wordpress主题视频站,我要建一个网站,吉安seo招聘,石家庄24号解封通知目录 一、简介
二、有无索引情况
1. 无索引情况
2. 有索引情况
3. 优劣势
三、索引结构
1. 简介
2. 存储引擎对于索引结构的支持情况
3. 为什么InnoDB默认的索引结构是Btree而不是其它树
3.1. 二叉树#xff08;BinaryTree#xff09;
3.2. 红黑树#xff08;RBtree而不是其它树
3.1. 二叉树BinaryTree
3.2. 红黑树RB
3.3. 多叉路衡平查找树B-Tree
简介
特点
四、常见索引类型
1. BTree 索引
1.1. 简介
1.2. BTree与 B-Tree相比
1.3. MySQL索引数据结构对BTree树的优化
2. Hash 索引
2.1. 简介
2.2. 特点
2.3 存储引擎支持
2.4 为什么InnoDB存储引擎选择使用Btree索引结构?
五、索引分类
1. 简介
2. 聚集索引 二级索引
2.1. 简介
2.2. 聚集索引选取规则
2.3. 聚集索引 二级索引的具体结构
六、SQL执行查找过程
1. 问题
2. 具体过程
3. 回表查询
4. 思考题
4.1. 以下两条SQL语句那个执行效率高? 为什么?
4.2. InnoDB主键索引的Btree高度为多高呢
七、索引语法
1. 创建索引
2. 查看索引
3. 删除索引
八、SQL性能分析
1. SQL执行频率
2. 慢查询日志
3. profile详情
4. explain
九、索引使用
1. 验证索引效率
2. 最左前缀法则
2.1. 简介
2.2 例子
2.3 思考题
3. 范围查询
4. 索引失效情况
4.1. 索引列运算
4.2. 字符串不加引号
4.3. 模糊查询
4.4. or连接条件
4.5. 数据分布影响
4.6. SQL提示
十、覆盖索引
1. 简介
2. 案例
2.1. 准备一组SQL执行计划
2.2. 思考题
十一、前缀索引
1. 简介
2. 语法
3. 案例
4. 前缀长度
5. 前缀索引的查询流程
十二、单列索引和联合索引
1. 简介
2. 案例
3. 如何选择
4. 索引设计原则 一、简介
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。 假设表结构及其数据如下 假如我们要执行的SQL语句为
select * from user where age 45;
二、有无索引情况
1. 无索引情况
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。 2. 有索引情况
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。 此时我们在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。
注意 这里我只是假设索引的结构是二叉树介绍一下索引的大概原理只是一个示意图并不是索引的真实结
构索引的真实结构后续详解。
3. 优劣势 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。
三、索引结构
1. 简介
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 BTree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
2. 存储引擎对于索引结构的支持情况
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。 索引 InnoDB MyISAM Memory BTree索引 支持 支持 支持 Hash索引 不支持 不支持 支持 R-tree(空间索 引 不支持 支持 不支持 Full-text(全文 索引) 5.6版本之后支持 支持 不支持
注意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
因为MySQL 5.5 之后InnoDB是默认的 MySQL 存储引擎InnoDB默认的索引结构就是Btree。
3. 为什么InnoDB默认的索引结构是Btree而不是其它树
3.1. 二叉树BinaryTree
假如说MySQL的索引结构采用二叉树的数据结构比较理想的结构如下 如果主键是顺序插入的则会形成一个单向链表结构如下 如果选择二叉树作为索引结构会存在以下缺点
① 顺序插入时会形成一个链表查询性能大大降低。
② 大数据量情况下层级较深检索速度慢。
3.2. 红黑树RB
此时大家可能会想到我们可以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,结构如下: 但是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。
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BTree那么什么是BTree呢
在详解BTree之前先来介绍一个B-Tree。
(具体树的介绍在Java数据结构篇的手写学习之路有很全面的介绍)
3.3. 多叉路衡平查找树B-Tree
简介
B-TreeB树是一种多叉路衡平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 55阶的 b-tree为例那这个B树每个节点最多存储 4 个key5 个指针 注意树的度数指的是一个节点的子节点个数。
可以通过数据结构可视化的网站来简单演示一下B-Tree Visualization 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
然后观察一些数据插入过程中节点的变化情况。 特点
① 5阶的B树每一个节点最多存储4个key对应5个指针。
② 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。
③ 在B树中非叶子节点和叶子节点都会存放数据。
四、常见索引类型
1. BTree 索引
1.1. 简介
BTree 索引Innodb存储引擎默认索引结构
BTree是B-Tree的变种我们以一颗最大度数max-degree为 44阶的btree为例
BTree结构示意图 我们可以看到两部分
① 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。
② 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。
可以通过一个数据结构可视化的网站来简单演示一下B Tree Visualization 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
然后观察一些数据插入过程中节点的变化情况。 1.2. BTree与 B-Tree相比
最终我们看到BTree 与 B-Tree相比主要有以下三点区别
① 所有的数据都会出现在叶子节点。
② 叶子节点形成一个单向链表。
③ 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BTree的数据结构接下来我们再来看看MySQL中优化之后的BTree。
1.3. MySQL索引数据结构对BTree树的优化
MySQL索引数据结构对经典的BTree进行了优化。
在原BTree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BTree
提高区间访问的性能利于排序。 2. Hash 索引
2.1. 简介
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。 2.2. 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(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Btree索引
2.3 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BTree索引在指定条件下自动构建的。
2.4 为什么InnoDB存储引擎选择使用Btree索引结构?
① 相对于二叉树层级更少搜索效率高
② 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
③ 相对Hash索引Btree支持范围匹配及排序操作
五、索引分类
1. 简介
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
2. 聚集索引 二级索引
2.1. 简介
而在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
2.2. 聚集索引选取规则
① 如果存在主键主键索引就是聚集索引。
② 如果不存在主键将使用第一个唯一UNIQUE索引作为聚集索引。
③ 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。
2.3. 聚集索引 二级索引的具体结构
① 聚集索引的叶子节点下挂的是这一行的数据 。
② 二级索引的叶子节点下挂的是该字段值对应的主键值。 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。
六、SQL执行查找过程
1. 问题
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。 2. 具体过程
① 由于是根据name字段进行查询所以先根据nameArm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。
3. 回表查询
这种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。
4. 思考题
4.1. 以下两条SQL语句那个执行效率高? 为什么?
A.select * from user where id 10 ;B.select * from user where name Arm ;
备注 id为主键name字段创建的有索引
解答
A 语句的执行性能要高于B 语句。 因为A语句直接走聚集索引直接返回数据。
而B语句需要先查询name字段的二级索引然后再查询聚集索引也就是需要进行回表查询。
4.2. InnoDB主键索引的Btree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 16 * 1024
算出n约为 1170
1171* 16 18736
也就是说如果树的高度为2则可以存储 18000 多条记录。
高度为3
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。
七、索引语法
1. 创建索引
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name ( index_col_name,... ) ;
2. 查看索引
SHOW INDEX FROM table_name ;
3. 删除索引
DROP INDEX index_name ON table_name ;
八、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
我们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。 通过上述指令我们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。
那么通过查询SQL的执行频次我们就能够知道当前数据库到底是增删改为主还是查询为主。
那假如说是以查询为主我们又该如何定位针对于那些查询语句进行优化呢
这个时候我们可以借助于MySQL中的慢查询日志。
接下来我们就来介绍一下MySQL中的慢查询日志。
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 show variables like ’slow_query_log‘
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_log1# 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_time2
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
重新启动MySQL服务器进行测试
systemctl restart mysqld
然后再次查看开关情况发现慢查询日志就已经打开了
show variables like slow_query_log 测试
A.执行如下SQL语句
select * from tb_user; -- 这条SQL执行效率比较高, 执行耗时 0.00secselect count(*) from tb_sku; -- 由于tb_sku表中, 预先存入了1000w的记录, count一次,耗时 13.35sec B. 检查慢查询日志
最终我们发现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。 这样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; 可以看到当前MySQL是支持 profile 操作的但是开关是关闭的
可以通过set语句在session/global级别开启profiling
SET profiling 1;
开关已经打开了接下来我们所执行的SQL语句都会被MySQL记录并记录执行时间消耗到哪儿去了。
我们直接执行如下的SQL语句
select * from tb_user;select * from tb_user where id 1;select * from tb_user where name 白起;select count(*) from tb_sku;
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;
查看每一条SQL的耗时情况: 查看指定SQL各个阶段的耗时情况: 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。
语法
-- 直接在select语句之前加上关键字 explain / descEXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件 ; 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、UNIONUNION 中的第二个或者后面的查询语句、SUBQUERYSELECT/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。
九、索引使用
1. 验证索引效率
在讲解索引的使用原则之前先通过一个简单的案例来验证一下索引
看看是否能够通过索引来提升数据查询性能。
在演示的时候我们还是使用之前准备的一张表 tb_sku , 在这张表中准备了1000w的记录。 这张表中id为主键有主键索引而其他字段是没有建立索引的。
我们先来查询其中的一条记录看 看里面的字段情况执行如下SQL
select * from tb_sku where id 1\G; 可以看到即使有1000w的数据,根据id进行数据查询,性能依然很快因为主键id是有索引的。
那么接下来我们再来根据 sn 字段进行查询执行如下SQL
SELECT * FROM tb_sku WHERE sn 100000003145001\G; 我们可以看到根据sn字段进行查询查询返回了一条数据结果耗时 20.78sec就是因为sn没有索引而造成查
询效率很低。
那么我们可以针对于sn字段建立一个索引建立了索引之后我们再次根据sn进行查询再来看一下查询耗时
情况。
创建索引
create index idx_sku_sn on tb_sku(sn) ; 然后再次执行相同的SQL语句再次查看SQL的耗时
SELECT * FROM tb_sku WHERE sn 100000003145001\G; 我们明显会看到sn字段建立了索引之后查询性能大大提升。建立索引前后查询耗时都不是一个数量级的。
2. 最左前缀法则
2.1. 简介
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)。
2.2 例子
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 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professionagestatus。
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。
接下来我们来演示几组案例看一下具体的执行计划
explain select * 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; explain select * from tb_user where profession 软件工程; 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。
explain select * from tb_user where age 31 and status 0; explain select * from tb_user where status 0; 而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。
explain select * from tb_user where profession 软件工程 and status 0; 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
2.3 思考题
explain select * from tb_user where age 31 and status 0 and profession 软件工程;
当执行以上SQL语句时是否满足最左前缀法则走不走上述的联合索引索引长度 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。
注意
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。
3. 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; 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; 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
4. 索引失效情况
4.1. 索引列运算
不要在索引列上进行运算操作 索引将失效。
在tb_user表中除了前面介绍的联合索引之外还有一个索引是phone字段的单列索引。 当根据phone字段进行等值匹配查询时, 索引生效
explain select * from tb_user where phone 17799990015; 当根据phone字段进行函数运算操作之后索引失效。
explain select * from tb_user where substring(phone,10,2) 15; 4.2. 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。
接下来我们通过两组示例来看看对于字符串类型的字段加单引号与不加单引号的区别
explain select * 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; explain select * from tb_user where phone 17799990015;explain select * from tb_user where phone 17799990015; 经过上面两组示例我们会明显的发现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。
4.3. 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。
接下来我们来看一下这三条SQL语句的执行效果查看一下其执行计划
由于下面查询语句中都是根据profession字段查询符合最左前缀法则联合索引是可以生效的我们主要看一下模糊查询时%加
在关键字之前和加在关键字之后的影响。
explain select * from tb_user where profession like 软件%;explain select * from tb_user where profession like %工程;explain select * from tb_user where profession like %工%; 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。
4.4. 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。
然后我们可以对age字段建立索引。
create index idx_user_age on tb_user(age); 建立了索引之后我们再次执行上述的SQL语句看看前后执行计划的变化。 最终我们发现当or连接的条件左右两侧字段都有索引时索引才会生效。
4.5. 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; 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。
is null is not null
接下来我们再来看看 is null 与 is not null 操作是否走索引。
执行如下两条语句
explain select * from tb_user where profession is null;explain select * from tb_user where profession is not null; 接下来我们做一个操作将profession字段值全部更新为null。 然后再次执行上述的两条SQL查看SQL语句的执行计划。 最终我们看到一模一样的SQL语句先后执行了两次结果查询计划是不一样的为什么会出现这种现象
这是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
4.6. SQL提示
目前tb_user表的数据情况如下: 索引情况如下: 把上述的 idx_user_age, idx_email 这两个之前测试使用过的索引直接删除。
drop index idx_user_age on tb_user;drop index idx_email on tb_user;
1、执行SQL
explain select * from tb_user where profession 软件工程; 查询走了联合索引。
2、执行SQL创建profession的单列索引
create index idx_user_pro on tb_user(profession); 3、创建单列索引后再次执行A中的SQL语句查看执行计划看看到底走哪个索引。 测试结果我们可以看到possible_keys中 idx_user_pro_age_sta,idx_user_pro 这两个索引都可能用到
最终MySQL选择了idx_user_pro_age_sta索引。这是MySQL自动选择的结果。
那么我们能不能在查询的时候自己来指定使用哪个索引呢
答案是肯定的此时就可以借助于MySQL的SQL提示来完成。
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。
① 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;
② 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;
③ force index 强制使用索引
explain select * from tb_user force index(idx_user_pro) where profession 软件工程;
示例演示
1、use index
explain select * from tb_user use index(idx_user_pro) where profession 软件工程; 2、ignore index
explain select * from tb_user ignore index(idx_user_pro) where profession 软件工程; 3、force index
explain select * from tb_user force index(idx_user_pro_age_sta) where profession 软件工程; 十、覆盖索引
1. 简介
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 *
2. 案例
2.1. 准备一组SQL执行计划
接下来我们来看一组SQL的执行计划看看执行计划的差别然后再来具体做一个解析
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;
上述这几条SQL的执行结果为 从上述的执行计划我们可以看到这四条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前面两条SQL的结果为
Using where;Using Index ;
而后面两条SQL的结果为
Using index condition Extra 含义 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
原因
因为在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了这个过程就是回表。
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。
为了大家更清楚的理解什么是覆盖索引什么是回表查询我们一起再来看下面的这组SQL的执行过程。
A. 表结构及索引示意图 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。
B. 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。
C. 执行SQLselet id,name from tb_user where name Arm; 虽然是根据name字段查询查询二级索引但是由于查询返回在字段为 idname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。
D. 执行SQLselet 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。 2.2. 思考题
一张表, 有四个字段(id, username, password, status),
由于数据量大, 需要对以下SQL语句进行优化, 该如何进行才是最优方案:
select id,username,password from tb_user where username zhenge;
答案:
针对于 username, password建立联合索引,
sql为
create index idx_user_name_pass on tb_user(username,password);
这样可以避免上述的SQL语句在查询的过程中出现回表查询。
十一、前缀索引
1. 简介
当字段类型为字符串varchartextlongtext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。
2. 语法
create index idx_xxxx on table_name(column(n));
3. 案例
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)); 4. 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 ;
5. 前缀索引的查询流程 十二、单列索引和联合索引
1. 简介
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。
2. 案例
我们先来看看 tb_user 表中目前的索引情况: 在查询出来的索引中既有单列索引又有联合索引。
接下来我们来执行一条SQL语句看看其执行计划 通过上述执行计划我们可以看出来在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。
紧接着我们再来创建一个phone和name字段的联合索引来查询一下执行计划。
create unique index idx_user_phone_name on tb_user(phone,name); 此时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。
3. 如何选择
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。
如果查询使用的是联合索引具体的结构示意图如下 4. 索引设计原则
1、针对于数据量较大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。
