Mysql索引之-cardinality

我们前面介绍了Mysql索引，现在看一下，如何在系统运行中，查看索引的情况呢？

查看索引

show index from tb_name;

上面有一个属性Cardinality，可以通过观察它来评估索引是否合理。

它会估计索引中不重复记录，如果这个相对值很小，可能就要评估索引是否有意义。

索引相对值

再看一个模拟真实场景的表

然后看一下这张表的总条数

观察下面表格

索引列	数量/总数	占比
id	1431532/1949424	0.7343358858821888
company_id	3/1949424	0.0000015
collmember_id	2/1949424	0.000001

列id由于是主键，通过cardinality估算出来的值/总数接近于1；而另外2个索引列，估算出来的值/总数都趋近于0。估算出来的值/总数=占比，我们称占比为相对值。

通过上面表格做一个大胆推测，查询id列是很快，查询另外2列是很慢；现在我们看下相应的执行计划

但是发现都会走索引，而且ref都是const。难道是cardinality不准？是的，因为它是一个预估值！

cardinality是怎么预估的？

上面提到cardinality是索引中不重复记录的预估值，那么它是怎么实现的呢？由于Mysql的B+索引在每个存储引擎中实现的都不一样，所以cardinality干脆放到存储引擎层面实现的！

对于innodb来说，达到以下2点就会重新计算cardinality

• 如果表中1/16的数据发生变化 
• 如果stat_modified_counter>200 000 0000

这是为什么呢？因为真实环境中，索引的更新可能非常频繁，比如一个表中数据的插入，更新，删除等，每次都去统计cardinality会带来很大的负担；另外如果是一个大表，统计一次可能非常耗时。基于此，采用基于上面2个条件的"抽样"统计的方式。

那上面2种有什么区别呢？

如果表中1/16数据发生变化则会更新；第2种情况比较特别，如果某一千数据频繁更新，但是数据并没有增加，则第一种无法适用，所以设置stat_modified_counter为发生变化的次数；如果次数达到200 000 0000，也会更新统计值。

那具体是如何采样统计的呢？

• 获取B+树叶子节点的数据，记为A
• 随机获得B+树索引中8个叶子节点。统计每个页不同记录的个数，分别记为P1,P2...P8
• 计算cardinality = (P1+P2+...P8)A/8

从而得出索引中不同记录的数量。从上面可以发现，有2个问题

1. 由于是随机采样的方式，所以会出现，连续2次统计，数量都不同。只有在表数据非常少，叶子节点不多于8个时，每次采样都是取到相同的页，统计值才会相同
2. 由于统计值是基于上面2个条件去更新的，可能出现系统运行了一段时间之后，数据发生了很大变化，统计值偏差比较大了，那么索引的效率会下降

那对于问题2，该怎么处理呢？

手动更新统计值

如果系统运行一段时间之后，我们可以通过执行下面的sql，重新计算cardinality值

analyze table tb_name;

show table status;

show index from tb_name

不过，如果表很大，重新统计可能会非常耗时间，建议对于核心表，在非高峰时段操作

选择性

现在又回到前面的例子，我们通过观察执行计划发现，不论cardinality大小，相对值大小，发现还是会走索引，那为什么要说对于相对值非常小的不建议建索引呢？这就涉及到一个选择性的问题

比如有一个用户表，有一列性别sex，现在要查询所以性别为male的用户(假定只有男人-male，女人-female，没有其它不明性别),可能的sql：

select * from user where sex = 'M';

对于这个sql，虽然sex上有索引，但是执行的时候，读取的数据可能会超过一半，甚至在极端情况下(比如程序员的网站)，大部分数据都需要读取，所以还是会走全表扫描，这种数据称为低选择性。反之，如果是高选择性的，建议建索引 ，比如user表中用户，一般来说很少重复；