立索引就够了，而再建立一个（身份证号、姓名）的联合索引，是不是浪费空间？

如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意义了，他可以在这个高频请求上用到覆盖索引，不在需要回表查询整行记录，减少语句的执行时间。

当然，索引字段的维护总是有代价的，因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了，这正是业务 DBA，或者称为业务数据架构师的工作。

最左前缀原则

看到这里你一定有一个疑问，如果为每一种查询都设计一个索引，索引是不是太多了，如果我现在要按照市民的身份证号去查他的家庭地址呢？虽然这个查询需求在业务中出现的概率不高，但总不能让他走全表扫描吧？反过来说，单独为一个不频繁的创建一个（身份证号、地址）的索引又感觉有点浪费，应该怎么做呢？

这里，我先和你说结论吧，B+ 树这种索引结构，可以利用索引的 “最左前缀”，来定位记录。

为了直观地说明这个概念，我们用 （name, age）这个联合索引来分析。

可以看到，索引项是按照索引定义里面出现的字段顺序来排序的。

当你的逻辑需求是查到所有名字是“张三”的人时，可以快速定位到 ID4，然后向后遍历得到所有需要的结果。

如果你要查的是所有名字第一个字是“张”的人，你的 SQL 语句的条件是 “where name like ' 张%' ”。这时，你也能够用上这个索引，查找到第一个符合条件的记录是 ID3，然后向后遍历，知道不满足条件为止。

可以看到，不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索，这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。

基于上面对最左前缀索引的说明，我们来讨论一个问题：在建立联合索引的时候，如何安排索引内的字段排序。

这里我们的评估标准是，索引的复用能力。因为可以支持最左前缀，所以当已经有了 （a，b）这个联合索引后，一般就不需要单独在 a 上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。

所以现在你知道了，这段开头的问题是，我们要为高频请求创建（身份证号，姓名）这个联合索引，并用这个索引支持 “ 根据身份证号查询地址 ” 的需求。

那么，如果既有联合查询，又有基于 a、b各自的查询呢？查询条件里面只有 b 的语句，是无法使用 ( a，b ) 这个联合索引的，这时候你不得不维护另外一个索引，也就是说你需要同时维护  ( a，b )、( b ) 这两个索引。

这时候，我们要考虑的原则就是空间了，比如上面这个市民表的情况，name 字段是比 age 字段大的，那我就建议你创建一个 （name，age）的联合索引和一个（age）的单字段索引。

索引下推

上一段我们说到满足最左前缀原则的时候，最左前缀可以用于在索引中定位记录。这时，你可能要问，那些不符合最左前缀的部分，会怎么样呢？

我们还是以市民表的联合索引（name，age）为例，如果现在有一个需求：检索出表中 “名字第一个字是张，而且年龄是 10 岁的所有男孩 ”。那么，SQL语句是这么写的：

select * from tuser where name like '张%' and age = 10 and ismale = 1;

你已经知道了前缀索引规则，所以这个语句在搜索索引树的时候，只能用 “张” ，找到第一个满足条件的记录是 ID3 。当然，这还不错，总比全表扫描要好。

然后呢？当然是判断其他条件是否满足。

在 MySQL 5.6 之前，只能从 ID3 开始一个个回表。到主键索引上找出数据行，再对比字段值。

而 MySQL 5.6 引入的索引下推优化 （index condition pushdown），可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。

下图是两个过程的执行流程图。

                                                      图1  无索引下推执行流程

                                                      图2  索引下推执行流程

在上面两个图中，每一个虚线箭头表示回表一次。

图 1 中，在（name，age）索引里面作者特意去掉了 age 的值，这个过程 InnoDB 并不会去看 age 的值，只是按顺序把 “name 第一个字是 ‘ 张 ’ ” 的记录一条条取出来回表，因此需要回表四次。

两张图的区别是，InnoDB 在（name，age）索引内部就判断了 age 是否等于 10，对于不等于 10 的记录，直接判断并跳过，在我们的这个例子中，只需要对 ID4、ID5 这两条记录回表取值数据判断，就只需要回表 2 次。

小结

今天这篇文章，我们讨论了数据库索引的概念，包括了覆盖索引、前缀索引、索引下推，你可以看到，在满足语句需求的情况下，尽量少得访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构的时候，也要以减少资源消耗作为目标。

接下来留一个问题：

实际上主键索引也是可以使用多个字段的， DBA 小吕在入职新公司的时候，就发现自己接手的库里面，有这么一个表，表结构定义类似这样的：

CREATE TABLE 'geek' (
    'a' int(11) NOT NULL,
    'b' int(11) NOT NULL,
    'c' int(11) NOT NULL,
    'd' int(11) NOT NULL,
    PRIMARY KEY('a','b'),
    KEY 'c' ('c'),
    KEY 'ca' ('c','a'),
    KEY 'cb' ('c','b')
) ENGINE=InnoDB;

公司的同事告诉他说，由于历史原因，这个表需要 a、b 做联合主键，这个小吕理解了。

但是，学过本章内容的小吕又纳闷了，既然主键包含了 a、b 这两个字段，那意味着单独在字段 c 上创建一个索引，就已经包含了三个字段了呀，为什么要创建 “ca” “cb” 这两个索引？

同事告诉他，是因为他们的业务里面有这样的两种语句：

select * from geek where c=N order by a limit 1;
select * from geek where c=N order by b limit 1;

那么问题是，这位同事的解释对吗，为了这两个查询模式，这两个索引是否都是必须的？为什么呢？

上一篇问题答案

上篇的问题是：通过两个 alter 语句重建索引 k，以及通过两个 alter 语句重建主键索引是否合理。

作者给出的答案是：

重建索引 k 的做法是合理的，可以达到省空间的目的。但是，重建索引的过程不合理。不论是删除主键还是创建主键，都会将整个表重建，所以连着执行这两个语句的话。第一个语句就白做了。这两个语句，你可以用这个语句代替：

alter table T engine = InnoDB。