【MySQL】基于InnoDB的数据库索引

前言

MySQL凭借着出色的性能、低廉的成本、丰富的资源，已经成为绝大多数互联网公司的首选关系型数据库。虽然性能出色，但所谓“好马配好鞍”，如何能够更好的使用它，已经成为开发工程师的必修课，我们经常会从职位描述上看到诸如“精通MySQL”、“SQL语句优化”、“了解数据库原理”等要求。我们知道一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，遇到最多的，也是最容易出问题的，还是一些复杂的查询操作，所以查询语句的优化显然是重中之重。

文章中引用的优秀资源如下：

• Mysql索引（一篇就够le）

• MySQL索引原理及慢查询优化

• MySQL官网-13.1.15 CREATE INDEX Statement

1、索引引入

索引（Index）是一个单独的、存储在磁盘上的数据库结构，它们包含着对数据表里所有记录的引用指针。使用索引用于快速找出在某个或多个列中有一特定值的行，所有MySQL列类型都可以被索引，对相关列使用索引是提高查询操作速度的最佳途径。
　　MySQL索引的建立对于MySQL的高效运行是很重要的，索引可以大大提高MySQL的检索速度。比如我们在查字典的时候，前面都有检索的拼音和偏旁、笔画等，然后找到对应字典页码，这样然后就打开字典的页数就可以知道我们要搜索的某一个key的全部值的信息了。

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。

索引的目的在于提高查询效率，避免在面对大量数据时进行全表扫描给MySQL和服务器造成大压力。

2、索引语法

将语法写在这里意在对使用上有一个初步的认识和了解（主要是狗子我比较喜欢先会用再继续去深入学习）

2.1、创建索引

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

2.2、查看索引

SHOW INDEX FROM table_name ;

2.3、删除索引

DROP INDEX index_name ON table_name 

2.4、案例引入

这里涉及到的索引类别后续会介绍，可以根据字面意思理解，也可先简单看做加了一个索引，后续到介绍索引类别时再理解。(数据没有放在这里，因为显得有点繁琐，推荐使用Navicat16的数据自动生成功能轻松搞个千万数据，真香警告)

-- 创建用户表
create table tb_user(
    id int primary key auto_increment comment '主键',
    name varchar(50) not null comment '用户名',
    phone varchar(11) not null comment '手机号',
    email varchar(100) comment '邮箱',
    profession varchar(11) comment '专业',
    age tinyint unsigned comment '年龄',
    gender char(1) comment '性别 , 1: 男, 2: 女',
    status char(1) comment '状态',
    createtime datetime comment '创建时间'
) comment '系统用户表';

-- 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 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);

-- 为email建立合适的索引来提升查询效率。
CREATE INDEX idx_email ON tb_user(email);

-- 查看创建的索引情况
SHOW INDEX FROM tb_user;

3、索引结构

3.1、概述

除了词典，生活中随处可见索引的例子，如火车站的车次表、图书的目录等。它们的原理都是一样的，通过不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是我们总是通过同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂许多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？

最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段……这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。但如果是1千万的记录呢，分成几段比较好？

稍有算法基础的同学会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的，数据库实现比较复杂，数据保存在磁盘上，而为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树难以满足复杂的应用场景。

3.2、引擎支持

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（如果没有特别指明，一般索引都指B+树结构组织的索引）

索引结构	描述	InnoDB	MyISAM	Memory
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	5.6版本前❌ 5.6版本后✅	✅	❌

3.3、B+Tree

B+Tree是B树的变种，有着比B树更高的查询性能，下面是m阶B+Tree的特性：

• m阶B+Tree每个节点最多存储m-1个key，对应m个指针；
• 一旦节点存储的key数量到达m，就会裂变，中间元素向上分裂；
• 根节点和分支节点中不保存数据，只用于索引，所有数据都保存在叶子节点中；
• 所有分支节点和根节点都同时存在于子节点中，在子节点元素中是最大或者最小的元素；
• 单一节点存储更多的元素，使得查询的IO次数更少；
• 叶子节点形成一个单向链表。

利用数据结构可视化工具对5阶B+Tree的演示结果如下，建议不了解或不太了解的小伙伴们自行测试一遍对过程有一个了解，毕竟这里放的是结果：

上述所介绍的为标准的B+Tree数据结构，而MySQL索引结构对经典的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，即叶子结点形成了一个双向循环链表，提高区间访问的性能，利于排序，也便于范围查询。

3.4、Hash

在MySQL中另一个常听到的索引则是Hash索引，其主要有以下特性：

• 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。

值得注意的是InnoDB存储引擎是不支持Hash索引的([3.1概述](# 3.1、概述)中的表格有介绍)，支持Hash索引的时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。

Hash索引的实现和我们常见的哈希算法很相似，Hash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产生了hash冲突（hash碰撞），则通过链表来解决。

4、索引类别

4.1、分类

在MySQL数据库中，索引的具体类型主要分为以下几类：

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	有且只有一个	PRIMARY
唯一索引	避免同一个表中的某数据项的值重复	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

而在InnoDB存储引擎中，根据索引的存储形式，又将其分为了以下两种：

• 聚集索引：Clustered Index，将数据存储与索引放到了一起，索引结构的叶子节点保存了行数据；
  • 有且只有一个；
  • 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。
• 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保存的是对应的主键值；
  • 可以存在多个。

两者的最大区别就是叶子节点存放的数据不同。

4.2、过程分析

根据前面[2.4、案例引入](# 2.4、案例引入)中可以知道，目前数据表中的name字段存在主键id以及索引idx_name，那么我们后面将直接用这一个索引来进行查询。

-- 查询id和姓名
SELECT id, name FROM tb_user WHERE name = 'Arm';

根据上面提及到的二级索引可知，name字段创建的所以属于二级索引，key为name的具体值，value为该条数据对应的主键值id，因此在通过索引idx_name查询到该条数据之后可以直接返回所需要的id和name，因为刚好这两个值在二级索引中都有。

-- 查询全部字段
SELECT * FROM tb_user WHERE name = 'Arm';

通过sql判断这里还是用到了name字段的索引idx_name，但是我们可以发现，在二级索引中只有name和id两个字段的数据，并没有全部数据，那怎么办呢？这时MySQL就会通过id值进行回表查询，既在聚集索引的结构中通过id再查询一次数据。

回表查询：通过二级索引中查找数据，找到主键值，然后通过聚集索引中根据主键值获取数据的方式。

具体的查找过程如下：

• 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。

5、性能分析

5.1、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，如果查询出来的是以查询为主，那么我们就可以考虑使用索引进行优化了。

-- session 是查看当前会话
-- global 是查询全局数据
-- 七个_可换成*
SHOW GLOBAL STATUS LIKE 'Com_______';

查询得到的主要数据介绍如下：

• Com_delete: 删除次数；
• Com_insert: 插入次数 ；
• Com_select: 查询次数 ；
• Com_update: 更新次数；

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。慢查询日志一般用于系统的后手保障，当要查看慢查询日志时，不出意外都是加班警告了。

这一功能默认是关闭的，可以通过show variables like 'slow_query_log'查询日志是否打开。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(docker选手需要通过数据卷或进入容器进行修改)：

# 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

配置完成后记得重启更新配置文件才能生效：

systemctl restart mysqld

查询慢查询日志，注意要在开启与查询之间有sql查询才会出现数据：

tail -f localhost-slow.log

5.3、explain

大家可能或多或少都看过这一个关键字用于sql的性能解释，它和desc命令都能获取到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，两者完全一样，一般使用explain。

-- 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 ;

Explain 执行计划中各个字段的含义:

• 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；
  • 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。
• 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。

6、最左前缀原则

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)。

• 如果第一个字段是范围查询需要单独建一个索引；
• 在创建多列索引时，要根据业务需求，where子句中使用最频繁的一列放在最左边；

下面案例以文中的tb_user数据表为例

创建一个联合索引idx_user_name_phone_email

CREATE INDEX idx_user_name_phone_email ON tb_user(name, phone, email);

场景1：在where条件中按顺序加上三个条件，这时可以看到结果是用到了索引idx_user_name_phone_email，这是毋庸置疑的，毕竟一个个对下来的（注意观察key_len = 651）

EXPLAIN SELECT * FROM tb_user WHERE name = 'Arm' AND phone = '10086' AND email = '[email protected]';

场景2：在where条件中去掉最后一个条件email字段，这时可以看到还是用到了索引idx_user_name_phone_email，这是因为最左边的name字段还在条件中，依旧遵循最左前缀原则（注意观察key_len = 248）

EXPLAIN SELECT * FROM tb_user WHERE name = 'Arm' AND phone = '10086';

场景3：在where条件中去掉后面两个条件phone和email字段，这时可以看到还是用到了索引idx_user_name_phone_email，这是因为最左边的name字段还在条件中，依旧遵循最左前缀原则（注意观察key_len = 202)

EXPLAIN SELECT * FROM tb_user WHERE name = 'Arm';

场景4：在where条件中去掉中间条件phone字段，这时可以看到还是用到了索引idx_user_name_phone_email，这是因为最左边的name字段还在条件中，依旧遵循最左前缀原则（注意观察key_len = 202)

EXPLAIN SELECT * FROM tb_user WHERE name = 'Arm' AND email = '[email protected]';

场景5：在where条件中去掉中间条件phone字段，并将name和email顺序颠倒，这时可以看到还是用到了索引idx_user_name_phone_email，这是因为最左边的name字段还在条件中，依旧遵循最左前缀原则（注意观察key_len = 202)

EXPLAIN SELECT * FROM tb_user WHERE email = '[email protected]' AND name = 'Arm';

通过上面五个场景应该可以看出在最左前缀原则下索引生效的情况，从前三个场景可以看出，三个场景的key_len皆不同，证明索引生效的字段也在发生着变化（与where后方跟着的字段所一致）。这里主要针对场景4与场景5进行介绍（毕竟这两个场景下的会比较特殊）：

• 场景4分析：根据最左前缀原则，name字段存在，但phone缺失，导致不管email字段是否参与到where中，该字段都不会使用到索引，因此可以观察到此时的key_len的值与场景3只使用了name字段的值相同，这证明了联合索引中只有name字段部分生效了；
• 场景5分析：根据最左前缀原则，虽然name字段存在，但它是被放在了最后面还能够执行这是为什么呢？这得益于MySQL的查询优化器，MySQL查询优化器会判断纠正这条sql语句该以什么样的顺序执行效率最高，最后才生成真正的执行计划。简单来说，MySQL会将场景5中的sql重排，因此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的条件编写的先后顺序无关。

7、索引失效

7.1、范围查询

联合索引中若出现范围查询如>,<,between and，范围查询的右侧的列索引将会失效，下面是失效例子，age用到了范围查询，导致索引中的status字段不生效：

CREATE INDEX idx_name_age_status ON tb_user(name, age, status);
EXPLAIN SELECT * FROM tb_user WHERE name = 'Arm' AND age > 10 AND status = '1';

有个小技巧就是，当我们将>,<写成>=,<=时，上面失效的场景便不会出现，即因为出现了=便走了索引。所以在业务允许的情况下，尽可能的使用类似于>=,<=这类的范围查询，而避免使用>,<，尽可能的使用到索引。

7.2、列运算

针对索引列上进行运算操作时，索引将会失效，下面是失效的例子：

EXPLAIN SELECT * FROM tb_user WHERE substring(phone,10,2) = '15';

7.3、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，下面是失效与生效的例子：

-- 失效
EXPLAIN SELECT * FROM tb_user WHERE phone = 10086;
-- 生效
EXPLAIN SELECT * FROM tb_user WHERE phone = '10086';

7.4、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，下面是失效与生效的例子：

-- 失效
EXPLAIN SELECT * FROM tb_user WHERE phone like '%86';
-- 生效
EXPLAIN SELECT * FROM tb_user WHERE phone like '10%';

7.5、OR连接

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，因此当or连接的条件，左右两侧字段都有索引时，索引才会生效，下面是失效与生效的例子：

-- age字段有索引，gender没有索引，一侧没有，索引失效
EXPLAIN SELECT * FROM tb_user WHERE age = 10 AND gender = '1';
-- id有索引，age有索引，两侧都有，索引生效
EXPLAIN SELECT * FROM tb_user WHERE id = 1 AND age = 10;

7.6、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，这一般难以人为控制。

-- 假设id值都大于等于1，因此条件为查询大于等于2的则会被MySQL为全表查询(注意这里有等号因此不符合7.1的范围查询)
EXPLAIN SELECT * FROM tb_user WHERE id >= 2;

8、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。

搞定下班睡觉！