MYSQL通过索引优化数据库的查询

转载于 2018-09-06 17:23:00 发布 · 58 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/chichung/p/9599741.html

本文深入解析数据库索引的概念，通过类比书籍目录说明其加速查询的功能，并详细介绍了B+Tree算法在MySQL InnoDB引擎中的应用。同时，文章提供了创建、查看和删除索引的SQL语句，以及通过实例演示索引如何显著提升查询性能。

#转载请联系

索引是什么？

索引是一种特殊的文件(InnoDB数据表上的索引是表空间的一个组成部分)，它们包含着对数据表里所有记录的位置信息。

更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度。

为什么需要索引

一般的应用系统对比数据库的读写比例在10:1左右(即有10次查询操作时有1次写的操作)，而且插入操作和更新操作很少出现性能问题，遇到最多、最容易出问题还是一些复杂的查询操作，所以查询语句的优化显然是重中之重。当数据库中数据量很大时，查找数据会变得很慢，我们就可以使用索引来提高数据库的查询效率。

索引原理

数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段……这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。

mysql默认的存储引擎是InnoDB，InnoDB引擎的索引默认用B+Tree算法。

有关于B+Tree算法可以自行搜索下。

查看表中已有索引

show index from 表名;

mysql> show index from student;
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table   | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| student |          0 | PRIMARY  |            1 | id          | A         |           6 |     NULL | NULL   |      | BTREE      |         |               |
| student |          0 | id       |            1 | id          | A         |           6 |     NULL | NULL   |      | BTREE      |         |               |
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

我并没有给专门给student表添加过索引，但是由于student表的主键是id，主键默认添加索引，所以id字段也是索引。

创建索引

create index 索引名称 on 表名(字段名称(长度))
# 如果指定字段是字符串，需要指定长度，建议长度与定义字段时的长度一致
# 字段类型如果不是字符串，可以不填写长度部分

删除索引

drop index 索引名称 on 表名;

验证索引是否能提升查找性能

1.创建一个表

mysql> create table t_news(name varchar(10));

2.用python写个程序往表里插入10万条数据

import pymysql


def main():
    conn = pymysql.connect(host='localhost',port=3306,
                           user='root',password='xxx',
                           database='text',charset='utf8')
    cur = conn.cursor()
    sql = 'insert into t_news value (%s)'
    for i in range(1,100001):
        cur.execute(sql,['新闻%d' % i])
    conn.commit()
    cur.close()
    conn.close()


if __name__ == '__main__':
    main()

结果（部分）：

| 新闻99994    |
| 新闻99995    |
| 新闻99996    |
| 新闻99997    |
| 新闻99998    |
| 新闻99999    |
| 新闻100000   |
+--------------+
100000 rows in set (0.04 sec)

3.测试有无索引情况下查询的时间

mysql> set profiling=1;  # 开启时间监测

mysql> select * from t_news where name='新闻480916';

mysql> create index name_index on t_news(name(10));

mysql> select * from t_news where name='新闻480916';

mysql> show profiles;  # 查看时间监测结果
+----------+------------+------------------------------------------------+
| Query_ID | Duration   | Query                                          |
+----------+------------+------------------------------------------------+
|        1 | 0.04325925 | select * from t_news where name='新闻480916'   |
|        2 | 1.64268400 | create index name_index on t_news(name(10))    |
|        3 | 0.00065225 | select * from t_news where name='新闻480916'   |
|        4 | 0.00004275 | show profiling                                 |
+----------+------------+------------------------------------------------+
# 对比第1和第3。可知结果快了很多倍！查询性能得到了优化！！！

说在后面

索引虽然可以明显提高某些字段的查询效率。但是不要滥用，建立太多的索引将会影响更新和插入的速度，因为它需要同样更新每个索引文件。对于一个经常需要更新和插入的表格，就没有必要为一个很少使用的where字句单独建立索引了，对于比较小的表，排序的开销不会很大，也没有必要建立另外的索引。索引也会占用磁盘空间（财大气粗的可以忽略不计）

end~~~

转载于:https://www.cnblogs.com/chichung/p/9599741.html