MySQL索引知多少

mysql索引

总结关于mysql的索引，查询优化，SQL技巧等

1 索引类型

• B-Tree索引
• Hash索引 （自定义hash索引 CRC32 ）
• R-Tree索引（空间索引）使用不多，
• 全文索引

1.1 B-Tree索引

没有特殊说明的时候，通常说的索引都是B-Tree类型的，他是根据数据值进行tree结构创建的索引。

1.1.1 B-Tree索引特征

• 全值匹配，全值匹配指的是和索引中的所有列进行匹配。例如可以查询 last_name='Michael' and first_name='Bay' and birthday='2019-11-05 03:37:43' 的数据
• 匹配最左前缀，索引可用于最左一列的查询。例如查询 last_name='Steven' 的数据
• 匹配列前缀，匹配某一列的值的开头部分。例如查询 last_name 取值为a-j开头的数据
• 匹配范围值， 索引可用于列值范围查询。例如查询 last_name 的取值在 aaa-bbb之前的值
• 精确匹配某一列并范围匹配另外一列
• 只访问索引的查询

1.1.2 B-Tree索引限制

• 如果不是按照索引的最左列开始查找，则无法使用索引。 例如上面例子中索引不能用于查找 col_B=xx的信息。因为col_B不是最左列
• 不能跳过索引中的列。例如 查询 col_A=a, col_C=c的数据的时候，col_C不能使用索引，只能索引到col_A
• 如果查询中有某个列的范围查询，则其右边所有的列都无法使用索引优化查询。

1.1.3 B-Tree索引示例

-- 用户表
CREATE TABLE `t_user` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `last_name` varchar(32) DEFAULT NULL,
  `first_name` varchar(32) DEFAULT NULL,
  `birthday` datetime DEFAULT NULL,
  `email` varchar(32) DEFAULT NULL,
  `create_time` datetime DEFAULT NULL,
  `update_time` datetime DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `t_idx_ln_fn_bth` (`last_name`,`first_name`,`birthday`)
) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8"

-- 一下几种情况的结果
-- 索引使用到 last_name、first_name、birthday
explain select * from t_user where last_name='Michael' and first_name='Bay' and birthday='2019-11-05 03:37:43';

-- 没有使用到索引
explain select * from t_user where first_name='Bay' and birthday='2019-11-05 03:37:43';

-- 索引只使用到 last_name 列
explain select * from t_user where last_name='Michael' and birthday='2019-11-05 03:37:43';

-- 索引使用到列 last_name、first_name
explain select * from t_user where last_name='Michael' and first_name='Bay' ;

-- 索引到列 last_name
explain select * from t_user where last_name='Michael' and first_name like 'B%' and birthday='2019-11-05 03:37:43';

注意：根据索引的限制，我们可以在SQL优化的时候，从这个方向考虑，索引列的顺序，代码中使用查询语句时候，SQL语句的列的顺序都可以是优化的点

1.2 Hash索引

1.2.1 Hash索引定义

hash索引是基于哈希表实现的，只有精确匹配索引所有列的查询才有效。对于每一行数据，存储引擎都会对数所有的索引列计算一个hash code,hash索引是将所有的hash code 和执向数据的指针存储在hash表中来实现的。对应hash冲突的处理，就是对冲突的数据以链表形式存储。

注意：MySQL中显示支持hash索引的只有 Memory引擎。

1.2.2 Hash索引限制

从hash索引的结构可以知道，由于索引使用存储hashcode ,所以体积小，结构紧凑。查询速度非常快。它的使用限制也非常明显：

1. 哈希索引只包含哈希值和行指针，而不是存储字段值，所有必须要使用索引读取行
2. 哈希索引数据并不是按照索引值顺序存储（hash值存储），所以不能排序
3. 不能支持部分配置索引，因为索引存储的是全值计算出来的hash
4. 同上面的原因，所以只能支持等值比较查询，包括 =, in() <=>
5. 访问哈希索引的数据非常快，除非有很多哈希冲突，他哈希冲突时候，会去遍历链表
6. 哈希冲突多的情况下，会增加索引维护的成本（要在链表中遍历进行增删操作）

1.2.3 自定义哈希索引

如果搜索引擎不支持索引，可以在创建一个hash值，然后利用b-tree索引这很hash值，在查询的where子句中指明这个hash值的列，效果就如同hash索引了。还可以通过选择更好的hash算法，可更加容易避免hash冲突,优化索引。

示例：

-- t_url 一个存储url的表，url地址可能很长，直接b-tree索引，索引空间大(b-tree索引的是值)
CREATE TABLE `t_url` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `url` varchar(255) DEFAULT NULL,
  `url_crc` bigint(20) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `t_idx_url_crc` (`url_crc`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8"

针对上面的示例，每次写入数据的时候，根据url的值 使用CRC32函数生成 url_crc的值，查询的时候，使用CRC32(url)的值作为where条件，使他能够给被索引，同时需要添加 url作为条件，这样非常必要，因为hash值 CRC32函数的结果可能冲突，如果只按照这个值，可能查出多条，所以需要加上url的值，确定数据的准确性

查询表现为：

-- 没有使用索引
explain select * from t_url where url='https://www.baidu.com';

-- 使用索引列 url_crc
explain select * from t_url where url_crc=CRC32("https://www.baidu.com") and url='https://www.baidu.com';

注意：自定义索引，是平时的作为SQL优化的一个重要手段，hash值的创建可以使用触发器控制，也可以在应用中通过程序写入。

1.3 R-Tree索引（空间索引）

这类索引使用所有维度来索引数据，mysql支持较弱

1.4 全文索引

它查找的是文本中的关键字，有点类似搜索引擎

2 索引的优点

• 1.索引大大减少了服务器需要扫描的数据量
• 2.索引可以帮助服务器避免排序和临时表
• 3.索引可以将 随机I/O 变为 顺序I/O

3 高性能的索引策略

3.1 独立的列

1. 使用独立的列。独立列命中索引，不能是表达式，也不能是函数的参数

3.2 前缀索引

当被索引的列长度很长的时候，如 Text, BLOB, 或者长度很大的VARCHAR的时候，直接整列的索引会使得索引很大，性能差。此时有两种方式处理来优化。

1. 使用前面说的 建立自定义的hashs索引
2. 使用列的前缀部分作为索引，前缀的长度选择在于索引的选择性控制

使用技巧

-- 计算完整列的选择性
select count(distinct city_name) / count(*) from t_city

-- 分别计算前缀取长度为 4、5、6、7的选择性
select count(distinct LEFT(city_name, 4)）/ count(*) as sel4, 
       count(distinct LEFT(city_name, 5)）/ count(*) as sel5,
       count(distinct LEFT(city_name, 6)）/ count(*) as sel6,
       count(distinct LEFT(city_name, 7)）/ count(*) as sel7
        from t_city

通过上面的方法，找到前缀长度与整列选择性接近的值作为前缀索引长度。

通过设置索引长度来指明前缀索引的长度，如

-- 指定city_name 上面建立长度为7的前缀索引
alter table t_city add key (city_name(7));

缺点
虽然前缀索引可以优化索引的大小，但是用前缀索引后，无法使用前缀索引做ORDER BY 和 GROUP BY ,也无法使用前缀索引做覆盖扫描。（从索引内容只有部分前缀，就可以理解了）

3.3 多列索引

在多个列上面建立单独索引后，如果出现大量的索引合并，可以考虑建立多列索引，调整优化索引列的顺序来达到建立更高效的索引的目的。

索引列的顺序使用选择后得到结果集数量越小的排在越前面，或者使用上面的选择性判断方式，使用选择性高的列在前面，例如：

-- 使用SUM匹配上的行数，匹配上的行数越少，索引检索越有价值
select count(*). SUM(groupId=10137), SUM(userId=1288826), SUM(anonymous=0) from message

-- 根据选择性判断，选择行数在总基数比例越大  选择性越高
select count(distinct(staff_id))/count(*) as staff_id_selected,
count(distinct(customer_id))/count(*) as customer_id_selected,
count(*) from payment

3.4 聚簇索引

聚簇索引并不是一种单独的索引类型，而是一种数据存储的方式。

3.4 覆盖索引

如果索引的叶子节点中已经包含了要查询的数据，那么就没有必要再回表查询，这种一个索引包含（或者说覆盖）所有需要查询的字段的值的索引，我们称之为覆盖索引

4 查询优化

4.1 优化数据访问

查询结果需要的数据方面考虑

1. 对于不需要的数据，不要查询出来，会加大网络开销
2. 多表关联的时候，不要返回全部列，应该返回需要的列
3. select * 这种，需要考虑是否真的需要全部列的信息
4. 重复查询的数据，可以使用缓存，减少数据库查询

查询扫描的行数考虑

5. 观察响应时间，在慢日志中，找出扫描行数多的查询
6. 通过explain分析（type字段的类型来分析）
7. 合适的创建索引来优化

4.2 重构查询的方式

1. 做复杂化查询还是查分多个简单查询。不可以去拆分，但拆分的数据库连接的网络消耗应没有以前那么大。
2. 分解关联查询，在应用程序中进行合并。可以有效利用应用层的缓存，利用中间查询的结果，避免重复查询和数据锁的竞争。

4.3 查询执行的基础

4.4 优化特定类型查询

4.4.1 COUNT()查询优化

1. count(col) 统计当前类不为null的数据， count(*)直接统计行数
2. 在同一个查询中统计同一个列的不同值的数量。使用SUM 或者COUNT(),例如select SUM(id>3) as a , SUM(id<3) as b from t_user; , select count(id>3 or null ) as a, count(id<3 or null) as b from t_user;
   count在值是NULL是不统计数， （count('任意内容')都会统计出所有记录数，因为count只有在遇见null时不计数，即count(null)==0，因此前者单引号内不管输入什么值都会统计出所有记录数），至于加上or NULL ， 很像其他编程里的or运算符，第一个表达式是true就是不执行or后面的表达式，第一个表达式是false 执行or后面的表达式 当a中id<3, id>3 or NULL 的结果是NULL，Count才不会统计上这条记录数

5 常见复杂查询

记录常见的一些复杂查询的实现方式（仅使用数据库）

5.1 分组查询取 最大、最小、前N、后N 条记录