MySQL复习总结（二）：进阶篇（索引）

本是古典何须时尚 2024-02-19 07:40 74阅读 0赞

#### 文章目录 ####

*  一、存储引擎
 *   *  1.1 MySQL体系结构
     *  1.2 存储引擎介绍
     *  1.3 存储引擎特点
     *  1.4 存储引擎选择
 *  二、索引
 *   *  2.1 基本介绍
     *  2.2 索引结构
     *  2.3 索引分类
     *  2.4 索引语法
     *  2.5 SQL性能分析
     *  2.6 索引使用
     *   *  2.6.1 最左前缀法则
         *  2.6.2 范围查询
         *  2.6.3 索引失效情况
         *  2.6.4 SQL提示
         *  2.6.5 覆盖索引
         *  2.6.6 前缀索引
         *  2.6.7 单列索引与联合索引
     *  2.7 索引设计原则

## 一、存储引擎 ##

### 1.1 MySQL体系结构 ###

![在这里插入图片描述][d288ac4f89054b1e90435597adbfc6cd.png]  
**1). 连接层**

> 最上层是一些客户端和链接服务，包含本地sock  
> 通信和大多数基于客户端/服务端工具实现的类似于TCP/IP的通信。主要完成一些类似于连接处理、授权认证、及相关的安全方案。在该层上引入了线程池的概念，为通过认证安全接入的客户端提供线程。同样在该层上可以实现基于SSL的安全链接。服务器也会为安全接入的每个客户端验证它所具有的操作权限。

**2). 服务层**

> 第二层架构主要完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如过程、函数等。在该层，服务器会解析查询并创建相应的内部解析树，并对其完成相应的优化如确定表的查询的顺序，是否利用索引等，最后生成相应的执行操作。如果是select语句，服务器还会查询内部的缓存，如果缓存空间足够大，这样在解决大量读操作的环境中能够很好的提升系统的性能。

**3). 引擎层**

> 存储引擎层，存储引擎真正的负责了MySQL中数据的存储和提取，服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能，这样我们可以根据自己的需要，来选取合适的存储引擎。数据库中的索引是在存储引擎层实现的。

**4). 存储层**

> 数据存储层，主要是将数据(如:redolog、undolog、数据、索引、二进制日志、错误日志、查询日志、慢查询日志等)存储在文件系统之上，并完成与存储引擎的交互。和其他数据库相比，MySQL有点与众不同，它的架构可以在多种不同场景中应用并发挥良好作用。主要体现在存储引擎上，插件式的存储引擎架构，将查询处理和其他的系统任务以及数据的存储提取分离。这种架构可以根据业务的需求和实际需要选择合适的存储引擎。

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

### 1.2 存储引擎介绍 ###

对于存储引擎，它是mysql数据库的核心，我们也需要在合适的场景选择合适的存储引擎。接下来就来介绍一下存储引擎：

> 存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可被称为表类型。我们可以在创建表的时候，来指定选择的存储引擎，如果没有指定将自动选择默认的存储引擎。

**建表时指定存储引擎：**

CREATE TABLE 表名(
    字段1 字段1类型 [ COMMENT 字段1注释 ] ,
    ......
    字段n 字段n类型 [COMMENT 字段n注释 ]
    ) ENGINE = INNODB [ COMMENT 表注释 ] ;

**查询当前数据库支持的存储引擎：**

show engines;

![在这里插入图片描述][99758d21b2274eb79a64de4581b807b2.png]

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

### 1.3 存储引擎特点 ###

重点介绍三种存储引擎`InnoDB`、`MyISAM`、`Memory`的特点。

先来重点看看InnoDB引擎。

**1). 介绍**  
InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在 MySQL 5.5 之后，InnoDB是默认的MySQL 存储引擎。

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

**2). 特点**

*  DML操作遵循ACID模型，支持事务；  
    行级锁，提高并发访问性能；  
    支持外键FOREIGN KEY约束，保证数据的完整性和正确性；

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

**3). 文件**  
xxx.ibd：xxx代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结构、数据和索引。

show variables like 'innodb_file_per_table';#查看是否开启

![在这里插入图片描述][e8b584adb2f040eea7d9d5e32c70ec50.png]  
如果该参数开启，代表对于InnoDB引擎的表，每一张表都对应一个ibd文件。 我们直接打开MySQL的数据存放目录： C:\\ProgramData\\MySQL\\MySQL Server 8.0\\Data ， 这个目录下有很多文件夹，不同的文件夹代表不同的数据库，随便打开一个数据库文件夹。

![在这里插入图片描述][9e09f34380e140c4b5b673a0803d6ecb.png]  
这些文件是基于二进制存储的，不能直接基于记事本打开，我们可以使用mysql提供的一  
个指令`ibd2sdi`，通过该指令就可以从ibd文件中提取sdi信息，而sdi数据字典信息中就包含该表的表结构。  
![在这里插入图片描述][85dddb257b7e411a8a80e4c5df732867.png]

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

**4). 逻辑存储结构**  
![在这里插入图片描述][89ba8a98909c42f7b37e4690cd67cf46.png]

*  表空间 : InnoDB存储引擎逻辑结构的最高层，ibd文件其实就是表空间文件，在表空间中可以包含多个Segment段。
 *  段 : 表空间是由各个段组成的，常见的段有数据段、索引段、回滚段等。InnoDB中对于段的管理，都是引擎自身完成，不需要人为对其控制，一个段中包含多个区。
 *  区 : 区是表空间的单元结构，每个区的大小为1M。 默认情况下， InnoDB存储引擎页大小为16K， 即一个区中一共有64个连续的页。
 *  页 : 页是组成区的最小单元，**页也是InnoDB 存储引擎磁盘管理的最小单元**，每个页的大小默认为16KB。为了保证页的连续性，InnoDB 存储引擎每次从磁盘申请 4-5 个区。
 *  行 : InnoDB 存储引擎是面向行的，也就是说数据是按行进行存放的，在每一行中除了定义表时所指定的字段以外，还包含两个隐藏字段。

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

再来简单看看MyISAM引擎。

**1). 介绍**  
MyISAM是MySQL早期的默认存储引擎。

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

**2). 特点**

*  不支持事务，不支持外键  
    支持表锁，不支持行锁  
    访问速度快

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

**3). 文件**  
xxx.sdi：存储表结构信息  
xxx.MYD: 存储数据  
xxx.MYI: 存储索引

![在这里插入图片描述][7dffd58f6c64442e9f599c1a0d3da758.png]

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

最后简单来看看Memory引擎。

**1). 介绍**  
Memory引擎的表数据时存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用。

**2). 特点**  
内存存放  
hash索引（默认）

**3).文件**  
xxx.sdi：存储表结构信息

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

**三者的区别与联系：**  
![在这里插入图片描述][7ae1afcd53f545e9a3f73800babd8121.png]

### 1.4 存储引擎选择 ###

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。

*  `InnoDB`: 是Mysql的默认存储引擎，支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择。
 *  `MyISAM`：如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事务的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的。
 *  `MEMORY`：将所有数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性。

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

## 二、索引 ##

### 2.1 基本介绍 ###

**索引（index）是帮助MySQL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。

![在这里插入图片描述][bbcaaa518f9f4381b74e91112b9d1a7d.png]  
表如上图所示，假如我们要执行的SQL语句为:`select * from user where age = 45`;在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为全表扫描，性能很低。

但如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。

![在这里插入图片描述][884992c6cb48462492ce2e626c7e6ba7.png]  
此时我们再进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

**优缺点：**  
![在这里插入图片描述][78204bcb13884218980d19d75150df26.png]

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

### 2.2 索引结构 ###

**2.2.1：概述**  
**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索引结构，主要包含以下几种：

![在这里插入图片描述][10800cb55a454423800f3a7e854a2358.png]

上述是MySQL中所支持的所有的索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持情况。

![在这里插入图片描述][ab910025c0a645deb39b694ba6edf080.png]

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

**2.2.2：二叉树**  
![在这里插入图片描述][906234a6ccf44776a869e0e2d9fe3ff6.png]  
如图所示，如果选择二叉树作为索引结构，会存在以下缺点：

*  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。

由于红黑树也是一颗二叉树，所以也会存在一个缺点：大数据量情况下，层级较深，检索速度慢。

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

**2.2.3：B-Tree**

所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree，那么什么是B+Tree呢？在详解B+Tree之前，先来介绍一个B-Tree。

B树是一种多路平衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。

插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88  
120 268 250 。

![在这里插入图片描述][3655c8ab67974aaca6bfaa72ff775a67.png]  
**特点：**

*  5阶的B树，每一个节点最多存储4个key，对应5个指针。  
    一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。  
    **在B树中，非叶子节点和叶子节点都会存放数据**。

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

**2.2.4：B+Tree**

![在这里插入图片描述][988acb5e5bde49e7927f0ff404d493bf.png]

*  绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。  
    红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

仍然插入上面的数据。  
![在这里插入图片描述][6f919b4c59364f24a7941e5ae9cb0522.png]  
**B+Tree 与 B-Tree相比，主要有以下三点区别：**

*  所有的数据都会出现在叶子节点。  
    叶子节点形成一个单向链表。  
    非叶子节点仅仅起到索引数据作用，**具体的数据都是在叶子节点存放的**。

> 上述我们所看到的结构是标准的B+Tree的数据结构，接下来，我们再来看看MySQL中优化之后的B+Tree。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，利于排序。

![在这里插入图片描述][868f784fe7bb44c19384e475de663632.png]

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

**2.2.5：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。

![在这里插入图片描述][29c65e4df6374a5dbf49a1725bc0b112.png]  
**特点：**

*  Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）  
    无法利用索引完成排序操作  
    查询效率高，通常(不存在hash冲突的情况)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存储引擎**。 而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

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

### 2.3 索引分类 ###

在MySQL数据库，将索引的具体类型主要分为以下几类：`主键索引`、`唯一索引`、`常规索引`、`全文索引`。

![在这里插入图片描述][acfe81c76bd44bf79b83c8ddf1b394f5.png]

**聚集索引&二级索引:**

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：

![在这里插入图片描述][791672036c0e4557bdacfe0431d5ddf1.png]  
**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。

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

**聚集索引和二级索引的具体结构如下：**

![在这里插入图片描述][38b56120a4eb4ac596b4d9ae81a465a8.png]  
**由上图可知：**

*  聚集索引的叶子节点下挂的是这一行的数据 。  
    二级索引的叶子节点下挂的是该字段值对应的主键值。

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

接下来，我们来分析一下，当我们执行如下的SQL语句时，具体的查找过程是什么样子的。

![在这里插入图片描述][27d2e59344944a7a82a8826faff0857a.png]  
**具体过程如下:**

*  由于是根据name字段进行查询，所以先根据name='Arm’到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到 Arm 对应的主键值 10。  
    由于查询返回的数据是\*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row。  
    最终拿到这一行的数据，直接返回即可，`这种方式叫做回表查询`。

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

### 2.4 索引语法 ###

**创建索引：**

CREATE [ UNIQUE | 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 ;

**案例演示：**

# 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
    mysql> create index idx_user_name on tb_user(name);
    # 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
    mysql> create unique index idx_user_phone on tb_user(phone);
    # 为profession、age、status创建联合索引
    mysql> create index idx_user_pro_age_sta on tb_user(profession,age,status);
    # 为email建立合适的索引来提升查询效率
    mysql> create index idx_email on tb_user(email);
    # 查看tb_user表的所有的索引数据
    mysql> show index from tb_user;

![在这里插入图片描述][e5f686e3cabf405fa6bd96a738463349.png]

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

### 2.5 SQL性能分析 ###

**2.5.1 SQL执行频率**

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：

-- session 是查看当前会话 ;
    -- global 是查询全局数据 ;
    SHOW GLOBAL STATUS LIKE 'Com_______';

![在这里插入图片描述][45db6ede26854b82ad9981752de2d07d.png]

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

**2.5.2 慢查询日志**

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**，我们可以查看一下系统变量 slow\_query\_log。

# 查看慢查询日志记录是否开启
    mysql> show variables like 'slow_query_log';

![在这里插入图片描述][0a4e8e6929be4e278fb2e299dac05577.png]  
如果要开启慢查询日志，需要在MySQL的配置文件（**/etc/my.cnf**）中配置如下信息：

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

开启后，我们可以通过下面的语句来对慢查询进行监督：

[root@localhost mysql]# cat /var/lib/mysql/localhost-slow.log 
    /usr/sbin/mysqld, Version: 8.0.26 (MySQL Community Server - GPL). started with:
    Tcp port: 3306  Unix socket: /var/lib/mysql/mysql.sock
    Time                 Id Command    Argument
    [root@localhost mysql]# tail -f localhost-slow.log

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

**2.5.3 profile详情**

# 查看当前MySQL是否支持profile操作：
    SELECT @@have_profiling ;
    # 查看当前profiling的值
    SELECT @@profiling ;
    # 通过set语句在session/global级别开启profiling
    SET profiling = 1;

![在这里插入图片描述][0c5591a872834dcab4731bab5a7e20f4.png]

-- 查看每一条SQL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;

![在这里插入图片描述][450fd98b8a084b8e92dda76ee1b19180.png]

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

**2.5.4 explain**

**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。

![在这里插入图片描述][b592f28a9a404a449652c1a61f9aad97.png]  
![在这里插入图片描述][4351181b475e4417ba4c05c62ef30a93.png]  
**Explain 执行计划中各个字段的含义：**

<table> 
 <thead> 
  <tr> 
   <th>字段</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>id</td> 
   <td>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(<font>id相同，执行顺序从上到下；id不同，值越大，越先执行</font>)。</td> 
  </tr> 
  <tr> 
   <td>select_type</td> 
   <td>表示 SELECT 的类型，常见的取值有 <code>SIMPLE</code>（简单表，即不使用表连接或者子查询）、<code>PRIMARY</code>（主查询，即外层的查询）、<code>UNION</code>（UNION 中的第二个或者后面的查询语句）、<code>SUBQUERY</code>（SELECT/WHERE之后包含了子查询）等</td> 
  </tr> 
  <tr> 
   <td>type</td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>possible_key</td> 
   <td>显示可能应用在这张表上的索引，一个或多个</td> 
  </tr> 
  <tr> 
   <td>key</td> 
   <td>实际使用的索引，如果为NULL，则没有使用索引</td> 
  </tr> 
  <tr> 
   <td>key_len</td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>rows</td> 
   <td>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</td> 
  </tr> 
  <tr> 
   <td>filtered</td> 
   <td>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</td> 
  </tr> 
 </tbody> 
</table>

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

### 2.6 索引使用 ###

#### 2.6.1 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，索引将会部分失效(后面的字段索引失效)。

以 tb\_user 表为例，我们先来查看一下之前 tb\_user 表所创建的索引。

![在这里插入图片描述][15a6b961279a4a32888cec07097d589c.png]

> 对于最左前缀法则指的是，查询时，最左边的列，也就是profession必须存在，否则索引全部失效。而且中间不能跳过某一列，否则该列后面的字段索引将失效。

![在这里插入图片描述][281e5407e26e489db00fbcccfe14f1df.png]  
以上的这三组测试中，我们发现只要联合索引最左边的字段 profession存在，索引就会生效，只不过索引的长度不同。 而且由以上三组测试，我们也可以推测出profession字段索引长度为47、age字段索引长度为2、status字段索引长度为5。

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

![在这里插入图片描述][0f112928c8144d0aae0688eacddc48bc.png]  
通过上面的这两组测试，我们也可以看到索引并未生效，原因是因为不满足最左前缀法则，联合索引最左边的列profession不存在。

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

![在这里插入图片描述][6b137b4514e847fdb21ada3cfc59bad0.png]  
上述的SQL查询时，存在profession字段，最左边的列是存在的，索引满足最左前缀法则的基本条件。但是查询时，跳过了age这个列，所以后面的列索引是不会使用的，也就是索引部分生效，所以索引的长度就是47。

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

![在这里插入图片描述][5128946d4ac84dad8fbc28fe65aba973.png]  
当查询字段顺序发生改变时，我们可以看到，是完全满足最左前缀法则的，索引长度54，联合索引是生效的。即：最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是第一个字段)必须存在，与我们编写SQL时，条件编写的先后顺序无关。

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

#### 2.6.2 范围查询 ####

> 联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效。

![在这里插入图片描述][bb9dd390359d4157a4fccf4303fb44ea.png]  
当范围查询使用> 或 < 时，走联合索引了，但是索引的长度为49，就说明范围查询右边的status字段是没有走索引的。

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

![在这里插入图片描述][1de6fa7dd7bc4f9ea754a9766a121e58.png]  
当范围查询使用>= 或 <= 时，走联合索引了，但是索引的长度为54，就说明所有的字段都是走索引的。所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 <。

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

#### 2.6.3 索引失效情况 ####

**失效方式一：索引列运算**

不要在索引列上进行运算操作， 索引将失效。

![在这里插入图片描述][2247de68c7bf4f2d989c220d6caab76a.png]

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

**失效方式二：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。

![在这里插入图片描述][3e9dc38a696d4774b4a7794e03e36337.png]

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

**失效方式三：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。

![在这里插入图片描述][eea1c40ae7b84adebf0b52337a98670a.png]  
经过上述的测试，我们发现，在like模糊查询中，在关键字后面加%，索引可以生效。而如果在关键字前面加了%，索引将会失效。

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

**失效方式四：or连接条件**

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。

![在这里插入图片描述][055c093396b2485c84f80574c381c9d1.png]  
由于age没有索引，所以即使id有索引，索引也会失效，所以需要针对于age也要建立索引。

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

**失效方式五：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。

![在这里插入图片描述][e3a7fe61d37647e79b445902fc82e655.png]  
经过测试我们发现，相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为什么呢？就是因为**MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描**。 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。

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

#### 2.6.4 SQL提示 ####

SQL提示，是优化数据库的一个重要手段，简单来L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MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估）

explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';

*  ignore index ： 忽略指定的索引

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';

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

#### 2.6.5 覆盖索引 ####

> 尽量使用覆盖索引，减少select \*。 那么什么是覆盖索引呢？ 覆盖索引是指 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。

![在这里插入图片描述][7bcefde050bc4d1abd997834eeef0003.png]  
从上述的执行计划我们可以看到，这些SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。但是此时，我们主要关注的是后面的Extra，第一条SQL的结果为 `Using where; UsingIndex` ; 而后面两条SQL的结果为: `Using index condition` 。

![在这里插入图片描述][a36f1178f0dc4ebca16877c23337a432.png]  
![在这里插入图片描述][481f328e6cb14711b3f9e0e32d988da5.png]

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

#### 2.6.6 前缀索引 ####

当字段类型为字符串（varchar，text，longtext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)) ;

**示例：**

# 为tb_user表的email字段，建立长度为5的前缀索引。
    create index idx_email_5 on tb_user(email(5));

![在这里插入图片描述][59a3e038be6248dd8f6a3e71c48147e3.png]

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

**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 ;

**前缀索引的查询流程：**

![在这里插入图片描述][217fe5a45854463caac95258efd275ac.png]

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

#### 2.6.7 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，避免回表查询。

如果查询使用的是联合索引，具体的结构示意图如下：

![在这里插入图片描述][c8824e85f6e843ecba07f6dea07b02a2.png]

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

### 2.7 索引设计原则 ###

*  针对于数据量较大，且查询比较频繁的表建立索引。
 *  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。
 *  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。
 *  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。
 *  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。
 *  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。
 *  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。

[d288ac4f89054b1e90435597adbfc6cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/064cc10090d1495aaf9be7b2b2e4ff59.png
[99758d21b2274eb79a64de4581b807b2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/0fa5d60e2dd54994838094513c5345ca.png
[e8b584adb2f040eea7d9d5e32c70ec50.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/4faaab536b4649c483a081c877791d74.png
[9e09f34380e140c4b5b673a0803d6ecb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/e95691ab63174505951710d8f5b02ab7.png
[85dddb257b7e411a8a80e4c5df732867.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/8d8678c9614345ccb72e91551a7e60b4.png
[89ba8a98909c42f7b37e4690cd67cf46.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/86a0a2f265b248d28c95ddd23adb3e29.png
[7dffd58f6c64442e9f599c1a0d3da758.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/57df0093c2b14fda8a727f70bd8d46f1.png
[7ae1afcd53f545e9a3f73800babd8121.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/8960d09337e941fdba76bdfdb3e2d695.png
[bbcaaa518f9f4381b74e91112b9d1a7d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/cc7a3447a93340309a10ebf12a22fa02.png
[884992c6cb48462492ce2e626c7e6ba7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b026de16a038409bb7e8f914c072d880.png
[78204bcb13884218980d19d75150df26.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/f30f5eda1ced4e03b4f26ceb4ab51650.png
[10800cb55a454423800f3a7e854a2358.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b2c5698326704ba0a1bf8961e0f6edf6.png
[ab910025c0a645deb39b694ba6edf080.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/9173a201bc7d4744b3d9d5189330b314.png
[906234a6ccf44776a869e0e2d9fe3ff6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/e74dfa67872e46498a8881b3bbe355cd.png
[3655c8ab67974aaca6bfaa72ff775a67.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/54fb30f569cc49718016fa511b7d079d.png
[988acb5e5bde49e7927f0ff404d493bf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/359729ea2b274e7da5ec935fb464e255.png
[6f919b4c59364f24a7941e5ae9cb0522.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/ec5c5c01f4f94ff5845f51b10c8bef02.png
[868f784fe7bb44c19384e475de663632.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/88b7a046feee4b3b8627074b26a1c39b.png
[29c65e4df6374a5dbf49a1725bc0b112.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/5033aef7413a42099b627de5ef238f5f.png
[acfe81c76bd44bf79b83c8ddf1b394f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/ccadd2500a8b455ca228694890d450ee.png
[791672036c0e4557bdacfe0431d5ddf1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/0b3a8287882743b28685df1f1e9b86de.png
[38b56120a4eb4ac596b4d9ae81a465a8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/630a1add1cd74ecbafc3cbbe99bdc382.png
[27d2e59344944a7a82a8826faff0857a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/f76ec6c2e4e54c7b8650eb0af2369fed.png
[e5f686e3cabf405fa6bd96a738463349.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/929166681bd54ae6b80b15797af831c1.png
[45db6ede26854b82ad9981752de2d07d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/a2568faec94841cba23fc26fedc63dfd.png
[0a4e8e6929be4e278fb2e299dac05577.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b18ea785b7e0442fa8dbb3a51ef757b7.png
[0c5591a872834dcab4731bab5a7e20f4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/e1ce6de11a9a41e9a52d2ff4a16ca453.png
[450fd98b8a084b8e92dda76ee1b19180.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/4ebab6d0aa6c4bd997518542c78ffce8.png
[b592f28a9a404a449652c1a61f9aad97.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/00843aeae55a4e6a86a478e1fdf036b8.png
[4351181b475e4417ba4c05c62ef30a93.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/fb3ea1996141485ead63e21ee9edf3c0.png
[15a6b961279a4a32888cec07097d589c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/96df0ba3af044b599bcc3755449e4545.png
[281e5407e26e489db00fbcccfe14f1df.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/af8caab48d5043bfb91dabfbc7a3c146.png
[0f112928c8144d0aae0688eacddc48bc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/c76abbef309c48ea83c5fc67e0610e31.png
[6b137b4514e847fdb21ada3cfc59bad0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/b271ec371a3640708eca0d4e95bf442d.png
[5128946d4ac84dad8fbc28fe65aba973.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/2b425d3ff31442d383733c566aba4129.png
[bb9dd390359d4157a4fccf4303fb44ea.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/c5a12691bd474bed82cf455d7affd1ea.png
[1de6fa7dd7bc4f9ea754a9766a121e58.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/14e429a75f844faaa87e293011c0ec93.png
[2247de68c7bf4f2d989c220d6caab76a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/a4b75c2867f249b193c0f95fa6ea4660.png
[3e9dc38a696d4774b4a7794e03e36337.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/753b3793264e49d584e502b51707d49f.png
[eea1c40ae7b84adebf0b52337a98670a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/3d7d0cea8806480fa49c452b40ffaee1.png
[055c093396b2485c84f80574c381c9d1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/8c42bcc0bc5a45f8a5c52893b99c5b2d.png
[e3a7fe61d37647e79b445902fc82e655.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/93e89f70ce604a37a6cc96fd950c7db4.png
[7bcefde050bc4d1abd997834eeef0003.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/05b37c9f8cc04d9a8dfbf05d8f3f8fe7.png
[a36f1178f0dc4ebca16877c23337a432.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/360f034e6fcf46fa81a965bd62019fba.png
[481f328e6cb14711b3f9e0e32d988da5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/70d44bff82f1458580e848456dd7023b.png
[59a3e038be6248dd8f6a3e71c48147e3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/352fc86211bf4fdcaae329dc5397f657.png
[217fe5a45854463caac95258efd275ac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/d031adf9c5354b49ad81b8b05b99ed7f.png
[c8824e85f6e843ecba07f6dea07b02a2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/19/74c802e64cac4c589318795d718747c5.png