MySql-索引

一、概述

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。

假设索引的结构是二叉树:

image.png

特点：

优势	劣势
提高数据检索的效率，降低数据库的IO成本	索引列要占用空间
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

二、索引结构

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：

索引结构	描述
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MyISAM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

不同的存储引擎对于索引结构的支持情况:

索引	InnoDB	MyISAM	Memory
B+tree索引	支持	支持	支持
Hash 索引	不支持	不支持	支持
R-tree 索引	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

1.二叉树

image.png

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。

2.红黑树

image.png

选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,即使如此，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。

3.B树

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。
以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

image.png

树的度数指的是一个节点的子节点个数。

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

image.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。

4.B+树

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，结构示意图：

image.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

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 ：

image.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。

5.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。

image.png

6.Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型---Hash索引。

结构
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

image.png

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

image.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。

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；

三、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。

分类	含义	特点	关键字
主键索引	针对于表中主键创建的索引	默认自动创建, 只能有一个	PRIMARY
唯一索引	避免同一个表中某数据列中的值重复	可以有多个	UNIQUE
常规索引	快速定位特定数据	可以有多个
全文索引	全文索引查找的是文本中的关键词，而不是比较索引中的值	可以有多个	FULLTEXT

聚集索引&二级索引

定义
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：

分类	含义	特点
聚集索引(Clustered Index)	将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据	必须有,而且只有一个
二级索引(Secondary Index)	将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键	可以存在多个

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：

image.png

• 聚集索引的叶子节点下存储的是这一行的数据
• 二级索引的叶子节点下存储的是该字段值对应的主键值

当我们执行如下的SQL语句时，具体的查找过程：
select * from user where name='Arm';
①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。
②.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。
③.最终拿到这一行的数据，直接返回即可。

image.png

回表查询： 先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

InnoDB主键索引的B+tree高度

image.png
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时：
n * 8 + (n + 1) * 6 = 161024 , 算出n约为 1170
1171 16 = 18736
如果树的高度为2，则可以存储 18000 多条记录。

高度为3时：
1171 * 1171 * 16 = 21939856
也就是说，如果树的高度为3，则可以存储 2200w 左右的记录

四、索引语法

1.创建索引

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

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
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
CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);

为profession、age、status创建联合索引。
CREATE INDEX idx_user_pro_age_sta ON tb_user(profession,age,status);

2.查看索引

SHOW INDEX FROM table_name ;

3.删除索引

DROP INDEX index_name ON table_name ;

五、SQL性能分析

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：
-- session 是查看当前会话 ;
-- global 是查询全局数据 ;

SHOW GLOBAL STATUS LIKE 'Com_______';
Com_delete: 删除次数
Com_insert: 插入次数
Com_select: 查询次数
Com_update: 更新次数

image.png

可以在当前数据库再执行几次查询操作，然后再次查看执行频次，看看 Com_select 参数会不会变化

通过上述指令，可以查看到当前数据库到底是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。 如果是以增删改为主，我们可以考虑不对其进行索引的优化。 如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

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。

image.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

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(/var/lib/mysql/localhost-slow.log)中记录的信息
systemctl restart mysqld

在慢查询日志中，只会记录执行时间超多我们预设时间（2s）的SQL，执行较快的SQL是不会记录的

image.png

通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化。

3.profile详情

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 ;

image.png image.png
可以通过set语句在session/global级别开启profiling：
SET profiling = 1;

开关打开后，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。

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;

image.png

查看指定SQL各个阶段的耗时情况 :

image.png

查看指定sql cpu的耗费情况：

image.png

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。

-- 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 ;

image.png

Explain 执行计划中各个字段的含义:

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

id序号：
id相同，执行顺序从上到下；id不同，值越大，越先执行

image.png

type

• NULL:不访问任何表
• system：访问系统表
• const：使用主键索引或唯一索引查询
• eq_ref：子查询中的const
• ref：使用非唯一索引查询
• range：
• index：遍历整个索引树
• all：全表扫描

六、索引使用

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，查看 tb_user 表所创建的索引

image.png

在 tb_user 表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为：profession，age，status。
对于最左前缀法则指的是，查询时，最左变的列，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。

第一组：

• explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0'; -- 54
• explain select * from tb_user where profession = '软件工程' and age = 31; -- 49
• explain select * from tb_user where profession = '软件工程'; -- 47

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。

第二组：

• explain select * from tb_user where age = 31 and status = '0'; 不走索引
• explain select * from tb_user where status = '0'; 不走索引
  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。

第三组：

• explain select * from tb_user where profession = '软件工程' and status = '0';-- 47 status失效
  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

• explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程'； - 54 全部走索引
  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.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

• explain select * from tb_user where profession = '软件工程' and age > 30 and status= '0'; -- 49
  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。

• explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0'; -- 54
  当范围查询使用>= 或 <= 时，走联合索引了，索引的长度为54，就说明所有的字段都是走索引的。 ???????

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 <

3.索引失效

索引列运算
不要在索引列上进行运算操作， 索引将失效

• explain select * from tb_user where substring(phone,10,2) = '15'; 索引失效

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'; -- 54
• explain select * from tb_user where profession = '软件工程' and age = 31 and status= 0; -- 49

如果字符串不加单引号，对于查询结果，没什么影响，但是数据库存在隐式类型转换，索引将失效。

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%'; - 47
• explain select * from tb_user where profession like '%工程'; 失效
• explain select * from tb_user where profession like '%工%'; 失效

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。

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。

• 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。当or连接的条件，左右两侧字段都有索引时，索引才会生效

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'; 失效
• select * from tb_user where phone >= '17799990015';46

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：
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。

is null 与 is not null 操作是否走索引：

• explain select * from tb_user where profession is null; 47
• explain select * from tb_user where profession is not null; 失效

将profession字段值全部更新为null：
再此执行结果反过来了
一模一样的SQL语句，先后执行了两次，结果查询计划是不一样：
这和数据库的数据分布有关系。查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引走全表扫描。
因此，is null 、is not null是否走索引，得具体情况具体分析，并不是固定的。

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（mysql内部还会再次进行评估）
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';

5.覆盖索引

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 。
尽量使用覆盖索引，减少select *。

• 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' ;
• explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0';

image.png

Extra
前面两条SQL的结果为 Using where; Using Index ;
后面两条SQL的结果为: Using index condition 。

• Using where; Using Index:查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据
• Using index condition:查找使用了索引，但是需要回表查询数据

在tb_user表中有一个联合索引 idx_user_pro_age_sta，该索引关联了三个字段
profession、age、status，而这个索引也是一个二级索引，所以叶子节点下面挂的是这一行的主键id。 所以当我们查询返回的数据在 id、profession、age、status 之中，则直接走二级索引直接返回数据了。 如果超出这个范围，就需要拿到主键id，再去扫描聚集索引，再获取额外的数据，这个过程就是回表。 而我们如果一直使用select * 查询返回所有字段值，很容易就会造成回表查询（除非是根据主键查询，此时只会扫描聚集索引）

id是主键，是一个聚集索引。
name字段建立了普通索引，是一个二级索引（辅助索引）：

image.png

执行SQL : select * from tb_user where id = 2;
根据id查询，直接走聚集索引查询，一次索引扫描，直接返回数据，性能高：

image.png

执行SQL：selet id,name from tb_user where name = 'Arm';
根据name字段查询，查询二级索引，但是由于查询返回在字段为 id，name，在name的二级索引中，这两个值都是可以直接获取到的，因为覆盖索引，所以不需要回表查询，性能高：

image.png

执行SQL：selet id,name,gender from tb_user where name = 'Arm';
由于在name的二级索引中，不包含gender，所以，需要两次索引扫描，也就是需要回表查询，性能相对较差一点

image.png

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)) ;

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));

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 ;

计算出结果，如果是1代表性能是好的。

image.png

前缀索引的查询流程

image.png

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。

单列索引：
在and连接的两个字段 phone、name上都是有单列索引的，但是最终mysql只会选择一个索引，也就是说，只能走一个字段的索引，此时是会回表查询的：

image.png

联合索引：
创建一个phone和name字段的联合索引：create unique index idx_user_phone_name on tb_user(phone,name);

image.png
指定使用联合索引：
image.png

查询时，就走了联合索引，而在联合索引中包含 phone、name的信息，在叶子节点下挂的是对应的主键id，所以查询是无需回表查询的。

如果查询使用的是联合索引，具体的结构示意图如下：

image.png

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

七、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。