MySQL性能优化(三)--MySQL索引详细介绍(干货满满)

 

索引的含义：它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，索引对性能的影响就愈发重要。

1.数据表索引的目的？

1. 索引就是为表建立的”目录”
2. 索引的目录就是为了全表扫描（Full scan）
3. 索引的存储形式是由存储引擎决定

 2.MySQL数据库索引分类

根据索引的具体用途，MySQL 中的索引在逻辑上分为以下几类

2.1 按具体用途分类

2.1.1 普通索引

最基本的索引，它没有任何限制，用于加快查询

创建方法：

CREATE INDEX index_name ON table(column(length))

例如我创建的测试表test_table来演示一下创建普通索引

CREATE INDEX name_index ON test_table(name)

创建完毕查看一下：

2.1.2 唯一索引

与前面的普通索引类似，不同的是索引列的值必须唯一，但允许有空值，如果是组合索引，则列值的组合必须唯一。

创建方法：

CREATE UNIQUE INDEX indexName ON table(column(length))

例如：CREATE UNIQUE INDEX age_index on test_table(age)

查看索引：

2.1.3 主键索引

是一种特殊的唯一索引，一个表只能有一个主键，不允许有空值，一般建表的时候同时创建主键索引。

如：CREATE TABLE `table` ( `id` int(11) NOT NULL AUTO_INCREMENT , `title` char(255) NOT NULL , PRIMARY KEY (`id`) );

2.1.4 组合索引

指多个字段上创建的索引，只有在查询条件中使用了创建索引时的第一个字段，索引才会被使用，使用组合索引时遵循最左前缀集合

如：CREATE INDEX index_mytable_id_name ON mytable(id,name);

CREATE INDEX zh_index on test_table(age,name)

只有在查询条件中使用了创建索引时的第一个字段，索引才会被使用,使用组合索引时遵循最左前缀集合，这一句话的意思是组合索引有效的化，查询时条件一定要加示例中第一个字段也就是age而且还必须是第一个条件，这样就是优先最左有效

2.1.5 全文索引

主要用来查找文本中的关键字，而不是直接与索引中的值相比较。Fulltext索引跟其他索引大不相同，它更像是一个搜索引擎，而不是简单的where语句的参数匹配 ，fulltext索引配合match against操作使用，而不是一般的where语句加like。它可以在create table，alter table ，create index使用，不过目前只有char、varchar，text 列上可以创建全文索引。值得一提的是，在数据量较大时候，现将数据放入一个没有全局索引的表中，然后再用CREATE index创建fulltext索引，要比先为一张表建立fulltext然后再将数据写入的速度快很多。

创建方法：

CREATE FULLTEXT INDEX index_content ON article(content)

例如测试数据：CREATE FULLTEXT INDEX name_fulltext on test_table(name)

2.2 按存储方式物理分类

索引的类型和存储引擎有关，每种存储引擎所支持的索引类型不一定完全相同。根据存储方式的不同，MySQL 中常用的索引在物理上分为以下两类

1. B+TREE索引 – 适用于范围查找
2. Hash索引 – 适用于精确匹配

总结一下：

1. 从存储结构上来划分：

             1.1 BTree索引（B-Tree或B+Tree索引）,hash索引（为每一行数据精准的建立数字指纹（hash值））通过hash值可以快速的找到数据

            1.2 full-index 全文索引

            1.3 R-Tree索引（多维索引，应用少，通常是用在Gis系统中）

1.   从应用层次来分：普通索引，唯一索引（必须某一列是唯一值，比如主键索引，唯一索引效率高），复合索引（就是多列索引）
2.   根据数据的物理是顺序和键值的逻辑（索引）顺序关系：聚集索引，非聚集索引

3. B+Tree索引

1. Mysql中InnoDB与Myisam采用的是B+Tree索引
2. B+Tree索引采用树形链表结构建立数据“目录” （不同的存储引擎有不同的存储结构，索引也是要占用磁盘内存的。

 3.1 InnoDB引擎B+Tree索引原理

   3.1.1  InnoDB引擎B+Tree索引-主键索引

主键索引含义：主键索引也叫聚簇索引是指主索引文件和数据文件为同一文件，聚簇索引主要用在Innodb存储引擎中。在该索引实现方式中B+Tree的叶子节点上的data就是数据本身，key为主键。在 InnoDB 里，索引B+ Tree的叶子节点存储了整行数据的是主键索引

 

 按图说话：

1. 首先有一个根节点，居中的基础范围，其次，二级和三级节点上按照顺序依次排列
2. 是聚集索引，物理存储就是1在前，7在后
3. 并且在三级节点有一个单向链表，比较适合查询

主键索引叶子节点存储的是数据，所以查询一次就能查询到，查询效果比较好 

 3.1.2 InnoDB引擎B+Tree索引-复合主键

InnoDB还是会以主键为物理存储

如果除了主键以外又设置了name为索引的话，那么节点就会是name名称，但是name只是会往id上靠，要查询也是查询名称，找name，根据name对应的id再找id索引下的数据。

3.2  为什么官方建议使用自增长主键作为索引？

1. 在InnoDB使用主键，新增数据范围影响是最小的
2. BTree索引是按照数据顺序进行排列的，新添加进来的数据会找到最后一块范围然后新增数据，然后在把局部修改。

3.3  MyISAM引擎B+Tree索引原理

MyISAM索引使用的是非聚簇索引，非聚簇索引的含义：非聚簇索引就是指B+Tree的叶子节点上的data，并不是数据本身，而是数据存放的地址。也可以说B+Tree的叶子节点存储了主键的值是非聚簇索引。

1. MyISAM索引是非聚集索引，实际保存数据和索引组织顺序是不一致的
2. 从索引的角度来说MyISAMB+Tree和InnoDB结构是完全一致的，不同的是InnoDB是以id号存储的，MyISAM是以磁盘存储物理地址位置来进行组织
3. 非主键索引的叶子节点存储的是主键的值，查到主键的值以后，还需要再通过主键的值需要回表再进行一次查询

 这里再次引申一个问题，非聚簇索引是所有的情况都查询多次么？

    答：其实不是的，当非聚簇索引是覆盖索引的就可以查询一次。

那再引申一个问题，什么是覆盖索引呢？

    答：覆盖索引是指一个查询语句的执行只用从索引中就能取得，不必从数据表中读取，也可以称之为实现了索引覆盖。当一条     查询语句符合覆盖索引条件时，MySQL只需要通过索引就可以返回查询所需要的数据，这样避免了查到索引后再返回表操作，     减少I/O提高效率。

    如：表covering_index_sample中有一个普通索引 idx_key1_key2(key1,key2)。当我们通过SQL语句：select key2 from                 covering_index_sample where key1 ='keytest';的时候，就可以通过覆盖索引查询，无需回表。

 3.4 B-Tree/B+Tree的区别

3.5 BTree索引使用技巧

1. 查询语句的时候可以使用 EXPLAIN 查看sql执行的情况，执行快慢都可以看见，例如：EXPLAIN select * from innodb_test1 where id=1 ，实践证明，加了索引查询速度快 

        

 

1. 看一下没有加索引的结果，type为all，没有索引rows也变大了

         EXPLAIN select * from innodb_test1 where uid=22

         

 

1. 精准匹配，允许使用btree索引 如：where uid=22
2. 范围匹配允许使用btree索引 如：where uid >1 and uid <3
3. 建议使用字符相符的类型进行查询，虽然可以进行类型转换
4. 字符串字段btree索引允许进行前缀查询 如 where name=”张三%”
5. 字符串后缀和模糊匹配btree均不支持，直接进行了全表扫描。
6. 复合索引查询都是以第一个左侧设置的字段索引为主
7. 复合索引查询条件必须包含左侧列，直接书写右侧列将导致数据无法使用索引进行查询，除非左侧列和右侧列一起查询
8. <> 和not in 也会导致不使用索引

 4.hash索引介绍

1. Hash索引（hash index）基于哈希表实现（为每一条数据创建hash值，用简短的hash值代替数据，方便用来检索这样的方式）
2. 只有在对数据进行精准匹配才可以使用hash索引
3. Hash索引为每条数据生成一个hashCode(这个hashcode就像摘要，通过hashCode能够快速获得数据位置)

 

 4.1 hash索引特点

1. Hash索引只包含哈希值和行索引
2. 只支持精准匹配，不支持范围查询，模糊查询以及排序
3. Hash取值速度非常快，但索引选择性很低，不建议使用
4. MySQL目前只有Memory显示支持hash索引

 4.2 InnoDB中的hash索引

1. InnoDB存储引擎只支持显示创建BTree索引
2. 数据精准匹配时，MySQL会自动生成HashCode,，存入缓存

 3.6 索引的缺点

1. 虽然索引大大提高了查询速度，同时却会降低更新表的速度，如对表进行insert、update、和delete。因为更新表时，不仅要保存数据，还要保存索引文件。

2. 建立索引会占用磁盘空间的索引文件，一般这个问题不太严重，但如果你在大表创建了多种组合索引，索引文件会增长很快。

索引只是提高效率的一个因素，如果有大数据量的表，就需要花时间研究建立最优秀的索引，或优化查询语句。

3.7 索引的优点

1. 索引大幅度提升了数据的检索效率
2. 索引把随机IO,变成了顺序IO

3.8 索引是不是越多越好？

1. 降低了写入数据的效率
2. 太多的索引增加了查询优化器选择的时间
3. 不合理的使用索引，会大幅占用磁盘空间

3.9 索引的优化策略

3.9.1 删除冗余索引

如果过多的索引，内存磁盘占用上就比较大，新增也要有重算消耗，那么有一种工具可以帮助删除冗余索引

1. pt-duplicate-key-checker是percona-toolkit工具包中的实用组件（percona-toolkit只能在linux平台）
2. 它可以帮助你检测表中重复的索引或者主键

 3.9.2 实用索引SQL语句

#索引使用情况

SELECT

  object_type,object_schema,object_name,index_name,

       count_read,count_fetch,      count_insert,

       count_update,count_delete

FROM

performance_schema.table_io_waits_summary_by_index_usage

ORDER BY

       sum_timer_wait desc;

得到的结果如下图：

3.9.3  减少表与索引碎片

在数据进行新增，修改，删除时数据会进行重组，那么就有可能出现空间的浪费，出现碎片。

1. analyze table 表名； 对于索引进行优化，索引重新统计
2. optimize table 表名；对于表进行优化，优化表空间，释放表空间，运行就会去掉表空间冗余的数据，运行optimize table会进行锁表，一定要在维护期间，否则会造成ip阻塞，数据量大执行时间就会长

4.10 什么情况下不会用到索引

1. 索引选择性太差
2. <>/not in 无法使用索引
3. Is null 会使用索引，is not null 不会使用索引
4. Where子句跳过左侧索引列，直接查询右侧索引字段
5. 对索引列进行计算或者使用函数

 4.11 使用索引优化排序

1. 当order by 字段与索引字段顺序/排序方向相同时索引可优化排序速度

 以上就是MySQL索引介绍的全部内容！希望能够帮助你！下次有时间还会整理Explain执行计划怎么看SQL语句性能的介绍！