MySQL进阶之索引

1 索引概述

  索引(index)是帮助MySOL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用(指向)数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

  索引的优缺点

优势	劣势
提高数据检索的效率，降低数据库的IO成本	索引列也是要占用空间的
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的 消耗。	索引大大提高了查询效率，同时却也降低更新表的速度，如对表进 行INSERT、UPDATE、DELETE时，效率降低。

2 索引结构

2.1 介绍

  MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种:

• B+Tree索引：最常见的索引类型，大部分引擎都支持 B+树索引。
• Hash索引：底层数据结构是用哈希表实现的,只有精确匹配索引列的查询才有效,不支持范围查询。
• R-tree(空间索引)：空间索引是MVISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少。
• Full-text(全文索引)：是一种通过建立倒排索引,快速匹配文档的方式。类似于Lucene,Solr,ES，使用较少。

  以下是索引在不同存储引擎中的支持情况。我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

2.2 Btree

  研究B+树之前先看看二叉树。

  它把小于叶子节点的树放到左边，大的放到右边。但是二叉树有缺点，即顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级较深，检索速度慢。
  接着我们想到了红黑树。红黑树是一个自平衡的数据结构，虽然他解决了顺序插入问题，但是在大数据量情况下，层级较深，检索速度也慢。

  于是引出了B树，又叫多路平衡查找树。
  下面的是一颗最大度数(max-degree)为5(5阶)的b-tree为例(每个节点最多存储4个key，5个指针)，树的度数指的是一个节点的子节点个数。

  下面以插入 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 数据为例，参考一个网站可以动态构建。
  具体动态变化的过程可以参考网站:https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
  插入的结果如下。

2.3 B+tree

  以一颗最大度数(max-degree)为4(4阶)的b+tree为例。
  和B树不同的是，B+树的所有元素都会出现在叶子节点。非叶子结点只起到索引的作用，叶子节点存放数据。叶子节点形成了单向链表，每个节点通过指针指向了下个元素。

  下面以插入 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 数据为例。 通过网站动态构建结果如下。

  MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。

2.4 Hash

  哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。 如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突(也称为hash碰撞)，可以通过链表来解决。

  Hash索引特点： 1. Hash索引只能用于对等比较(=，in)，不支持范围查询(between，>，< ，...) 2. 无法利用索引完成排序操作 3. 查询效率高，通常只需要一次检索就可以了，效率通常要高于B+tree索引。
  存储引擎支持： 在MySQL中，支持hash索引的是Memory引擎，而InnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构 建的。

2.5 思考

  为什么InnoDB存储引擎选择使用B+tree索引结构?

• 相对于二叉树，层级更少，搜索效率高；
• 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一 页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的 高度，导致性能降低；
• 相对Hash索引，B+tree支持范围匹配及排序操作；

3 索引分类

  在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

  聚集索引选取规则:

• 如果存在主键，主键索引就是聚集索引。
• 如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引。
• 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

  聚集索引低下挂的是行数据row，而二级索引低下挂的是主键id。用name查找演示如下。Arm先通过二级索引找到主键10，再回表查询通过聚集索引找到行数据row。

思考题：
  InnoDB主键索引的B+tree高度为多高呢?
  假设：一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6 个字节的空间，主键即使为bigint，占用字节数为8。
  高度为2：n * 8 + (n + 1) * 6 = 161024，算出n约为 1170，1171 16 = 18736。
  高度为3：1171 * 1171 * 16 = 21939856。
  存储两千多万的数据，树的结构也才3层。

4 索引语法

  创建索引

CREATE [ UNIOUE | FULLTEXT] INDEX index_name ON table_name (index_col_name....) ;

  查看索引

SHOW INDEX FROM table_name ;

  删除索引

DROP INDEX index_name ON table_name ;

  按照下列的需求，完成索引的创建
  1. name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
  2. phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
  3. 为profession、age、status创建联合索引。
  4. 为email建立合适的索引来提升查询效率。

CREATE INDEX idx_user_name ON tb_user(name);
CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);
CREATE INDEX idx_user_pro_age_sta ON tb_user(profession,age,`status`);
CREATE INDEX idx_email ON tb_user(email);

  查看索引SHOW INDEX FROM tb_user ;

5 SQL性能分析

5.1 SQL执行频率

  MySQL 客户端连接成功后，通过 show [session|global] status 命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库 的INSERT、UPDATE、DELETE、SELECT的访问频次： SHOW GLOBAL STATUS LIKE 'Com_______';

5.2 慢查询日志

  SQL性能分析 慢查询日志记录了所有执行时间超过指定参数(long_query_time，单位：秒，默认10秒)的所有SQL语句的日志。 MySQL的慢查询日志默认没有开启，需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息：

# 开启MySOL慢日志查询开关
show_query_log=1
# 设置慢日志的时间为2秒，SOL语句执行时间超过2秒，就会视为查询，记录慢查询日志
long_query_time=2

  配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息 /var/lib/mysql/localhost-slow.log。
  重启mysql，查看慢查询日志是否打开。

SHOW VARIABLES LIKE 'slow_query_log';

5.3 show profile查看耗时操作

  show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持。
  profile操作：

SELECT @@have_profiling;

  默认profiling是关闭的，可以通过set语句在session/global级别开启profiling：

SET profiling = 1;

  执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：

#查看每一条SOL的耗时基本情况
show profiles;
#查看指定query id的SQL语句各个阶段的耗时情况
show profile for query query_id;
#查看指定query id的SQL语句CPU的使用情况
show profile cpu for query query_id;

5.4 explain执行计划

  EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。
  语法:

# 直接在select语句之前加上关键字 explain/desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件

  EXPLAIN 执行计划各字段含义：

• Id：select查询的序列号，表示查询中执行select子句或者是操作表的顺序(id相同，执行顺序从上到下；id不同，值越大，越先执行)。
• select_type：表示 SELECT 的类型，常见的取值有 SIMPLE(简单表，即不使用表连接或者子查询)、PRIMARY(主查询，即外层的查询)、 UNION(UNION 中的第二个或者后面的查询语句)、SUBQUERY(SELECT/WHERE之后包含了子查询)等
• type：表示连接类型，性能由好到差的连接类型为NULL、system、const、eq_ref、ref、range、 index、all 。
• possible_key：显示可能应用在这张表上的索引，一个或多个。
• Key：实际使用的索引，如果为NULL，则没有使用索引。
• Key_len：表示索引中使用的字节数， 该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下， 长度越短越好 。
• rows： MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的。
• filtered：表示返回结果的行数占需读取行数的百分比， filtered 的值越大越好。

6 索引使用

6.1 最左前缀法则

  如果索引了多列(联合索引)，要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。 如果跳跃某一列，索引将部分失效(后面的字段索引失效)。

-- 三个字段长度分别是47、2、5，此查询走索引长度为54
explain select * from tb user where profession = '软件工程' and age = 31 and status = '0';
-- 此查询走索引长度为54,最左索引字段存在就行，和位置无关
explain select * from tb user where status = '0' and age = 31 and profession = '软件工程';
-- 走索引长度49
explain select * from tb user where profession ='软件工程' and age = 31;
-- 走索引长度47
explain select * from tb user where profession='软件工程'
-- 不走索引，全表扫描
explain select * from tb user where age = 31 and status = '0';
-- 不走索引，全表扫描
explain select * from tb user where status ='0';
-- 走索引长度47,只走profession，部分失效
explain select * from tb user where profession = '软件工程' and age = 31 and status = '0';

6.2 范围查询

  索引使用联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效。

-- 查询右侧失效，长度49
explain select * from tb user where profession="软件工程’and age>30 and status='0';
-- 有等于号右侧就不失效，长度54
explain select * from tb user where profession="软件工程’and age >= 30 and status='0';

6.3 索引失效情况

(1)索引列运算：不要在索引列上进行运算操作，索引将失效。

-- 索引失效
explain select * from tb user where substring(phone,10,2)= '15'

(2)字符串不加引号：字符串类型字段使用时，不加引号，索引将失效。

explain select * from tb user where profession='软件工程' and age = 31 and status = 0;
-- 索引失效
explain select * from tb user where phone =17799990015;

(3)模糊查询：如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效

explain select * from tb user where profession like '软件%';
-- 索引失效
explain select * from tb user where profession like '%工程';
explain select * from tb user where profession like '%工%';

(4)or连接的条件：用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

explain select * from tb user where id = 10 or age = 23;
explain select * from tb user where phone='17799990017' or age = 23;

  由于age没有索引，所以即使id、phone有索引，索引也会失效。所以需要针对于age也要建立索引。(5)数据分布影响：如果MySQL评估使用索引比全表更慢，则不使用索引。

select*from tb user where phone >='17799990005'
select*from tb user where phone >='17799990015',

6.4 SQL提示

  SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。
  use index：建议使用索引

explain select *from tb user use index(idx user pro) where profession ='软件工程'

  ignore index：忽略使用索引

explain select *from tb user ignore index(idx user pro) where profession='软件工程'

  force index：强制使用索引

explain select * from tb user force index(idx user pro) where profession='软件工程'

6.5 覆盖索引与回表查询

  尽量使用覆盖索引(查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到)，减少 select *的使用。

-- id,profession,age, status列都有建立的索引
-- using where; usingindex:查找使用了索引，但需要的数据都在索引列中，所以不需要回表查询数据
explain select id, profession from tb_user 
  where profession= '软件工程' and age = 31 and status = '0';
explain select id,profession,age, status from tb_user
  where profession= '软件工程' and age= 31 and status = '0',
explain select id,profession,age, status, name from tb_user
  where profession= '软件工程' and age = 31 and status = '0';
-- using index condition:查找使用了索引，但是需要回表查询数据
explain select * from tb_user
  where profession='软件工程' and age= 31 and status ='0';

  没有回表查询覆盖索引。
  以下查询进行了回表查询。

6.7 前缀索引

  当字段类型为字符串(varchar，text等)时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

  语法

create index idx_xxxx on table_name(column(n));

  前缀长度
  可以根据索引的选择性来决定，而选择性是指不重复的索引值(基数)和数据表的记录总数的比值，索引选择性越高则查询效率越高唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

select count(distinct email)/count(*) from tb_user;
select count(distinct substring(email,1,5))/ count(*)from tb_user;

  前缀索引的查询

6.8 单列索引与联合索引

  单列索引：即一个索引只包含单个列。
  联合索引：即一个索引包含了多个列。
  在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。
  以下单列索引的情况，索引只会走第一个字段。

explain select id, phone,name from tb_user where phone= '17799990010' and name = '韩信'

  多条件联合查询时， 优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询。

6.9 索引设计原则

1. 针对于数据量较大(超过一百多万)，且查询比较频繁的表建立索引。
2. 针对于常作为查询条件(where)、排序(order by)、分组(group by)操作的字段建立索引。
3. 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
4. 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
5. 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
6. 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
7. 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪 个索引最有效地用于查询。