?

知識(shí)點(diǎn)：Mysql 索引原理完全手冊(cè)(1)

知識(shí)點(diǎn)：Mysql 索引原理完全手冊(cè)(2)

知識(shí)點(diǎn)：Mysql 索引優(yōu)化實(shí)戰(zhàn)(3)

知識(shí)點(diǎn)：Mysql 數(shù)據(jù)庫(kù)索引優(yōu)化實(shí)戰(zhàn)(4)

Mysql-索引原理完全手冊(cè)

• 一、 介紹
• 二、 索引的原理
• 三、 索引的數(shù)據(jù)結(jié)構(gòu)
• 四、 聚集索引與輔助索引
• 五、 MySQL索引管理
• 六、 測(cè)試索引
• 七、 正確使用索引
• 八、 聯(lián)合索引與覆蓋索引
• 九、 查詢優(yōu)化神器-explain
• 十、 慢查詢優(yōu)化的基本步驟
• 十一、 慢日志管理

一 、介紹

為何要有索引?

復(fù)雜的查詢操作是我們遇到最多的，也是最容易出問(wèn)題的，因此數(shù)據(jù)庫(kù)性能的優(yōu)化顯然是重中之重。說(shuō)起加速查詢，就不得不提到索引了。

什么是索引？

索引在MySQL中也叫做“鍵”，是存儲(chǔ)引擎用于快速找到記錄的一種數(shù)據(jù)結(jié)構(gòu)。索引對(duì)于良好的性能非常關(guān)鍵，表中的數(shù)據(jù)量越來(lái)越大，索引對(duì)于性能的影響愈發(fā)重要。

索引能夠輕易將查詢性能提高好幾個(gè)數(shù)量級(jí)，其功能相當(dāng)于字典的音序表。

3010 405 15 35 66 1 6 11 19 21 39 55 100

對(duì)索引的誤解？

1平衡點(diǎn)的選擇

若索引太多，應(yīng)用程序的性能可能會(huì)受到影響。而索引太少，對(duì)查詢性能又會(huì)產(chǎn)生影響。

要找到一個(gè)平衡點(diǎn)，這對(duì)應(yīng)用程序的性能至關(guān)重要。

2索引優(yōu)先級(jí)

開發(fā)人員編寫SQL語(yǔ)句、存儲(chǔ)過(guò)程之類，往往對(duì)數(shù)據(jù)庫(kù)的使用停留在應(yīng)用的層面，認(rèn)為事后讓相關(guān)DBA加上即可。

DBA往往不夠了解業(yè)務(wù)的數(shù)據(jù)流，而添加索引需要通過(guò)監(jiān)控大量的SQL語(yǔ)句進(jìn)而從中找到問(wèn)題，這個(gè)步驟所需的時(shí)間肯定是遠(yuǎn)大于初始添加索引所需的時(shí)間，并且可能會(huì)遺漏一部分的索引。

索引的添加也是非常有技術(shù)含量的。

二 、索引的原理

一 、索引原理

索引的目的在于提高查詢效率，類似于查閱字典，其本質(zhì)都是：通過(guò)不斷地縮小想要獲取數(shù)據(jù)的范圍來(lái)篩選出最終想要的結(jié)果，同時(shí)把隨機(jī)的事件變成順序的事件。

也就是說(shuō)，有了這種索引機(jī)制，我們可以總是用同一種查找方式來(lái)鎖定數(shù)據(jù)。

數(shù)據(jù)庫(kù)也是一樣，但顯然要復(fù)雜的多，因?yàn)椴粌H面臨著等值查詢，還有范圍查詢(>、<、between、in)、模糊查詢(like)、并集查詢(or)等等。

數(shù)據(jù)庫(kù)應(yīng)該選擇怎么樣的方式來(lái)應(yīng)對(duì)所有的問(wèn)題呢？

舉個(gè)例子，如果1000條數(shù)據(jù)，我們分成10段，這樣查第250條數(shù)據(jù)，只要找第三段就可以了，一下子去除了90%的無(wú)效數(shù)據(jù)。

但如果是1千萬(wàn)的記錄呢？

稍有算法基礎(chǔ)的同學(xué)會(huì)想到搜索樹，其平均復(fù)雜度是lgN，具有不錯(cuò)的查詢性能。

但我們忽略了一個(gè)關(guān)鍵的問(wèn)題，復(fù)雜度模型是基于每次相同的操作成本來(lái)考慮的。

而數(shù)據(jù)庫(kù)實(shí)現(xiàn)比較復(fù)雜，一方面數(shù)據(jù)是保存在磁盤上的，另外一方面為了提高性能，每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來(lái)計(jì)算，因?yàn)槲覀冎涝L問(wèn)磁盤的成本大概是訪問(wèn)內(nèi)存的十萬(wàn)倍左右，所以簡(jiǎn)單的搜索樹難以滿足復(fù)雜的應(yīng)用場(chǎng)景。

二 、磁盤IO與預(yù)讀

先簡(jiǎn)單介紹一下磁盤IO和預(yù)讀

磁盤讀取數(shù)據(jù)靠的是機(jī)械運(yùn)動(dòng)，每次讀取數(shù)據(jù)花費(fèi)的時(shí)間可以分為尋道時(shí)間、旋轉(zhuǎn)延遲、傳輸時(shí)間三個(gè)部分：

• 尋道時(shí)間指的是磁臂移動(dòng)到指定磁道所需要的時(shí)間，主流磁盤一般在5ms以下；
• 旋轉(zhuǎn)延遲就是我們經(jīng)常聽說(shuō)的磁盤轉(zhuǎn)速，比如一個(gè)磁盤7200轉(zhuǎn)，表示每分鐘能轉(zhuǎn)7200次，也就是說(shuō)1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms；
• 傳輸時(shí)間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時(shí)間，一般在零點(diǎn)幾毫秒，相對(duì)于前兩個(gè)時(shí)間可以忽略不計(jì)。

那么訪問(wèn)一次磁盤的時(shí)間，即一次磁盤IO的時(shí)間約等于5+4.17 = 9ms左右，但一臺(tái)500 -MIPS（Million Instructions Per Second）的機(jī)器每秒可以執(zhí)行5億條指令，因?yàn)橹噶钜揽康氖请姷男再|(zhì)，換句話說(shuō)執(zhí)行一次IO的時(shí)間可以執(zhí)行約450萬(wàn)條指令，千萬(wàn)級(jí)數(shù)據(jù)的數(shù)據(jù)庫(kù)，每次9毫秒的時(shí)間，顯然是個(gè)災(zāi)難。

而磁盤IO是非常高昂的操作，計(jì)算機(jī)操作系統(tǒng)做了一些優(yōu)化，當(dāng)一次IO時(shí)，不光把當(dāng)前磁盤地址的數(shù)據(jù)，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)，因?yàn)榫植款A(yù)讀性原理告訴我們，當(dāng)計(jì)算機(jī)訪問(wèn)一個(gè)地址的數(shù)據(jù)的時(shí)候，與其相鄰的數(shù)據(jù)也會(huì)很快被訪問(wèn)到。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(yè)(page)。具體一頁(yè)有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k，也就是我們讀取一頁(yè)內(nèi)的數(shù)據(jù)時(shí)候，實(shí)際上才發(fā)生了一次IO，這個(gè)理論對(duì)于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)非常有幫助。

三 、索引的數(shù)據(jù)結(jié)構(gòu)

我們知道了索引的基本原理，數(shù)據(jù)庫(kù)的復(fù)雜性，和操作系統(tǒng)的相關(guān)知識(shí)，任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的，一定會(huì)有它的背景和使用場(chǎng)景，我們現(xiàn)在總結(jié)一下，這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么？

數(shù)據(jù)結(jié)構(gòu)：每次查找數(shù)據(jù)時(shí)把磁盤IO次數(shù)控制在一個(gè)很小的數(shù)量級(jí)，最好是常數(shù)數(shù)量級(jí)。那么我們就想到如果一個(gè)高度可控的多路搜索樹是否能滿足需求呢？

就這樣，b+樹應(yīng)運(yùn)而生（B+樹是通過(guò)二叉查找樹，再由平衡二叉樹，B樹演化而來(lái)）。

如上圖，是一顆b+樹，關(guān)于b+樹的定義可以參見B+樹，這里只說(shuō)一些重點(diǎn)，淺藍(lán)色的塊我們稱之為一個(gè)磁盤塊，可以看到每個(gè)磁盤塊包含幾個(gè)數(shù)據(jù)項(xiàng)（深藍(lán)色所示）和指針（黃色所示），如磁盤塊1包含數(shù)據(jù)項(xiàng)17和35，包含指針P1、P2、P3，P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊。真實(shí)的數(shù)據(jù)存在于葉子節(jié)點(diǎn)即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節(jié)點(diǎn)只不存儲(chǔ)真實(shí)的數(shù)據(jù)，只存儲(chǔ)指引搜索方向的數(shù)據(jù)項(xiàng)，如17、35并不真實(shí)存在于數(shù)據(jù)表中。

b+樹的查找過(guò)程

如圖所示，如果要查找數(shù)據(jù)項(xiàng)29，那么首先會(huì)把磁盤塊1由磁盤加載到內(nèi)存，此時(shí)發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內(nèi)存時(shí)間因?yàn)榉浅６?#xff08;相比磁盤的IO）可以忽略不計(jì)，通過(guò)磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內(nèi)存，發(fā)生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過(guò)指針加載磁盤塊8到內(nèi)存，發(fā)生第三次IO，同時(shí)內(nèi)存中做二分查找找到29，結(jié)束查詢，總計(jì)三次IO。真實(shí)的情況是，3層的b+樹可以表示上百萬(wàn)的數(shù)據(jù)，如果上百萬(wàn)的數(shù)據(jù)查找只需要三次IO，性能提高將是巨大的，如果沒有索引，每個(gè)數(shù)據(jù)項(xiàng)都要發(fā)生一次IO，那么總共需要百萬(wàn)次的IO，顯然成本非常非常高。

b+樹性質(zhì)

• 1.索引字段要盡量的小

我們知道IO次數(shù)取決于b+數(shù)的高度h，假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N，每個(gè)磁盤塊的數(shù)據(jù)項(xiàng)的數(shù)量是m，則有h=㏒(m+1)N，當(dāng)數(shù)據(jù)量N一定的情況下，m越大，h越小；

而m = 磁盤塊的大小 / 數(shù)據(jù)項(xiàng)的大小，磁盤塊的大小也就是一個(gè)數(shù)據(jù)頁(yè)的大小，是固定的，如果數(shù)據(jù)項(xiàng)占的空間越小，數(shù)據(jù)項(xiàng)的數(shù)量越多，樹的高度越低。

這就是為什么每個(gè)數(shù)據(jù)項(xiàng)，即索引字段要盡量的小，比如int占4字節(jié)，要比bigint8字節(jié)少一半。這也是為什么b+樹要求把真實(shí)的數(shù)據(jù)放到葉子節(jié)點(diǎn)而不是內(nèi)層節(jié)點(diǎn)，一旦放到內(nèi)層節(jié)點(diǎn)，磁盤塊的數(shù)據(jù)項(xiàng)會(huì)大幅度下降，導(dǎo)致樹增高。當(dāng)數(shù)據(jù)項(xiàng)等于1時(shí)將會(huì)退化成線性表。

• 2.索引的最左匹配特性

當(dāng)b+樹的數(shù)據(jù)項(xiàng)是復(fù)合的數(shù)據(jù)結(jié)構(gòu)，比如(name,age,sex)的時(shí)候，b+數(shù)是按照從左到右的順序來(lái)建立搜索樹的，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來(lái)檢索的時(shí)候，b+樹會(huì)優(yōu)先比較name來(lái)確定下一步的所搜方向，如果name相同再依次比較age和sex，最后得到檢索的數(shù)據(jù)；

但當(dāng)(20,F)這樣的沒有name的數(shù)據(jù)來(lái)的時(shí)候，b+樹就不知道下一步該查哪個(gè)節(jié)點(diǎn)，因?yàn)榻⑺阉鳂涞臅r(shí)候name就是第一個(gè)比較因子，必須要先根據(jù)name來(lái)搜索才能知道下一步去哪里查詢。

比如當(dāng)(張三,F)這樣的數(shù)據(jù)來(lái)檢索時(shí)，b+樹可以用name來(lái)指定搜索方向，但下一個(gè)字段age的缺失，所以只能把名字等于張三的數(shù)據(jù)都找到，然后再匹配性別是F的數(shù)據(jù)了

這個(gè)就是索引的最左匹配特性。

四 、聚集索引與輔助索引

在數(shù)據(jù)庫(kù)中，B+樹的高度一般都在2至4層，即查找某一個(gè)鍵值的行記錄時(shí)最多只需要2到4次IO。因?yàn)楫?dāng)前一般的機(jī)械硬盤每秒至少可以做100次IO，2至4次的IO意味著查詢時(shí)間只需要0.02~0.04秒。

數(shù)據(jù)庫(kù)中的B+樹索引可以分為聚集索引（clustered index）和輔助索引（secondary index）， 聚集索引與輔助索引相同的是：不管是聚集索引還是輔助索引，其內(nèi)部都是B+樹的形式，即高度是平衡的，葉子結(jié)點(diǎn)存放著所有的數(shù)據(jù)。

聚集索引與輔助索引不同的是：葉子結(jié)點(diǎn)存放的是否是一整行的信息

1、聚集索引

#InnoDB存儲(chǔ)引擎表示索引組織表，即表中數(shù)據(jù)按照主鍵順序存放。而聚集索引（clustered index）就是按照每張表的主鍵構(gòu)造一棵B+樹， 同時(shí)葉子結(jié)點(diǎn)存放的即為整張表的行記錄數(shù)據(jù)，也將聚集索引的葉子結(jié)點(diǎn)稱為數(shù)據(jù)頁(yè)。聚集索引的這個(gè)特性決定了索引組織表中數(shù)據(jù)也是索引的一部分。 同B+樹數(shù)據(jù)結(jié)構(gòu)一樣，每個(gè)數(shù)據(jù)頁(yè)都通過(guò)一個(gè)雙向鏈表來(lái)進(jìn)行鏈接。 #如果未定義主鍵，MySQL取第一個(gè)唯一索引（unique）而且只含非空列（NOT NULL）作為主鍵，InnoDB使用它作為聚簇索引。 #如果沒有這樣的列，InnoDB就自己產(chǎn)生一個(gè)這樣的ID值，它有六個(gè)字節(jié)，而且是隱藏的，使其作為聚簇索引。 #由于實(shí)際的數(shù)據(jù)頁(yè)只能按照一棵B+樹進(jìn)行排序，因此每張表只能擁有一個(gè)聚集索引。在多少情況下，查詢優(yōu)化器傾向于采用聚集索引。 因?yàn)榫奂饕軌蛟贐+樹索引的葉子節(jié)點(diǎn)上直接找到數(shù)據(jù)。此外由于定義了數(shù)據(jù)的邏輯順序，聚集索引能夠特別快地訪問(wèn)針對(duì)范圍值得查詢。

• 聚集索引的好處之一：它對(duì)主鍵的排序查找和范圍查找速度非常快，葉子節(jié)點(diǎn)的數(shù)據(jù)就是用戶所要查詢的數(shù)據(jù)。

如用戶需要查找一張表，查詢最后的10位用戶信息，由于B+樹索引是雙向鏈表，所以用戶可以快速找到最后一個(gè)數(shù)據(jù)頁(yè)，并取出10條記錄

• 聚集索引的好處之二：范圍查詢（range query）

即如果要查找主鍵某一范圍內(nèi)的數(shù)據(jù)，通過(guò)葉子節(jié)點(diǎn)的上層中間節(jié)點(diǎn)就可以得到頁(yè)的范圍，之后直接讀取數(shù)據(jù)頁(yè)即可

2、輔助索引

表中除了聚集索引外其他索引都是輔助索引（Secondary Index，也稱為非聚集索引），與聚集索引的區(qū)別是：輔助索引的葉子節(jié)點(diǎn)不包含行記錄的全部數(shù)據(jù)。

葉子節(jié)點(diǎn)除了包含鍵值以外，每個(gè)葉子節(jié)點(diǎn)中的索引行中還包含一個(gè)書簽（bookmark）。該書簽用來(lái)告訴InnoDB存儲(chǔ)引擎去哪里可以找到與索引相對(duì)應(yīng)的行數(shù)據(jù)。

由于InnoDB存儲(chǔ)引擎是索引組織表，因此InnoDB存儲(chǔ)引擎的輔助索引的書簽就是相應(yīng)行數(shù)據(jù)的聚集索引鍵。

如下圖

輔助索引的存在并不影響數(shù)據(jù)在聚集索引中的組織，因此每張表上可以有多個(gè)輔助索引，但只能有一個(gè)聚集索引。當(dāng)通過(guò)輔助索引來(lái)尋找數(shù)據(jù)時(shí)，InnoDB存儲(chǔ)引擎會(huì)遍歷輔助索引并通過(guò)葉子級(jí)別的指針獲得只想主鍵索引的主鍵，然后再通過(guò)主鍵索引來(lái)找到一個(gè)完整的行記錄。

舉例來(lái)說(shuō)，如果在一棵高度為3的輔助索引樹種查找數(shù)據(jù)，那需要對(duì)這個(gè)輔助索引樹遍歷3次找到指定主鍵，如果聚集索引樹的高度同樣為3，那么還需要對(duì)聚集索引樹進(jìn)行3次查找，最終找到一個(gè)完整的行數(shù)據(jù)所在的頁(yè)，因此一共需要6次邏輯IO訪問(wèn)才能得到最終的一個(gè)數(shù)據(jù)頁(yè)。

五 、MySQL索引管理

一 、功能

索引的功能就是加速查找

mysql中的primary key，unique，聯(lián)合唯一也都是索引，這些索引除了加速查找以外，還有約束的功能

二 、MySQL常用的索引

• 普通索引INDEX：加速查找
• 唯一索引： -主鍵索引PRIMARY KEY：加速查找+約束（不為空、不能重復(fù)）
• 唯一索引UNIQUE:加速查找+約束（不能重復(fù)）
• 聯(lián)合索引：

PRIMARY KEY(id,name):聯(lián)合主鍵索引

UNIQUE(id,name):聯(lián)合唯一索引

INDEX(id,name):聯(lián)合普通索引

三 、索引的兩大類型hash與btree

不同的存儲(chǔ)引擎支持的索引類型也不一樣

• InnoDB 支持事務(wù)，支持行級(jí)別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
• MyISAM 不支持事務(wù)，支持表級(jí)別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
• Memory 不支持事務(wù)，支持表級(jí)別鎖定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；
• NDB 支持事務(wù)，支持行級(jí)別鎖定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；
• Archive 不支持事務(wù)，支持表級(jí)別鎖定，不支持 B-tree、Hash、Full-text 等索引；

四 、創(chuàng)建/刪除索引的語(yǔ)法

創(chuàng)建索引的幾種操作：

#方法一：創(chuàng)建表時(shí)　　CREATE TABLE 表名 (字段名1 數(shù)據(jù)類型 [完整性約束條件…], 字段名2 數(shù)據(jù)類型 [完整性約束條件…], [UNIQUE | FULLTEXT | SPATIAL ] INDEX | KEY [索引名] (字段名[(長(zhǎng)度)] [ASC |DESC]) ); #方法二：CREATE在已存在的表上創(chuàng)建索引 CREATE [UNIQUE | FULLTEXT | SPATIAL ] INDEX 索引名 ON 表名 (字段名[(長(zhǎng)度)] [ASC |DESC]) ; #方法三：ALTER TABLE在已存在的表上創(chuàng)建索引 ALTER TABLE 表名 ADD [UNIQUE | FULLTEXT | SPATIAL ] INDEX 索引名 (字段名[(長(zhǎng)度)] [ASC |DESC]) ; #刪除索引：DROP INDEX 索引名 ON 表名字;

舉例演示：

#方式一 create table t1(id int,name char,age int,sex enum('male','female'),unique key uni_id(id), index ix_name(name) #index沒有key ); #方式二 create index ix_age on t1(age); #方式三 alter table t1 add index ix_sex(sex); #查看 mysql> show create table t1; | t1 | CREATE TABLE `t1` ( `id` int(11) DEFAULT NULL, `name` char(1) DEFAULT NULL, `age` int(11) DEFAULT NULL, `sex` enum('male','female') DEFAULT NULL, UNIQUE KEY `uni_id` (`id`), KEY `ix_name` (`name`), KEY `ix_age` (`age`), KEY `ix_sex` (`sex`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1

六 、索引測(cè)試

一 、數(shù)據(jù)表

#1. 準(zhǔn)備表 create table s1( id int, name varchar(20), gender char(6), email varchar(50) ); #2. 創(chuàng)建存儲(chǔ)過(guò)程，實(shí)現(xiàn)批量插入記錄 delimiter $$ #聲明存儲(chǔ)過(guò)程的結(jié)束符號(hào)為$$ create procedure auto_insert1() BEGIN declare i int default 1; while(i<3000000)do insert into s1 values(i,'duoduo','male',concat('duoduo',i,'@oldboy')); set i=i+1; end while; END$$ #$$結(jié)束 delimiter ; #重新聲明分號(hào)為結(jié)束符號(hào) #3. 查看存儲(chǔ)過(guò)程 show create procedure auto_insert1\G #4. 調(diào)用存儲(chǔ)過(guò)程 call auto_insert1(); #等待時(shí)間長(zhǎng)短，看機(jī)器性能

提示：創(chuàng)建表的時(shí)間長(zhǎng)短，看機(jī)器的性能！

二 、在沒有索引的前提下測(cè)試查詢速度

#無(wú)索引：mysql不知道是否存在id等于666的記錄，只能把數(shù)據(jù)表從頭到尾掃描一遍，此時(shí)有多少個(gè)磁盤塊就需要進(jìn)行多少IO操作，所以查詢速度很慢 mysql> select * from s1 where id=666; Empty set (0.27 sec)

三 、大量數(shù)據(jù)的前提下，為某個(gè)字段段建立索引，建立速度會(huì)很慢

四 、建立索引，以該字段為查詢條件時(shí)，查詢速度提升明顯

PS：

mysql 先去索引表里根據(jù)b+樹的搜索原理很快搜索到id等于666的記錄不存在，IO大大降低，因而速度明顯提升

我們可以去mysql的data目錄下找到該表，可以看到占用的硬盤空間多了

需要注意，如下圖

五、總結(jié)：

#1. 一定是為搜索條件的字段創(chuàng)建索引，比如select * from s1 where id = 666;就需要為id加上索引 #2. 大量數(shù)據(jù)的前提下，建索引會(huì)很慢，且占用硬盤空間，建完后查詢速度加快 比如create index idx on s1(id);會(huì)掃描表中所有的數(shù)據(jù)，然后以id為數(shù)據(jù)項(xiàng)，創(chuàng)建索引結(jié)構(gòu)，存放于硬盤的表中。 建完以后，再查詢就會(huì)很快了。 #3. 需要注意的是：innodb表的索引會(huì)存放于s1.ibd文件中，而myisam表的索引則會(huì)有單獨(dú)的索引文件table1.MYI

MySAM索引文件和數(shù)據(jù)文件是分離的，索引文件僅保存數(shù)據(jù)記錄的地址。

而在innodb中，表數(shù)據(jù)文件本身就是按照B+Tree（BTree即Balance True）組織的一個(gè)索引結(jié)構(gòu)，這棵樹的葉節(jié)點(diǎn)data域保存了完整的數(shù)據(jù)記錄。

這個(gè)索引的key是數(shù)據(jù)表的主鍵，因此innodb表數(shù)據(jù)文件本身就是主索引。

因?yàn)閕nndob的數(shù)據(jù)文件要按照主鍵聚集，所以innodb要求表必須要有主鍵（Myisam可以沒有）， 如果沒有顯式定義，則mysql系統(tǒng)會(huì)自動(dòng)選擇一個(gè)可以唯一標(biāo)識(shí)數(shù)據(jù)記錄的列作為主鍵，

如果不存在這種列，則mysql會(huì)自動(dòng)為innodb表生成一個(gè)隱含字段作為主鍵，這字段的長(zhǎng)度為6個(gè)字節(jié)，類型為長(zhǎng)整型.

七 、正確使用索引

一 、索引未命中

索引不一定會(huì)加快查詢速度。

我們?cè)谔砑铀饕龝r(shí)，必須遵循以下問(wèn)題

1 、范圍問(wèn)題

或者說(shuō)條件不明確，條件中出現(xiàn)這些符號(hào)或關(guān)鍵字：>、>=、<、<=、!= 、between...and...、like、

大于號(hào)、小于號(hào)

不等于！=

between ...and...

like

2 盡量選擇區(qū)分度高的列作為索引

區(qū)分度的公式是count(distinct col)/count(*)，表示字段不重復(fù)的比例，比例越大我們掃描的記錄數(shù)越少，唯一鍵的區(qū)分度是1，而一些狀態(tài)、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0，

這個(gè)值很難確定，一般需要join的字段我們都要求是0.1以上，即平均1條掃描10條記錄

先把表中的索引都刪除，讓我們專心研究區(qū)分度的問(wèn)題

#把表中的索引都刪除，讓我們專心研究區(qū)分度的問(wèn)題mysql> desc s1; +--------+-------------+------+-----+---------+-------+ | Field | Type | Null | Key | Default | Extra | +--------+-------------+------+-----+---------+-------+ | id | int(11) | YES | MUL | NULL | | | name | varchar(50) | YES | | NULL | | | gender | char(5) | YES | | NULL | | | email | varchar(50) | YES | MUL | NULL | | +--------+-------------+------+-----+---------+-------+ 4 rows in set (0.00 sec) mysql> drop index a on s1; Query OK, 0 rows affected (0.20 sec) Records: 0 Duplicates: 0 Warnings: 0 mysql> drop index d on s1; Query OK, 0 rows affected (0.18 sec) Records: 0 Duplicates: 0 Warnings: 0 mysql> desc s1; +--------+-------------+------+-----+---------+-------+ | Field | Type | Null | Key | Default | Extra | +--------+-------------+------+-----+---------+-------+ | id | int(11) | YES | | NULL | | | name | varchar(50) | YES | | NULL | | | gender | char(5) | YES | | NULL | | | email | varchar(50) | YES | | NULL | | +--------+-------------+------+-----+---------+-------+ 4 rows in set (0.00 sec)

分析：

我們編寫存儲(chǔ)過(guò)程為表s1批量添加記錄，name這個(gè)字段的區(qū)分度很低，gender 也是一樣。

根據(jù)b+樹的結(jié)構(gòu)，查詢的速度與樹的高度成反比，要想將樹的高低控制的很低，需要保證：在某一層內(nèi)數(shù)據(jù)項(xiàng)均是按照從左到右，從小到大的順序依次排開，即左1<左2<左3<...

而對(duì)于區(qū)分度低的字段，因?yàn)橹刀际窍嗟鹊?#xff0c;無(wú)法找到大小關(guān)系，毫無(wú)疑問(wèn)，還想要用b+樹存放這些等值的數(shù)據(jù)，只能增加樹的高度，字段的區(qū)分度越低，則樹的高度越高。

極端的情況，索引字段的值都一樣，那么b+樹幾乎成了一根棍。

結(jié)論：為區(qū)分度低的字段建立索引，索引樹的高度會(huì)很高，然而這具體會(huì)帶來(lái)什么影響呢？？？

• 1：如果條件是name='xxxx',那么肯定是可以第一時(shí)間判斷出'xxxx'是不在索引樹中的（因?yàn)闃渲兴械闹稻鶠椤甦uoduo’），所以查詢速度很快

• 2：如果條件正好是name='duoduo',查詢時(shí)，我們永遠(yuǎn)無(wú)法從樹的某個(gè)位置得到一個(gè)明確的范圍，只能往下找，往下找，往下找。。。這與全表掃描的IO次數(shù)沒有多大區(qū)別，所以速度很慢

• 3、=和in可以亂序

比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優(yōu)化器會(huì)幫你優(yōu)化成索引可以識(shí)別的形式

• 4、 索引列不能參與計(jì)算，保持列“干凈”

比如from_unixtime(create_time) = ‘2018-07-12’就不能使用到索引，原因很簡(jiǎn)單，b+樹中存的都是數(shù)據(jù)表中的字段值，但進(jìn)行檢索時(shí)，需要把所有元素都應(yīng)用函數(shù)才能比較，顯然成本太大。所以語(yǔ)句應(yīng)該寫成create_time = unix_timestamp(‘2014-05-29’)

• 5、 and/or

1、and與or的邏輯

條件1 and 條件2:所有條件都成立才算成立，但凡要有一個(gè)條件不成立則最終結(jié)果不成立 條件1 or 條件2:只要有一個(gè)條件成立則最終結(jié)果就成立

2、and的工作原理

條件：a = 10 and b = 'xxx' and c > 3 and d =4 索引：制作聯(lián)合索引(d,a,b,c) 工作原理:對(duì)于連續(xù)多個(gè)and：mysql會(huì)按照聯(lián)合索引，從左到右的順序找一個(gè)區(qū)分度高的索引字段(這樣便可以快速鎖定很小的范圍)，加速查詢，即按照d—>a->b->c的順序

3、or的工作原理

條件：a = 10 or b = 'xxx' or c > 3 or d =4 索引：制作聯(lián)合索引(d,a,b,c) 工作原理:對(duì)于連續(xù)多個(gè)or：mysql會(huì)按照條件的順序，從左到右依次判斷，即a->b->c->d

在左邊條件成立但是索引字段的區(qū)分度低的情況下（name，加速查詢）

• 6 最左前綴匹配原則，非常重要的原則，對(duì)于組合索引mysql會(huì)一直向右匹配直到遇到范圍查詢(>、<、between、like)就停止匹配(指的是范圍大了，有索引速度也慢)，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調(diào)整。

• 7、 其他情況

其他情況演示：

- 使用函數(shù)select * from tb1 where reverse(email) = 'duoduo'; - 類型不一致 如果列是字符串類型，傳入條件是必須用引號(hào)引起來(lái)，不然... select * from tb1 where email = 999; #排序條件為索引，則select字段必須也是索引字段，否則無(wú)法命中 - order by select name from s1 order by email desc; 當(dāng)根據(jù)索引排序時(shí)候，select查詢的字段如果不是索引，則速度仍然很慢 select email from s1 order by email desc; 特別的：如果對(duì)主鍵排序，則還是速度很快： select * from tb1 order by nid desc; - 組合索引最左前綴 如果組合索引為：(name,email) name and email -- 命中索引 name -- 命中索引 email -- 未命中索引 - count(1)或count(列)代替count(*)在mysql中沒有差別了 - create index xxxx on tb(title(19)) #text類型，必須制定長(zhǎng)度

其他注意事項(xiàng)：

- 避免使用select * - count(1)或count(列) 代替 count(*) - 創(chuàng)建表時(shí)盡量時(shí) char 代替 varchar - 表的字段順序固定長(zhǎng)度的字段優(yōu)先 - 組合索引代替多個(gè)單列索引（經(jīng)常使用多個(gè)條件查詢時(shí)） - 盡量使用短索引 - 使用連接（JOIN）來(lái)代替子查詢(Sub-Queries) - 連表時(shí)注意條件類型需一致 - 索引散列值（重復(fù)少）不適合建索引，例：性別不適合

?

?

轉(zhuǎn)載于:https://www.cnblogs.com/yizhiamumu/p/9205568.html

總結(jié)

以上是生活随笔為你收集整理的知识点：Mysql 索引原理完全手册（1）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。