MySQL索引原理以及查询优化

太过爱你忘了你带给我的痛 2022-05-21 11:43 261阅读 0赞

# MySQL索引原理以及查询优化 #

原文出处:[https://www.cnblogs.com/bypp/p/7755307.html][https_www.cnblogs.com_bypp_p_7755307.html]

--------------------

## 一、介绍 ##

### 1.什么是索引？ ###

一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，在生产环境中，我们遇到最多的，也是最容易出问题的，还是一些复杂的查询操作，因此对查询语句的优化显然是重中之重。说起加速查询，就不得不提到索引了。

### 2.为什么要有索引呢？ ###

索引在MySQL中也叫做“键”，是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能  
非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。  
索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。  
索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查。

## 二、索引的原理 ##

### 1 .索引原理 ###

索引的目的在于提高查询效率，与我们查阅图书所用的目录是一个道理：先定位到章，然后定位到该章下的一个小节，然后找到页数。相似的例子还有：查字典，查火车车次，飞机航班等

本质都是：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂的多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。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。但如果是1千万的记录呢，分成几段比较好？稍有算法基础的同学会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂，一方面数据是保存在磁盘上的，另外一方面为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树难以满足复杂的应用场景。

### 2. 磁盘IO与预读 ###

考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。

## 三、索引的数据结构 ##

任何一种数据结构都不是凭空产生的，一定会有它的背景和使用场景，我们现在总结一下，我们需要这种数据结构能够做些什么，其实很简单，那就是：每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢？就这样，b+树应运而生。

![此处输入图片的描述][1184802-20170912211249219-1576835998.png]

如上图，是一颗b+树，关于b+树的定义可以参见B+树，这里只说一些重点，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针P1、P2、P3，P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。**真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99**。非叶子节点不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

## **b+树的查找过程** ##

如图所示，如果要查找数据项29，那么**首先会把磁盘块1由磁盘加载到内存**，此时发生**一次IO**，在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，内存时间因为非常短（相比磁盘的IO）可以忽略不计，通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存，发生**第二次IO**，29在26和30之间，锁定磁盘块3的P2指针，通过指针加载磁盘块8到内存，发生**第三次IO**，同时内存中做二分查找找到29，结束查询，总计三次IO。真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高。

## **b+树性质** ##

### **1.索引字段要尽量的小：**通过上面的分析，我们知道IO次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。 ###

### **2.索引的最左匹配特性（即从左往右匹配）**：当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，b+数是按照从左到右的顺序来建立搜索树的，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。 ###

## 四、Mysql索引管理 ##

### 功能 ###

*  1.  索引的功能就是加速查找
 *  1.  mysql中的primary key，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能

### MySQL的索引分类 ###

**索引分类**

*  1.**普通索引index** :加速查找
 *  2.**唯一索引**  
    
    
     *  主键索引：primary key ：加速查找+约束（不为空且唯一）
     *  唯一索引：unique：加速查找+约束 （唯一）
 *  3.**联合索引**  
    
    
     *  primary key(id,name):联合主键索引
     *  unique(id,name):联合唯一索引
     *  index(id,name):联合普通索引
 *  4.**全文索引fulltext** :用于搜索很长一篇文章的时候，效果最好。
 *  5.**空间索引spatial** :了解就好，几乎不用
    
        举个例子来说，比如你在为某商场做一个会员卡的系统。
        
        这个系统有一个会员表
        有下列字段：
        会员编号 INT
        会员姓名 VARCHAR(10)
        会员身份证号码 VARCHAR(18)
        会员电话 VARCHAR(10)
        会员住址 VARCHAR(50)
        会员备注信息 TEXT
        
        那么这个 会员编号，作为主键，使用 PRIMARY
        会员姓名 如果要建索引的话，那么就是普通的 INDEX
        会员身份证号码 如果要建索引的话，那么可以选择 UNIQUE （唯一的，不允许重复）
        
        除此之外还有全文索引，即FULLTEXT
        会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。用于搜索很长一篇文章的时候，效果最好。
        用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。
        但其实对于全文搜索，我们并不会使用MySQL自带的该索引，而是会选择第三方软件如Sphinx，专门来做全文搜索。
        
        其他的如空间索引SPATIAL，了解即可，几乎不用

## 五、 索引的两大类型hash与btree ##

**我们可以在创建上述索引的时候，为其指定索引类型，分两类**

*  **1.hash类型的索引：查询单条快，范围查询慢**
 *  **2.btree类型的索引：b+树，层数越多，数据量指数级增长（我们就用它，因为innodb默认支持它）**

**不同的存储引擎支持的索引类型也不一样**

> InnoDB 支持事务，支持行级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；  
> MyISAM 不支持事务，支持表级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；  
> Memory 不支持事务，支持表级别锁定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；  
> NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；  
> Archive 不支持事务，支持表级别锁定，不支持 B-tree、Hash、Full-text 等索引；

## 六、创建/删除索引的语法 ##

## 方法一：创建表时 ##

CREATE TABLE 表名 ( 字段名1 数据类型 [完整性约束条件…], 字段名2 数据类型 [完整性约束条件…], [UNIQUE | FULLTEXT | SPATIAL ] INDEX | KEY [索引名] (字段名[(长度)] [ASC |DESC]) );

## 方法二：CREATE在已存在的表上创建索引 ##

CREATE [UNIQUE | FULLTEXT | SPATIAL ] INDEX 索引名 ON 表名 (字段名[(长度)] [ASC |DESC]) ;

## 方法三：ALTER TABLE在已存在的表上创建索引 ##

ALTER TABLE 表名 ADD [UNIQUE | FULLTEXT | SPATIAL ] INDEX 索引名 (字段名[(长度)] [ASC |DESC]) ;

## 删除索引： ##

DROP INDEX 索引名 ON 表名字;

善用帮助文档
        help create
        help create index
        ==================
        1.创建索引
            -在创建表时就创建（需要注意的几点）
            create table s1(
            id int ,#可以在这加primary key
            #id int index #不可以这样加索引，因为index只是索引，没有约束一说，
            #不能像主键，还有唯一约束一样，在定义字段的时候加索引
            name char(20),
            age int,
            email varchar(30)
            #primary key(id) #也可以在这加
            index(id) #可以这样加
            );
            -在创建表后在创建
            create index name on s1(name); #添加普通索引
            create unique age on s1(age);添加唯一索引
            alter table s1 add primary key(id); #添加主建索引，也就是给id字段增加一个主键约束
            create index name on s1(id,name); #添加普通联合索引
        2.删除索引
            drop index id on s1;
            drop index name on s1; #删除普通索引
            drop index age on s1; #删除唯一索引，就和普通索引一样，不用在index前加unique来删，直接就可以删了
            alter table s1 drop primary key; #删除主键(因为它添加的时候是按照alter来增加的，那么我们也用alter来删)

## 七、正确使用索引 ##

### 1. 覆盖索引 ###

#分析
    select * from s1 where id=123;
    该sql命中了索引，但未覆盖索引。
    利用id=123到索引的数据结构中定位到该id在硬盘中的位置，或者说再数据表中的位置。
    但是我们select的字段为*，除了id以外还需要其他字段，这就意味着，我们通过索引结构取到id还不够， 还需要利用该id再去找到该id所在行的其他字段值，这是需要时间的，很明显，如果我们只select id， 就减去了这份苦恼，如下 select id from s1 where id=123;
    这条就是覆盖索引了，命中索引，且从索引的数据结构直接就取到了id在硬盘的地址，速度很快

### 2. 联合索引 ###

![此处输入图片的描述][1184802-20170912214652782-1000358771.png]

### 3. 索引合并: 把多个单列索引合并使用 ###

组合索引能做到的事情，我们都可以用索引合并去解决，比如
        create index ne on s1(name,email);#组合索引

![此处输入图片的描述][1184802-20170912215426922-1260754280.png]

**若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下原则**

### **1.最左前缀匹配原则，非常重要的原则:** ###

create index ix_name_email on s1(name,email,)- 最左前缀匹配：必须按照从左到右的顺序匹配 select * from s1 where name='egon'; #可以
    select * from s1 where name='egon' and email='asdf'; #可以
    select * from s1 where email='alex@oldboy.com'; #不可以
    mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，
    比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，
    d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

### **2.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式** ###

### **3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(\*)**， ###

表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、  
性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，  
这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录

### **4.索引列不能参与计算，保持列“干净”** ###

比如from\_unixtime(create\_time) = ’2014-05-29’  
就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，  
但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。  
所以语句应该写成create\_time = unix\_timestamp(’2014-05-29’);

### **最左前缀示范** ###

mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.39 sec) mysql> create index idx on s1(id,name,email,gender); #未遵循最左前缀
    Query OK, 0 rows affected (15.27 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.43 sec) mysql> drop index idx on s1;
    Query OK, 0 rows affected (0.16 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> create index idx on s1(name,email,gender,id); #遵循最左前缀
    Query OK, 0 rows affected (15.97 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.03 sec)

**最左前缀匹配**

index(id,age,email,name)
    #条件中一定要出现id(只要出现id就会提升速度)
    id
    id age
    id email
    id name
    
    email #不行  如果单独这个开头就不能提升速度了
    mysql> select count(*) from s1 where id=3000;
    +----------+
    | count(*) |
    +----------+
    |        1 |
    +----------+
    1 row in set (0.11 sec) mysql> create index xxx on s1(id,name,age,email);
    Query OK, 0 rows affected (6.44 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql>  select count(*) from s1 where id=3000;
    +----------+
    | count(*) |
    +----------+
    |        1 |
    +----------+
    1 row in set (0.00 sec) mysql> select count(*) from s1 where name='egon';
    +----------+
    | count(*) |
    +----------+
    |   299999 |
    +----------+
    1 row in set (0.16 sec) mysql> select count(*) from s1 where email='egon3333@oldboy.com';
    +----------+
    | count(*) |
    +----------+
    |        1 |
    +----------+
    1 row in set (0.15 sec) mysql> select count(*) from s1 where id=1000 and email='egon3333@oldboy.com';
    +----------+
    | count(*) |
    +----------+
    |        0 |
    +----------+
    1 row in set (0.00 sec) mysql> select count(*) from s1 where email='egon3333@oldboy.com' and id=3000;
    +----------+
    | count(*) |
    +----------+
    |        0 |
    +----------+
    1 row in set (0.00 sec) 建联合索引，最左匹配

### **索引无法命中的情况** ###

- like '%xx'
        select * from tb1 where email like '%cn';
    
    
    - 使用函数
        select * from tb1 where reverse(email) = 'wupeiqi';
    
    
    - or
        select * from tb1 where nid = 1 or name = 'seven@live.com';
    
    
        特别的：当or条件中有未建立索引的列才失效，以下会走索引
                select * from tb1 where nid = 1 or name = 'seven';
                select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex' - 类型不一致 如果列是字符串类型，传入条件是必须用引号引起来，不然... select * from tb1 where email = 999;
    
    普通索引的不等于不会走索引
    - !=
        select * from tb1 where email != 'alex' 特别的：如果是主键，则还是会走索引 select * from tb1 where nid != 123 - > select * from tb1 where email > 'alex' 特别的：如果是主键或索引是整数类型，则还是会走索引 select * from tb1 where nid > 123 select * from tb1 where num > 123 #排序条件为索引，则select字段必须也是索引字段，否则无法命中 - order by select name from s1 order by email desc;
        当根据索引排序时候，select查询的字段如果不是索引，则不走索引 select email from s1 order by email desc;
        特别的：如果对主键排序，则还是走索引：
            select * from tb1 order by nid desc;
    
    - 组合索引最左前缀
        如果组合索引为：(name,email)
        name and email       -- 使用索引
        name                 -- 使用索引
        email                -- 不使用索引
    
    
    - count(1)或count(列)代替count(*)在mysql中没有差别了
    
    - create index xxxx on tb(title(19)) #text类型，必须制定长度

- 避免使用select * - count(1)或count(列) 代替 count(*) - 创建表时尽量时 char 代替 varchar - 表的字段顺序固定长度的字段优先 - 组合索引代替多个单列索引（经常使用多个条件查询时） - 尽量使用短索引 - 使用连接（JOIN）来代替子查询(Sub-Queries) - 连表时注意条件类型需一致 - 索引散列值（重复少）不适合建索引，例：性别不适合

![此处输入图片的描述][1184802-20170912233709188-557973567.png]

## 八、慢查询优化的基本步骤 ##

*  0.先运行看看是否真的很慢，注意设置SQL\_NO\_CACHE
 *  1.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
 *  2.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
 *  3.order by limit 形式的sql语句让排序的表优先查
 *  4.了解业务方使用场景
 *  5.加索引时参照建索引的几大原则
 *  6.观察结果，不符合预期继续从0分析

[https_www.cnblogs.com_bypp_p_7755307.html]: https://www.cnblogs.com/bypp/p/7755307.html
[1184802-20170912211249219-1576835998.png]: /images/20220521/fb89dd045fca4ca4ab7d2c7b477aa1d6.png
[1184802-20170912214652782-1000358771.png]: /images/20220521/25caafd81df04f81bcc432514667cd98.png
[1184802-20170912215426922-1260754280.png]: /images/20220521/ef4624e139dc4495ac861d9e9ac5d232.png
[1184802-20170912233709188-557973567.png]: /images/20220521/ab066cf2f72c4a589bb1fdff26e22399.png