本文源碼：GitHub·點這里 || GitEE·點這里

一、高性能索引

1、查詢性能問題

在MySQL使用的過程中，所謂的性能問題，在大部分的場景下都是指查詢的性能，導致查詢緩慢的根本原因是數據量的不斷變大，解決查詢性能的最常見手段是：針對查詢的業務場景，設計合理的索引結構。

2、索引使用原則

索引的使用并不是越多越好，而是針對業務下的查詢場景，不斷的改進和優化，例如電商系統中用戶訂單的場景，假設存在如下表結構：

CREATE TABLE `ds_user` (`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id',`user_name` varchar(20) DEFAULT NULL,PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='用戶表';CREATE TABLE `ds_order` (`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id',`user_id` int(11) NOT NULL COMMENT '用戶ID',`order_no` varchar(60) NOT NULL COMMENT '訂單號',`product_name` varchar(50) DEFAULT NULL COMMENT '產品名稱',`number` int(11) DEFAULT '1' COMMENT '個數',`unit_price` decimal(10,2) DEFAULT '0.00' COMMENT '單價',`total_price` decimal(10,2) DEFAULT '0.00' COMMENT '總價',`order_state` int(2) DEFAULT '1' COMMENT '1待支付，2已支付,3已發貨,4已簽收',`order_remark` varchar(50) DEFAULT NULL COMMENT '訂單備注',`create_time` datetime DEFAULT NULL COMMENT '創建時間',PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='訂單表';

用戶和訂單管理表，在電商的業務中很常見，可以通過對該業務分析，看看常用的索引結構：

用戶方：

• 基于用戶的查詢，多數是基于用戶ID(user_id)；
• 基于訂單號(order_no)，查看物流的信息；

運營方：

• 基于時間段的流水明細(create_time)或排序;
• 基于訂單狀態的篩選(order_state)和統計；
• 基于產品(product_name)的數據統計分析；

這樣一個流程分析走下來，即可以在開發初期，確定哪些結構是查詢必須用到的，預先做好索引結構，避免數據量龐大到影響性能時再去考慮使用索引。

有些時候會考慮放棄一些查詢條件，例如基于產品名稱的數據統計，走定時任務的方式，用來緩解表的查詢壓力，處理的方式是多樣的。

優秀的索引設計，都是建立在對業務數據的理解上，考慮業務數據的查詢方式，提高查詢效率。

二、索引創建

1、單列索引

單列索引，即索引建立在表的一個字段上，一個表可以有多個單列索引，使用起來相對比較簡單：

CREATE INDEX user_id_index ON ds_order(user_id) USING BTREE;

主鍵索引，或者上述的user_id_index都是單列索引。

業務場景：基于用戶自己對訂單查詢，和管理系統，訂單和用戶的關聯查詢，所以訂單表的user_id需要一個索引。

2、組合索引

組合索引包含兩個或兩個以上的列，組合索引相比單列索引復雜很多，如何建立組合索引，和業務關聯度非常高，在使用組合索引時，還需要考慮查詢條件的順序。

CREATE INDEX state_create_time_index ON `ds_order`(`create_time`,`order_state`);

如上就是組合索引，實際包含的是2個索引 (create_time) (create_time,order_state)，這樣查詢就涉及到最左前綴的原則，必須按照順序來查詢，這里下面詳說。

業務場景：首先單說這里組合索引，在業務開發中，常見訂單狀態的統計，基于統計結果做運營分析，另外就是在運營系統中，基于創建時間段的篩選條件是默認存在的，避免全部數據實時掃描；一些其他的常見查詢也都是條件加時間段的查詢模式。

3、前綴索引

如果需要加索引的列是很長的字符串，那么索引會變的龐大臃腫，起到的效果可能并不是很明顯。這時候可以截取列的前面一部分，創建索引，節省空間，這樣可能會出現索引的選擇性下降，即基于前綴索引查詢出的相似數據可能很多：

ALTER TABLE ds_order ADD KEY (order_no(30)) ;

這里由于訂單號太長，所以選擇前面30位作為前綴索引，用作訂單號的查詢，當然這里涉及到一個非常經典的業務場景，訂單號機制。

業務場景：前綴索引一個典型的應用場景就是處理訂單號，一個看似很長的訂單號，其實包含的信息非常多：

• 時間點：就是訂單生成的時間，年月日時分秒；
• 標識位：即一個唯一的UID，保證訂全單號唯一；
• 埋點一：在很多業務中，在訂單號記錄產品類目；
• 埋點二：通常會標識產品屬性，例如顏色，口味等；
• 錯位符：防止訂單號被分析，會隨機一段錯位符號；

如此一段分析下來，實際訂單號是非常長的，所以需要引入前綴索引機制，前綴索引期望使用的索引長度可以篩選整個列的基數，例如上面的訂單號：

• 大部分業務基于時間節點篩選足夠，即索引長度14位；
• 如果是并發業務，很多時間節點相同，則索引長度是時間點+標識位；

注意：如果業務允許的情況下，一般要求前綴索引的長度有唯一性，例如上面的時間和標示位。

4、其他索引

例如全文索引等，這些用到的場景不多，如果數據龐大，又需要檢索等，通常會選擇強大的搜索中間件來處理。顯式唯一索引，這種也會在程序上做規避，避免不友好的異常被拋出。

三、索引查詢

如何創建最優的索引，是一件不容易的事情，同樣在查詢的時候，是否使用索引也是一件難度極大的事情，經驗之談：多數是性能問題暴露的時候，才會回頭審視查詢的SQL語句，針對性能問題，做相應的查詢優化。

1、單列查詢

這里直接查詢主鍵索引，MySQL的主鍵一般選擇自增，所以速度非常快。

EXPLAIN SELECT * FROM ds_order WHERE id=2; EXPLAIN SELECT * FROM ds_order WHERE id=1+1; EXPLAIN SELECT * FROM ds_order WHERE id+1=1;

這里，id=2,id=1+1，MySQL都可以自動解析，但是id+1是在索引列上執行運算，直接導致主鍵索引失效。這里有一個基本策略，如果非要在單列索引上做操作，可以將該邏輯放在程序中，到MySQL層面，SQL語句越干凈利落越好。

2、前綴索引查詢

前綴索引的查詢，可以基于Like對特定長度篩選，或者全訂單號查詢。

EXPLAIN SELECT * FROM ds_order WHERE order_no LIKE '202008011314158723628732871625%'; EXPLAIN SELECT * FROM ds_order WHERE order_no='20200801131415872362873287162572367';

3、組合索引查詢

查詢最麻煩的就是組合索引，或者說查詢條件組合起來，都使用了索引：

EXPLAIN SELECT * FROM ds_order WHERE create_time>'2020-08-01 00:00:00' AND order_state='1';

上述基于組合索引中列的順序，使用了組合索引：state_create_time_index。

EXPLAIN SELECT * FROM ds_order WHERE create_time>'2020-08-01 00:00:00';

上述只使用create_time列，也同樣使用了索引結構。

EXPLAIN SELECT * FROM ds_order WHERE order_state='1';

上述如果只使用order_state條件，則結果顯示全表掃描。

EXPLAIN SELECT * FROM ds_order WHERE create_time>'2020-08-01 00:00:00' AND order_no LIKE '20200801%';

上述則基于組合索引的create_time列和單列索引order_no保證查詢條件都使用了索引。

通過上面幾個查詢案例，索引組合索引使用的注意事項如下：

• 組合索引必須按索引最左列開始查詢；
• 不能跳過組合字段查詢,這樣無法使用索引；

四、索引其他說明

1、索引的優點

• 基于注解或唯一索引保證數據庫表中數據的唯一性；
• 索引通過減少掃描表的行數提高查詢的效率；

2、索引的缺點

• 創建索引和維護索引，會耗費空間和實際；
• 查詢以外的操作增刪改等，都需要動態維護索引；

3、索引使用總結

索引機制在MySQL中真的非常復雜，非專業的DBA(就是指開發人員)，基本要熟練常見的索引結構，待過兩年所謂的大廠，每個版本開發涉及的核心表SQL都是有專業DBA驗收，復雜的查詢都是提交需求，DBA直接輸出查詢SQL，當然在一般公司是沒有DBA，需要開發在開發的過程中不斷的思考，逐步優化，這需要對業務數據有一定的敏感度，對核心接口有執行監控，當發現稍微出現耗時情況，就可以不斷優化，這個積累是個枯燥和進步的過程。

五、源代碼地址

GitHub·地址 https://github.com/cicadasmile/mysql-data-base GitEE·地址 https://gitee.com/cicadasmile/mysql-data-base

推薦閱讀：MySQL數據庫系列

序號文章標題

01	MySQL基礎：經典實用查詢案例，總結整理
02	MySQL基礎：從五個維度出發，審視表結構設計
03	MySQL基礎：系統和自定義函數總結，觸發器使用詳解
04	MySQL基礎：存儲過程和視圖，用法和特性詳解
05	MySQL基礎：邏輯架構圖解和InnoDB存儲引擎詳解
06	MySQL基礎：事務管理，鎖機制案例詳解
07	MySQL基礎：用戶和權限管理，日志體系簡介
01	MySQL進階：基于多個維度，分析服務器性能
02	MySQL進階：索引體系劃分，B-Tree結構說明

總結

以上是生活随笔為你收集整理的MySQL进阶篇(03)：合理的使用索引结构和查询的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。