MySQL：MySQL为什么有时候会选错索引_数据库什么情况下会用错索引-CSDN博客

MySQL中，一张表可以建立多个索引，而SQL具体使用哪个索引是由MySQL来确定的。

但是，有时候，一条本来可以执行的很快的语句，却由于MySQL选错了索引，而导致执行速度变得很慢。

看个例子（这个例子对应的是我们平常不断地删除历史数据和新增数据的场景）：

建表，表中有a，b两个字段，并分别加上索引

CREATE TABLE `t` (
 `id` int(11) NOT NULL,
 `a` int(11) DEFAULT NULL,
 `b` int(11) DEFAULT NULL,
 PRIMARY KEY (`id`),
 KEY `a` (`a`),
 KEY `b` (`b`)
) ENGINE=InnoDB		;

然后，我们往表 t 中插入 10 万行记录，取值按整数递增，即：(1,1,1)，(2,2,2)，(3,3,3) 直到 (100000,100000,100000)。

delimiter ;;
create procedure idata()
begin
 declare i int;
 set i=1;
 while(i<=100000)do
 insert into t values(i, i, i);
 set i=i+1;
 end while;
end;;
delimiter ;
call idata();

接下来，我们分析一条 SQL 语句：

mysql> select * from t where a between 10000 and 20000;

在这里插入图片描述

从上面可以看出，key这个字段是’a’，表示优化器选择了索引a
然后，我们再来做如下操作
- sessionA开启了一个事务
- 随后，session B把数据都删除之后，调度存储过程idata，插入10万行数据
- 这个时候，session B的查询语句select * from t where a between 10000 and 20000就不会选择索引a了。我们可以通过慢查询日志（slow log）来查看一下具体的执行情况。
- 为了说明优化器选择的结果是否正确，增加了一个对照，即：使用 force index(a) 来让优化器强制使用索引 a

set long_query_time=0; //是将慢查询日志的阈值设置为 0，表示这个线程接下来的语句都会被记录入慢查询日志中；
select * from t where a between 10000 and 20000; /*Q1*/
select * from t force index(a) where a between 10000 and 20000;/*Q2*/

在这里插入图片描述

如下图，是执行上面操作之后的慢查询日志。可以看出：
- Q1 扫描了 10 万行，显然是走了全表扫描，执行时间是 40 毫秒
- Q2 扫描了10001 行，执行了 21 毫秒
也就是说，我们在没有使用 force index 的时候，MySQL 用错了索引，导致了更长的执行时间。

在这里插入图片描述
为什么MySQL会选错索引呢？

优化器的逻辑

选择索引是优化器的工作。而优化器选择索引的目的，是找到一个最优的执行方案，并以最小的代价去执行语句。

在数据库里面，扫描行数是影响代价之一。扫描的行数越少，意味着访问磁盘数据的次数越少，消耗CPU的资源越少
当然，扫描行数并不是唯一的判断标准，优化器还会结合是否使用临时表，是否排序等因素进行综合判断

我们这个简单的查询语句并没有涉及到临时表和排序，所以MySQL选错索引肯定是在判断扫描行数的时候出问题了。

所以，问题是：扫描行数是怎么判断的？

MySQL在真正执行语句之前，并不能精确的知道满足这个条件的记录有多少条，而只能根据统计信息来估算记录值
这个统计信息就是索引的“区分度”。显然，一个索引上不同的值越多，这个索引的区分度就越好。而一个索引上不同的值的个数，我们称之为“基数”。也就是说，这个基数越大，索引的区分度越好

我们可以使用 show index 方法，看到一个索引的基数。如下图所示，就是表 t 的 show index 的结果。虽然这个表的每一行的三个字段值都是一样的，但是在统计信息中，这三个索引的基数值（cardinality）并不同，而且其实都不准确。

在这里插入图片描述

那么，MySQL是怎样得到索引的基数的呢？

是通过采样统计的方法。

为什么要采样统计呢？因为把整张表取出来一行行统计，虽然可以得到精确的结果，但是代价太高了，所以只能选择采样统计。
采样统计的时候，InnoDB默认会选择N个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面树，就得到了这个索引的基数。
而数据表是持续更新的，索引统计信息也不是固定不变的。所以，当变更的数据行数超过了1/M的时候，就会自动触发重新做一次索引统计。

在MySQL中，有两种存储索引统计的方法，可以通过设置参数 innodb_stats_persistent的值来选择：

设置为 on 的时候，表示统计信息会持久化存储。这时，默认的 N 是 20，M 是 10。
设置为 off 的时候，表示统计信息只存储在内存中。这时，默认的 N 是 8，M 是 16。

由于是采样统计，所以不管N是20还是8，这个基数都是很容易不准的。

但，这还不会是全部。

从上图中可以看大，这次的索引统计值（cardinality）虽然不精确，但是大体上还是拆不多的，选错索引一定还有其他的原因。

其实索引统计只是一个输入，对于一个具体的语句来说，优化器还要判断，执行这个语句本身要扫描多少行。explain的rows这个字段表示的是索引扫描行数：

Q1 的结果还是符合预期的，rows 的值是 104620；
但是 Q2 的 rows 值是37116，偏差就大了

在这里插入图片描述

结合图1（也就是下图，为第一个场景中的实验数据）用 explain 命令看到的 rows 是只有 10001 行，是这个偏差误导了优化器的判断。

在这里插入图片描述
问题是：为什么优化器放着37116行的执行计划不用，却选择了扫描行数是104620的执行计划呢？

因为，如果使用索引a，每次从索引a上拿到一个值，都要回到主键索引上查出整行数据，这个代价优化器也要算进去的（使用普通索引需要把回表的代价算进去）
而如果选择了扫描10万行，是直接在主键索引上扫描的，没有额外的代价。

优化器会估算这两个选择的代价，从结果来看，优化器认为直接扫描主键索引更快。

所以冤有头债有主，MySQL 选错索引，这件事儿还得归咎到没能准确地判断出扫描行数。

既然是统计信息不对，那就修正。analyze table t 命令，可以用来重新统计索引信息。我们来看一下执行效果。
在这里插入图片描述
这回对了。

所以在实践中，如果你发现explain的结果预估的rows值跟实际情况差距比较大，可以采用analyze命令来修正。

优化器不止看扫描行数

例子：

mysql> select * from t where (a between 1 and 1000)  and (b between 50000 and 100000) order by b limit 1;

从条件上看，这个查询没有符合条件的记录，因此会返回空集合。

问题是：优化器会选择哪个索引呢？

分析：

如果使用索引a来查询，那么就是扫描索引a的前1000个值，然后取到对应id，再到主键索引上查出每一行，然后根据字段b来过滤。显然，这要扫描1000行
如果使用索引b来查询，那么就是扫描索引b的最后50001个值，然后取到对应id，再到主键索引上查出每一行，然后根据字段b来过滤。显然，这要扫描50001行

那，是不是就应该选择索引a呢？

我们来看下explain，可以看到：

返回结果的key表示这次优化器选择了索引b，
而 rows 字段显示需要扫描的行数是 50198。

从上面可以推出：
扫描行数的估计值依然不正确
这个例子中MySQL又选错了索引

纠正：force index(a)
在这里插入图片描述
可以看到，原本语句需要执行 2.23 秒，而使用 force index(a) 的时候，只用了 0.05秒，比优化器的选择快了 40 多倍。

索引选择异常和处理

如果索引选错了怎么办？

方法一： 采用force index 强行选择一个索引
- MySQL会根据词法解析的结果分析出可能可以使用的索引作为候选项，然后再候选列表中依次判断每个索引需要扫描多少行
- 如果force index指定的索引在候选索引列表中，就直接选择这个索引，不再评估其他索引的执行代价
- 问题是：一般来说，选错索引的情况还是比较少的，所以开发的时候一般不会先写上 force index。而是等到线上出现问题的时候，你才会再去修改 SQL 语句、加上 force index。但是修改之后还要测试和发布，对于生产系统来说，这个过程不够敏捷。
方法二：考虑修改语句，，引导 MySQL 使用我们期望的索引
- 比如，把“order by b limit 1” 改成 “order by b,a limit 1”
- 之前优化器选择使用索引 b，是因为它认为使用索引 b 可以避免排序（b 本身是索引，已经是有序的了，如果选择索引 b 的话，不需要再做排序，只需要遍历），所以即使扫描行数多，也判定为代价更小。
- 现在 order by b,a 这种写法，要求按照 b,a 排序，就意味着使用这两个索引都需要排序。因此，扫描行数成了影响决策的主要条件，于是此时优化器选了只需要扫描 1000 行的索引a。
- 当然，这种修改并不是通用的优化手段，只是刚好在这个语句里面有 limit 1，因此如果有满足条件的记录， order by b limit 1 和 order by b,a limit 1 都会返回 b 是最小的那一行，逻辑上一致，才可以这么做。
方法三：在有些场景下，我们可以新建一个更合适的索引，来提供给优化器做选择，或删掉误用的索引