mysql8 loose index skip scan 特性加速分组查询性能

前言

要理解Loose Index Scan（松散索引扫描） 如何加速 GROUP BY，核心是抓住「索引有序性」和「跳过无效数据、只取分组核心值」这两个关键点——它彻底避开了“遍历所有数据→临时表分组”的低效路径，直接从有序索引中“精准提取”分组结果。

先看「常规 GROUP BY」的低效逻辑（对比更易理解）

假设表 t1 有索引 idx(c1,c2)，数据如下（索引是有序存储的，所以实际索引中 c1 的值是连续的）：

c1	c2
1	10
1	20
2	30
2	40
3	50

如果执行 SELECT c1, MIN(c2) FROM t1 GROUP BY c1;，常规方式的执行步骤是：

1. 扫描全表（或全索引），读取所有 5 行数据；
2. 创建临时表，把 c1=1 的两行、c1=2 的两行、c1=3 的一行分别归集；
3. 对每个分组计算 MIN(c2)；
4. 返回结果。

这个过程要遍历所有数据，还需要临时表，数据量越大效率越低。

再看「Loose Index Scan」的加速逻辑

因为索引 idx(c1,c2) 是 有序的（BTREE 索引特性），c1 相同的记录在索引中是连续排列的。Loose Index Scan 利用这一点，只读取每个分组的“关键值”，跳过同分组的其他数据：

步骤拆解（还是上面的查询 SELECT c1, MIN(c2) FROM t1 GROUP BY c1;）：

1. 定位索引中第一个 c1=1 的记录，其 c2=10——因为索引有序，同组后续的 c1=1 记录的 c2 一定≥10，所以 MIN(c2) 直接确定为 10，无需读取 c1=1 的下一条记录（c2=20）；
2. 跳过所有 c1=1 的剩余记录，直接定位到第一个 c1=2 的记录，其 c2=30——同理，MIN(c2)=30，跳过 c1=2 的下一条记录（c2=40）；
3. 跳过所有 c1=2 的剩余记录，定位到第一个 c1=3 的记录，其 c2=50——MIN(c2)=50；
4. 直接返回结果，全程只读取了 3 条记录（每个分组 1 条），且无需创建临时表。

核心加速点总结：

维度	常规 GROUP BY	Loose Index Scan
数据读取量	遍历所有符合条件的记录	仅读取每个分组的“首条关键记录”
临时表	必须创建（归集分组）	无需创建
计算逻辑	先归集所有数据，再算聚合	直接从索引首条记录推导聚合结果
时间复杂度	O(N)（N 为总记录数）	O(M)（M 为分组数，M << N）

再举一个带范围条件的例子，更显“松散”的优势

如果查询是 SELECT c1, MIN(c2) FROM t1 WHERE c1 < 3 GROUP BY c1;：

• 常规方式：读取 c1<3 的所有 4 条记录（c1=1 的 2 条 + c1=2 的 2 条），临时表分组后计算；
• Loose Index Scan：仅读取 c1=1 的第一条、c1=2 的第一条，共 2 条记录，直接得出结果，跳过了同组的其他 2 条记录。

为什么叫“松散”？

“松散”的核心是——它不“紧密”遍历索引的每一个键值，而是跳过同分组的所有冗余记录，只抓每个分组的“锚点”（首条记录），就像从有序的数组中“跳着找”分组，而非逐个遍历。

关键前提：为什么能“跳着找”？

必须满足「GROUP BY 列是索引最左前缀」+「聚合函数仅 MIN/MAX 且列紧跟分组列」，本质是：

1. 索引有序性保证了“同分组的记录连续”，所以首条记录就能确定 MIN/MAX；
2. 索引最左前缀保证了“分组列在索引中是最优先的排序维度”，能直接按分组列跳着定位。

如果不满足这些条件（比如用 SUM、GROUP BY 列不是最左前缀），就无法“跳着找”，只能退化为 Tight Index Scan 或常规方式。

简单总结：Loose Index Scan 把 GROUP BY 的执行成本，从「依赖数据总量」降到了「依赖分组数量」，分组数远小于数据量时，加速效果极其显著。

官方文档

https://dev.mysql.com/doc/refman/8.0/en/group-by-optimization.html