迷茫却坚定

第10章_索引优化与查询优化

都有哪些维度可以进行数据库调优?简言之:

索引失效、没有充分利用到索引 —— 索引建立
关联查询太多JOIN(设计缺陷或不得已的需求) —— SQL优化
服务器调优及各个参数设置(缓冲、线程数等) ―— 调整my.cnf
数据过多 ——分库分表

关于数据库调优的知识点非常分散。不同的DBMS，不同的公司，不同的职位，不同的项目遇到的问题都不尽相同。这里我们分为三个章节进行细致讲解。

虽然SQL查询优化的技术有很多，但是大方向上完全可以分成物理查询优化和逻辑查询优化两大块。

物理查询优化是通过索引和表连接方式等技术来进行优化，这里重点需要掌握索引的使用。
逻辑查询优化就是通过SQL等价变换提升查询效率，直白一点就是说，换一种查询写法执行效率可能更高。

1.数据准备

学员表插50万条，班级表插1万条。hadoop103 atguigudb1

步骤1：建表

CREATE TABLE `class` (
    `id` INT(11) NOT NULL AUTO_INCREMENT,
    `className` VARCHAR(30) DEFAULT NULL,
    `address` VARCHAR(40) DEFAULT NULL,
    `monitor` INT NULL ,
    PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;


CREATE TABLE `student` (
    `id` INT(11) NOT NULL AUTO_INCREMENT,
    `stuno` INT NOT NULL ,
    `name` VARCHAR(20) DEFAULT NULL,
    `age` INT(3) DEFAULT NULL,
    `classId` INT(11) DEFAULT NULL,
    PRIMARY KEY (`id`)
#CONSTRAINT `fk_class_id` FOREIGN KEY (`classId`) REFERENCES `t_class` (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

步骤2：设置参数

命令开启：允许创建函数设置：

set global log_bin_trust_function_creators=1; # 不加global只是当前窗口有效。

步骤3：创建函数

保证每条数据都不同。

#随机产生字符串
DELIMITER //
CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
BEGIN
    DECLARE chars_str VARCHAR(100) DEFAULT
        'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
    DECLARE return_str VARCHAR(255) DEFAULT '';
    DECLARE i INT DEFAULT 0;
    WHILE i < n
        DO
            SET return_str = CONCAT(return_str, SUBSTRING(chars_str, FLOOR(1 + RAND() * 52), 1));
            SET i = i + 1;
        END WHILE;
    RETURN return_str;
END //
DELIMITER ;
#假如要删除
#drop function rand_string;

随机产生班级编号

#用于随机产生多少到多少的编号
DELIMITER //
CREATE FUNCTION rand_num (from_num INT ,to_num INT) RETURNS INT(11)
BEGIN
    DECLARE i INT DEFAULT 0;
    SET i = FLOOR(from_num +RAND()*(to_num - from_num+1)) ;
    RETURN i;
END //
DELIMITER ;
#假如要删除
#drop function rand_num;

步骤4：创建存储过程

#创建往stu表中插入数据的存储过程
DELIMITER //
CREATE PROCEDURE insert_stu( START INT , max_num INT )
BEGIN
    DECLARE i INT DEFAULT 0;
    SET autocommit = 0; #设置手动提交事务
    REPEAT #循环
    SET i = i + 1; #赋值
    INSERT INTO student (stuno, name ,age ,classId ) VALUES
    ((START+i),rand_string(6),rand_num(1,50),rand_num(1,1000));
    UNTIL i = max_num
        END REPEAT;
    COMMIT; #提交事务
END //
DELIMITER ;
#假如要删除
#drop PROCEDURE insert_stu;

创建往class表中插入数据的存储过程

#执行存储过程，往class表添加随机数据
DELIMITER //
CREATE PROCEDURE `insert_class`(max_num INT)
BEGIN
    DECLARE i INT DEFAULT 0;
    SET autocommit = 0;
    REPEAT
        SET i = i + 1;
        INSERT INTO class (classname, address, monitor)
        VALUES (rand_string(8), rand_string(10), rand_num(1, 100000));
    UNTIL i = max_num
        END REPEAT;
    COMMIT;
END //
DELIMITER ;
#假如要删除
#drop PROCEDURE insert_class;

步骤5：调用存储过程

class

#执行存储过程，往class表添加1万条数据
CALL insert_class(10000);

stu

#执行存储过程，往stu表添加50万条数据
CALL insert_stu(100000,500000);

步骤6：删除某表上的索引

创建存储过程

DELIMITER //
CREATE PROCEDURE `proc_drop_index`(dbname VARCHAR(200),tablename VARCHAR(200))
BEGIN
    DECLARE done INT DEFAULT 0;
    DECLARE ct INT DEFAULT 0;
    DECLARE _index VARCHAR(200) DEFAULT '';
    DECLARE _cur CURSOR FOR SELECT index_name FROM
        information_schema.STATISTICS WHERE table_schema=dbname AND table_name=tablename AND
                                    seq_in_index=1 AND index_name <>'PRIMARY' ;
#每个游标必须使用不同的declare continue handler for not found set done=1来控制游标的结束
    DECLARE CONTINUE HANDLER FOR NOT FOUND set done=2 ;
#若没有数据返回,程序继续,并将变量done设为2
    OPEN _cur;
    FETCH _cur INTO _index;
    WHILE _index<>'' DO
            SET @str = CONCAT("drop index " , _index , " on " , tablename );
            PREPARE sql_str FROM @str ;
            EXECUTE sql_str;
            DEALLOCATE PREPARE sql_str;
            SET _index='';
            FETCH _cur INTO _index;
        END WHILE;
    CLOSE _cur;
END //
DELIMITER ;

执行存储过程

CALL proc_drop_index("dbname","tablename");

2. 索引失效案例

MysQL中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法，并且加快查询的速度，因此索引对查询的速度有着至关重要的影响。

使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
如果查询时没有使用索引，查询语句就会扫描表中的所有记录。在数据量大的情况下，这样查询的速度会很慢。大多数情况下都(默认）采用B+树来构建索引。只是空间列类型的索引使用R-树，并且MEMORY表还支持hash索引。

其实，用不用索引，最终都是优化器说了算。优化器是基于什么的优化器？基于cost开销(CostBaseOptimizer)，它不是基于规则(Rule-Based0ptimizer)，也不是基于语义。怎么样开销小就怎么来。另外，SQL语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。

2.1 全值匹配我最爱

系统中经常出现的sql语句如下:

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4 AND name = 'abcd';

建立索引前执行：(关注执行时间)

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age=30 and classId=4 AND name = 'abcd';

分别单独建立以下三个索引,然后观察查询时间的变化

CREATE INDEX idx_age ON student(age) ;
CREATE INDEX idx_age_classid ON student(age,classId);
CREATE INDEX idx_age_classid_name ON student(age,classId,name);

建立索引后执行:

SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';

可以看到，创建索引前的查询时间是0.28秒，创建索引后的查询时间是0.01秒，索引帮助我们极大的提高了查询效率。

2.2 最佳左前缀法则

在MySQL建立联合索引时会遵守最佳左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

先把前两个索引删掉,保留最后一个联合索引

DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid ON student;

举例1：可以使用联合索引的age

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND NAME = 'abcd';

举例2：跳过age,索引失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid = 1 AND NAME = 'abcd'

举例3：索引 idx_age_classid_name还能否正常使用？

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND NAME = 'abcd'

虽然可以正常使用，但是只有部分被使用到了。因为跳过了classid，所以name字段也不会使用到。

mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid = 1 AND name = 'abcd' ;

因为跳过了age，索引不会使用索引。

完全没有使用上索引。

结论:MySQL可以为多个字段创建索引，一个索引可以包括16个字段。**对于多列索引，过滤条件要使用索引必须按照索引建立时的顺序，依次满足，一旦跳过某个字段，索引后面的字段都无法被使用。**如果查询条件中没有使用这些字段中第1个字段时，多列(或联合）索引不会被使用。

2.3 主键插入顺序

对于一个使用 $\textcolor{orange}{InnoDB}$ 存储引擎的表来说，在我们没有显式的创建索引时，表中的数据实际上都是存储在 $\textcolor{orange}{聚簇索引}$ 的叶子节点的。而记录又是存储在数据页中的，数据页和记录又是按照记录主键值从小到大的顺序进行排序，所以如果我们插入的记录的主键值是依次增大的话，那我们每插满一个数据页就换到下一个数据页继续插，而如果我们插入的主键值忽大忽小的话，就比较麻烦了，假设某个数据页存储的记录已经满了，它存储的主键值在1~180之间:

如果此时再插入一条主键值为 9 的记录，那它插入的位置就如下图：

可这个数据页已经满了，再插进来咋办呢？我们需要把当前页面分裂成两个页面，把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么？意味着：性能损耗！所以如果我们想尽量避免这样无谓的性能损耗，最好让插入的记录的主键值依次递增 ，这样就不会发生这样的性能损耗了。所以我们建议：让主键具有 AUTO_INCREMENT ，让存储引擎自己为表生成主键，而不是我们手动插入。

比如： person_info 表：

CREATE TABLE person_info(
    id           INT UNSIGNED NOT NULL AUTO_INCREMENT,
    name         VARCHAR(100) NOT NULL,
    birthday     DATE         NOT NULL,
    phone_number CHAR(11)     NOT NULL,
    country      varchar(100) NOT NULL,
    PRIMARY KEY (id),
    KEY idx_name_birthday_phone_number (name(10), birthday, phone_number)
);

我们自定义的主键列 id 拥有 AUTO_INCREMENT 属性，在插入记录时存储引擎会自动为我们填入自增的主键值。这样的主键占用空间小，顺序写入，减少页分裂。

2.4 计算、函数、类型转换(自动或手动)导致索引失效

1.这两条sql哪种写法更好

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';

2.创建索引

CREATE INDEX idx_name ON student(NAME);

3.第一种：索引优化生效

mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';

mysql> SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
+---------+---------+--------+------+---------+
| id | stuno | name | age | classId |
+---------+---------+--------+------+---------+
| 5301379 | 1233401 | AbCHEa | 164 | 259 |
| 7170042 | 3102064 | ABcHeB | 199 | 161 |
| 1901614 | 1833636 | ABcHeC | 226 | 275 |
| 5195021 | 1127043 | abchEC | 486 | 72 |
| 4047089 | 3810031 | AbCHFd | 268 | 210 |
| 4917074 | 849096 | ABcHfD | 264 | 442 |
| 1540859 | 141979 | abchFF | 119 | 140 |
| 5121801 | 1053823 | AbCHFg | 412 | 327 |
| 2441254 | 2373276 | abchFJ | 170 | 362 |
| 7039146 | 2971168 | ABcHgI | 502 | 465 |
| 1636826 | 1580286 | ABcHgK | 71 | 262 |
| 374344 | 474345 | abchHL | 367 | 212 |
| 1596534 | 169191 | AbCHHl | 102 | 146 |
...
| 5266837 | 1198859 | abclXe | 292 | 298 |
| 8126968 | 4058990 | aBClxE | 316 | 150 |
| 4298305 | 399962 | AbCLXF | 72 | 423 |
| 5813628 | 1745650 | aBClxF | 356 | 323 |
| 6980448 | 2912470 | AbCLXF | 107 | 78 |
| 7881979 | 3814001 | AbCLXF | 89 | 497 |
| 4955576 | 887598 | ABcLxg | 121 | 385 |
| 3653460 | 3585482 | AbCLXJ | 130 | 174 |
| 1231990 | 1283439 | AbCLYH | 189 | 429 |
| 6110615 | 2042637 | ABcLyh | 157 | 40 |
+---------+---------+--------+------+---------+
401 rows in set, 1 warning (0.01 sec)

第二种：索引优化失效

mysql> EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';

mysql> SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc';
+---------+---------+--------+------+---------+
| id | stuno | name | age | classId |
+---------+---------+--------+------+---------+
| 5301379 | 1233401 | AbCHEa | 164 | 259 |
| 7170042 | 3102064 | ABcHeB | 199 | 161 |
| 1901614 | 1833636 | ABcHeC | 226 | 275 |
| 5195021 | 1127043 | abchEC | 486 | 72 |
| 4047089 | 3810031 | AbCHFd | 268 | 210 |
| 4917074 | 849096 | ABcHfD | 264 | 442 |
| 1540859 | 141979 | abchFF | 119 | 140 |
| 5121801 | 1053823 | AbCHFg | 412 | 327 |
| 2441254 | 2373276 | abchFJ | 170 | 362 |
| 7039146 | 2971168 | ABcHgI | 502 | 465 |
| 1636826 | 1580286 | ABcHgK | 71 | 262 |
| 374344 | 474345 | abchHL | 367 | 212 |
| 1596534 | 169191 | AbCHHl | 102 | 146 |
...
| 5266837 | 1198859 | abclXe | 292 | 298 |
| 8126968 | 4058990 | aBClxE | 316 | 150 |
| 4298305 | 399962 | AbCLXF | 72 | 423 |
| 5813628 | 1745650 | aBClxF | 356 | 323 |
| 6980448 | 2912470 | AbCLXF | 107 | 78 |
| 7881979 | 3814001 | AbCLXF | 89 | 497 |
| 4955576 | 887598 | ABcLxg | 121 | 385 |
| 3653460 | 3585482 | AbCLXJ | 130 | 174 |
| 1231990 | 1283439 | AbCLYH | 189 | 429 |
| 6110615 | 2042637 | ABcLyh | 157 | 40 |
+---------+---------+--------+------+---------+
401 rows in set, 1 warning (3.62 sec)

type为“ALL”，表示没有使用到索引，查询时间为 3.62 秒，查询效率较之前低很多。

再举例：

student表的字段stuno上设置有索引

CREATE INDEX idx_sno ON student(stuno);

索引优化失效：

EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;

运行结果：

你能看到如果对索引进行了表达式计算，索引就失效了。这是因为我们需要把索引字段的取值都取出来，然后依次进行表达式的计算来进行条件判断，因此采用的就是全表扫描的方式，运行时间也会慢很多，最终运行时间2.538秒。

索引优化生效：

EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;

运行时间为0.039秒。

再举例：

student表的字段name上设置有索引

CREATE INDEX idx_name ON student(NAME);

我们想要对name的前三位为abc的内容进行条件筛选，这里我们来查看下执行计划:

索引优化失效

EXPLAIN SELECT id, stuno, name FROM student WHERE SUBSTRING(name, 1,3)='abc';

索引优化生效

EXPLAIN SELECT id, stuno, NAME FROM student WHERE NAME LIKE 'abc%';

2.5 类型转换导致索引失效

下列哪个sql语句可以用到索引。（假设name字段上设置有索引）

# 未使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name=123;

# 使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE name='123';

name=123发生类型转换，索引失效。

结论:设计实体类属性时，一定要与数据库字段类型相对应。否则，就会出现类型转换的情况。

2.6 范围条件右边的列索引失效

先把之前创建的索引删除了。

# 一个个删除
ALTER TABLE student DROP INDEX idx_name;
ALTER TABLE student DROP INDEX idx_age;
ALTER TABLE student DROP INDEX idx_age_classid;

# 调用存储过程一次性删除
CALL proc_drop_index('atguigudb2','student');

# 在name,classid,age上创建索引
CREATE INDEX idx_age_classid_name ON student(age,classid,NAME);

1.如果系统经常出现的sql如下:

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' ;

2.那么索引idx_age_classid_name这个索引还能正常使用么?

如上图所示发现索引长度只有10,说明只用到了age和classid这两个列。

不能，范围右边的列不能使用。比如: ( < ) ( = ) ( > )( >= ）和 between等。
如果这种sql出现较多，应该建立这样的索引，把classid放在最后:

create index idx_age_name_classid on student(age,name,classid);

将范围查询条件放置语句最后：

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name =
'abc' AND student.classId>20;

# 其实不用放在where最后也是可以的，只要联合索引这个经常范围查找的列在最后就行。优化器会自动优化where条件顺序。
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.classId>20 AND student.name ='abc';

结果是一样的。

2.7 不等于(!=或者<>)索引失效

为name字段创建索引

create index idx_name on student(name);

查看索引是否失效

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME != 'abc';

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME <> 'abc';

# 那肯定失效了

场景举例:用户提出需求，将财务数据，产品利润金额不等于o的都统计出来。

2.8 is null可以使用索引，is not null无法使用索引

IS NULL 可以触发索引

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL;

IS NOT NULL 不能触发索引

2.9 like以通配符%开头索引失效

在使用LIKE关键字进行查询的查询语句中，如果匹配字符串的第一个字符为“%”，索引就不会起作用。只有"%"不在第一个位置，索引才会起作用。

使用到索引

EXPLAIN SELECT sql_no_cache * FROM student where name like 'ab%';

未使用到索引

EXPLAIN SELECT sql_no_cache * FROM student where name like '%ab%';

拓展：Alibaba《Java开发手册》

【强制】C端页面搜索严禁左模糊或者全模糊，如果需要请走**搜索引擎(比如ES)**来解决。

2.10 OR 前后存在非索引的列，索引失效

在WHERE子句中，如果在OR前的条件列进行了索引，而在OR后的条件列没有进行索引，那么索引会失效。也就是说， $\textcolor{red}{OR前后的两个条件中的列都是索引时，查询中才使用索引。}$

因为oR的含义就是两个只要满足一个即可，因此 $\textcolor{orange}{只有一个条件列进行了索引是没有意义的}$ ，只要有条件列没有进行索引，就会进行 $\textcolor{orange}{全表扫描}$ ，因此索引的条件列也会失效。

查询语句使用OR关键字的情况：

create index idx_age on student(age);
# 未使用到索引   因为只有age有索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100;

# 在name上也创建索引就会用到
create index idx_name on student(name);
#使用到索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR name = 'Abel';

2.11 数据库和表的字符集统一使用utf8mb4

统一使用utf8mb4( 5.5.3版本以上支持)兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不

同的字符集进行比较前需要进行转换会造成索引失效。

2.12 练习及一般性建议练习

假设: index(a,b,c)

Where语句	索引是否被使用
where a = 3	是。使用到了a
where a = 3 and b = 5	是。使用到了a,b
where a = 3 and b = 5 and c = 4	是。使用到了a,b,c
where b = 3 或者where b = 3 and c = 5或者 and c = 4 或者 where c =4	否。
where a = 3 and c = 5	是。使用到了a
where a = 3 and b > 4 and c = 5	是。使用到了a,b
where a is null and b is not null	is null支持索引但是is not null不支持。所以a可以使用索引，但是 b不可以使用
where a <> 3	否。
where abs(a) = 3	否。
where a = 3 and b like ‘kk%’ and c = 3	是。使用到了a,b,c
where a = 3 and b like ‘kk%’ and c = 4	是。只用到a
where a = 3 and b like ‘k%kk%’ and c = 4	是。只用到a

3. 关联查询优化

3.1 数据准备

# 分类
CREATE TABLE IF NOT EXISTS `type`(
	id INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
	card INT(10) UNSIGNED NOT NULL,
	PRIMARY KEY (id)
);


# 图书
CREATE TABLE IF NOT EXISTS book(
	`bookid` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,
	`card` INT(10) UNSIGNED NOT NULL,
	PRIMARY KEY (`bookid`)
);


#向分类表中添加20条记录
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));
INSERT INTO type(card) VALUES(FLOOR(1 +(RAND() * 2)));

#向图书表中添加20条记录
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));

3.2 采用左外连接

下面开始 EXPLAIN 分析

explain select * from `type` left join book on type.`card` = book.`card`;

结论：type 都是All，进行了全表扫描

$\textcolor{red}{添加索引优化}$

ALTER TABLE book ADD INDEX Y (card);  #【被驱动表】，可以避免全表扫描

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

可以看到第二行的 type 变为了 ref，rows 也变成了优化比较明显。这是由左连接特性决定的。LEFT JOIN 条件用于确定如何从右表搜索行，左边一定都有，所以 $\textcolor{red}{ 右边是我们的关键点,一定需要建立索引。 }$ 左连接左表驱动右表。

给驱动表也加索引

ALTER TABLE `type` ADD INDEX X (card); #【驱动表】，无法避免全表扫描

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

接着：删除被驱动表的索引

DROP INDEX Y ON book;

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

被驱动表会使用(join buffer,关联查询缓冲区)

3.3 采用内连接

drop index X on type;
drop index Y on book;（如果已经删除了可以不用再执行该操作）

换成 inner join（MySQL会自动选择驱动表）

可以看出book是优化器选择的被驱动表

被驱动表添加索引优化

ALTER TABLE book ADD INDEX Y (card); # 被驱动表

EXPLAIN SELECT SQL_NO_CACHE * FROM type INNER JOIN book ON type.card=book.card;

驱动表添加索引优化

ALTER TABLE type ADD INDEX X (card);

EXPLAIN SELECT SQL_NO_CACHE * FROM type INNER JOIN book ON type.card=book.card;

接着：删除book表的索引

DROP INDEX X ON `type`;

EXPLAIN SELECT SQL_NO_CACHE * FROM TYPE INNER JOIN book ON type.card=book.card;

# 发现是book作为被驱动表

ALTER TABLE `type` ADD INDEX X (card);  # 添加回type的索引

DROP INDEX Y ON `book`; # 删除book索引

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card=book.card;

# 发现是type作为被驱动表

结论：对于内连接来讲，如果表的连接条件中只能有一个字段有索引，则有索引的字段所在的表会被作为被驱动表出现。

接着向book表中再添加20条数据

#向图书表中添加20条记录
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));
INSERT INTO book(card) VALUES (FLOOR( 1 +(RAND() * 20)));

两个表的关联字段都有索引：

ALTER TABLE `type` ADD INDEX X (card); 

ALTER TABLE `book` ADD INDEX Y (card); 

EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card=book.card;

图中发现，由于type表数据小于book表数据，MySQL选择将type作为驱动表。

结论：对于内连接来说，在两个表的连接条件都存在索引的情况下，会选择小表作为驱动表。“小表驱动大表”

3.4 join语句原理

CREATE TABLE `t2`(
    `id` INT(11) NOT NULL,   
    `a` INT(11) DEFAULT NULL,
    `b` INT(11) DEFAULT NULL,
    PRIMARY KEY (`id`),
    INDEX `a` (`a`)
)ENGINE=INNODB;


DELIMITER //
    CREATE PROCEDURE idata()BEGIN
    DECLARE i INT;SET i=1;
    WHILE(i<=1000)
    
    DO
     INSERT INTO t2 VALUES( i, i,i);SET i=i+1;
    END WHILE ;
    
END //
DELIMITER;

CALL idata();


# 创建t1表并复制t2表中前10条数据
create table t1 as select * from t2 where id <= 100;

可以看到，这两个表都有一个主键索引 id 和一个索引a，字段b上无索引。存储过程idata()往表t2里插入了1000行数据。在表t1里插入的是100行数据。

join算法

Index Nested-Loop Join(索引嵌套循环连接算法)

我们来看一下这个语句：

EXPLAIN SELECT * FROM t1 STRAIGHT_JOIN t2 ON (t1.a=t2.a);

如果直接使用join语句，MySQL优化器可能会选择表t1或t2作为驱动表，这样会影响我们分析SQL语句的执行过程。所以，为了便于分析执行过程中的性能问题，我改用 straight_join 让MySQL使用固定的连接方式执行查询，这样优化器只会按照我们指定的方式去join。在这个语句里，t1 是驱动表，t2是被驱动表。

可以看到，在这条语句里，被驱动表t2的字段a上有索引，join过程用上了这个索引，因此这个语句的执行流程是这样的:

从表t1中读入一行数据R;
从数据行R中，取出a字段到表t2里去查找;
取出表t2中满足条件的行，跟R组成一行，作为结果集的一部分;
重复执行步骤1到3，直到表t1的末尾循环结束。

这个过程是先遍历表t1，然后根据从表t1中取出的每行数据中的a值，去表t2中查找满足条件的记录。在形式上，这个过程就跟我们写程序时的嵌套查询类似，并且可以用上被驱动表的索引，所以我们称之为“Index Nested-LoopJoin”，简称NLJ。

它对应的流程图如下所示:

在这个流程里:

对驱动表t1做了全表扫描，这个过程需要扫描100行;
而对于每一行R，根据a字段去表t2查找，走的是树搜索过程。由于我们构造的数据都是——对应的，因此每次的搜索过程都只会匹配一条数据。扫描一行，也是总共扫描100行;
所以，整个执行流程，总扫描行数是200。

$\textcolor{red}{引申问题1：能不能不使用join?}$

假设不使用join，那我们就只能用单表查询 + 子查询。我们看看上面这条语句的需求，用单表查询怎么实现。

1．执行select * from t1，查出表t1的所有数据，这里有100行;

2．循环遍历这100行数据:

从每一行R取出字段a的值$R.a;
执行select * from t2 where a=$R.a ;
把返回的结果和R构成结果集的一行。

可以看到，在这个查询过程，也是扫描了200行，但是总共执行了101条语句，比直接join多了100次交互。除此之外，客户端还要自己拼接SQL语句和结果。显然，这么做还不如直接join好。

$\textcolor{red}{引申问题2：怎么选择驱动表?}$

假设驱动表是走全表扫描，而被驱动表是走树搜索。

假设被驱动表的行数是M。每次在被驱动表查一行数据，要先搜索索引a，再搜索主键索引。每次搜索一棵树近似复杂度是以2为底的M的对数，记为log2M，所以在被驱动表上查一行的时间复杂度是2*log2M(为什么是两倍，因为如果是二级索引还需要回表操作，到聚簇索引中查一遍树)。

假设驱动表的行数是N，执行过程就要扫描驱动表N行，然后对于每一行，到被驱动表上匹配一次。因此整个执行过程，近似复杂度是N + N*2*log2M。

显然，N对扫描行数的影响更大，因此应该让小表来做驱动表。

比如：N扩大1000倍的话，扫描行数就会扩大1000倍；而M扩大1000倍，扫描行数扩大不到10倍。

两个结论：

使用join语句，性能比强行拆成多个单表执行SQL语句的性能要好；

如果使用join语句的话，需要让小表做驱动表。

Simple Nested-Loop Join(简单嵌套循环连接)

定义: 一次一行循环地从第一张表（称为驱动表）中读取行，在这行数据中取到关联字段，根据关联字段在另一张表（被驱动表）里取出满足条件的行，然后取出两张表的结果合集。

注意，上面结论的前提是“可以使用被驱动表的索引”。接下来，我们再看看被驱动表用不上索引的情况。现在，我们把SQL语句改成这样:

EXPLAIN SELECT * FROM t1 STRAIGHT_JOIN t2 ON (t1.a = t2.b);

由于表t2的字段b上没有索引，因此执行流程时，每次到t2去匹配的时候，就要做一次全表扫描。这个算法叫做"Simple Nested-Loop Join"。

此时，这个SQL请求就要扫描表t2多达100次，总共扫描100*100=1万行。这还只是两个小表，如果t1和t2都是10万行的表，就要扫描100亿行。

所以，MySQL也没有使用这个simple Nested-Loop Join算法，而是使用了另一个叫作"Block Nested-Loop Join"的算法，简称BNL。

Block Nested-Loop Join (缓存块嵌套循环连接)

把驱动表的数据读入到 join_buffer 中，然后扫描被驱动表，把被驱动表每一行取出来跟 join_buffer 中的数据做对比。

这时候，被驱动表上没有可用的索引，算法的流程是这样的:

1．把表t1的数据读入线程内存join_buffer中，由于我们这个语句中写的是select*，因此是把整个表t1放入了
内存;

2．扫描表t2，把表t2中的每一行取出来，跟join_buffer中的数据做对比，满足join条件的，作为结果集的一部分
返回。

这个过程的流程图如下:

可以看到，在这个过程中，对表t1和t2都做了一次全表扫描，因此总的扫描行数是1100。由于join_buffer是以无序数组的方式组织的，因此对表t2中的每一行，都要做100次判断，总共需要在内存中做的判断次数是:
100*100=1万次。

前面我们说过，如果使用Simple Nested-Loop Join算法进行查询，扫描行数也是1万行。因此，从时间复杂度上来说，这两个算法是一样的。但是，Block Nested-Loop Join算法的这 $\textcolor{red}{1万次判断是内存操作}$ ，速度上会快很多，性能也更好。

接下来，我们来看一下，在这种情况下，应该选择哪个表做驱动表。

假设小表的行数是N，大表的行数是M，那么在这个算法里:

两个表都做一次全表扫描，所以总的扫描行数是M+N;
内存中的判断次数是M*N。

可以看到，调换这两个算式中的M和N没差别，因此这时候选择大表还是小表做驱动表，执行耗时是一样的。但是，这个例子里表t1才100行，要是表t1是一个大表, $\textcolor{orange}{join\_buffer放不下怎么办呢?}$

join_buffer的大小是由参数join_buffer_size设定的，默认值是256k。如果放不下表t1的所有数据话，策略很简单，就是分段放，再执行:

EXPLAIN SELECT * FROM t1 STRAIGHT_JOIN t2 ON (t1.a = t2.b);

执行过程就变成了:

扫描表t1，顺序读取数据行放入join_buffer中，放完第88行join_buffer满了，继续第2步;
扫描表t2，把t2中的每一行取出来，跟join_buffer中的数据做对比，满足join条件的，作为结果集的一部分返回;
清空join_buffer;
继续扫描表t1，顺序读取最后的12行数据放入join_buffer中，继续执行第2步。执行流程图也就变成这样：

这个流程才体现出了这个算法名字中"Block"的由来，表示“分块去join”。可以看到，这时候由于表t1被分成了两次放入join_buffer中，导致表t2会被扫描两次。虽然分成两次放入join_buffer，但是判断等值条件的次数还是不变的，依然是(88+12)*1000=10万次。
我们再来看下，在这种情况下驱动表的选择问题。

假设，驱动表的数据行数是N，需要分K段才能完成算法流程，被驱动表的数据行数是M。注意，这里的K不是常数，N越大K就会越大。所以，在这个算法的执行过程中:

扫描行数是N+K*M;
内存判断N*M次。

显然，内存判断次数是不受选择哪个表作为驱动表影响的。而考虑到扫描行数，在M和N大小确定的情况下，N小一些，整个算式的结果会更小。

所以结论是，应该让小表当驱动表。

当然，在N+入*N*M这个式子里，入才是影响扫描行数的关键因素，这个值越小越好。

刚刚我们说了N越大，分段数K越大。那么，N固定的时候，什么参数会影响K的大小呢?(也就是x的大小)答案是join_buffer_size。join_buffer_size越大，一次可以放入的行越多，分成的段数也就越少，对被驱动表的全表扫描次数就越少。

这就是为什么，你可能会看到一些建议告诉你，如果你的join语句很慢，就把join_buffer_size改大。

$\textcolor{red}{总结1:能不能使用xxx join语句?}$

如果可以使用Index Nested-Loop Join算法，也就是说可以用上被驱动表上的索引，是没问题的;
如果使用Block Nested-Loop Join算法，扫描行数就会过多。尤其是在大表上的join操作，这样可能要扫描被驱动表很多次，会占用大量的系统资源。所以这种join尽量不要用。

所以你在判断要不要使用join语句时，就是看explain结果里面，Extra字段里面有没有出现“ Block NestedLoop”字样。

$\textcolor{red}{总结2:如果要使用join，应该选择大麦做驱动表还是选择小表做驱动表?}$

如果是Index Nested-LoopJoin算法，应该选择小表做驱动表;
如果是Block Nested-Loop Join算法:
- 在join_buffer_size足够大的时倾，是一样的;
- 在join_buffer_size不够大的时候（这种情况更常见)，应该选择小表做驱动表。

所以，这个问题的结论就是，总是应该使用小表做驱动表。

$\textcolor{red}{总结3:什么叫作"小表"?}$
如果在语句的where条件加上t2.id<=50这个限定条件，再来看下这两条语句:

select * from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=50;
select * from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=50;

注意，为了让两条语句的被驱动表都用不上索引，所以join字段都使用了没有索引的字段b。

但如果是用第二个语句的话，join_buffer只需要放入t2的前50行，显然是更好的。所以这里，“t2的前50行"是那个相对小的表，也就是“小表”。

我们再来看另外一组例子:

select t1.b,t2.* from t1 straight_join t2 on (t1.b=t2.b) where t1.id<=100;
select t1.b,t2.* from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=100;

这个例子里，表t1和t2都是只有100行参加join。但是，这两条语句每次查询放入join_buffer中的数据是不一样的:

表t1只查字段b，因此如果把ti放到join_buffer中，则join_buffer中只需要放入b的值;
表t2需要查所有的字段，因此如果把表t2放到join_buffer中的话，就需要放入三个字段id、a和b。

这里，我们应该选择表t1作为驱动表。也就是说在这个例子里，“只需要一列参与join的表t1”是那个相对小的表。

$\textcolor{red}{所以，在决定哪个表做驱动表的时候，应该是两个表按照各自的条件过滤}$ ，

$\textcolor{red}{过滤完成之后，计算参与join的各个字段的总数据量，数据量小的那个表，就是“小表”，应该作为驱动表。}$

3.5 小结

保证被驱动表的JOIN字段已经创建了索引
需要JOIN 的字段，数据类型保持绝对一致。
LEFT JOIN 时，选择小表作为驱动表，大表作为被驱动表。减少外层循环的次数。
INNER JOIN 时，MySQL会自动将小结果集的表选为驱动表。选择相信MySQL优化策略。
能够直接多表关联的尽量直接关联，不用子查询。(减少查询的趟数)
不建议使用子查询，建议将子查询SQL拆开结合程序多次查询，或使用 JOIN 来代替子查询。
衍生表建不了索引

4. 子查询优化

MySQL从4.1版本开始支持子查询，使用子查询可以进行SELECT语句的嵌套查询，即一个SELECT查询的结果作为另一个SELECT语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的SQL操作。

子查询是MysQL的一项重要的功能，可以帮助我们通过一个SQL语句实现比较复杂的查询。但是，子查询的执行效率不高。原因:

① 执行子查询时，MySQL需要为内层查询语句的查询结果建立一个临时表，然后外层查询语句从临时表中查询记录。查询完毕后，再撤销这些临时表。这样会消耗过多的CPU和IO资源，产生大量的慢查询。

② 子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。

③ 对于返回结果集比较大的子查询，其对查询性能的影响也就越大。

在MySQL中，可以使用连接（JOIN）查询来替代子查询。连接查询不需要建立临时表，其速度比子查询要快，如果查询中使用索引的话，性能就会更好。

举例1:查询学生表中是班长的学生信息

使用子查询

CREATE INDEX idx_monitor ON class(monitor);

EXPLAIN SELECT * FROM student stu1 
WHERE stu1.`stuno` IN (
    SELECT id FROM class c 
    WHERE monitor IS NOT NULL
);

推荐使用多表查询

EXPLAIN SELECT stu1.* from student stu1 join class c on
stu1.`stuno` = c.`monitor`
where c.`monitor` is not null;

举例2:取所有不为班长的同学

EXPLAIN SELECT SQL_NO_CACHE stu.* 
FROM student stu
WHERE stu.`stuno` NOT IN (
	SELECT monitor FROM class b
	WHERE monitor IS NOT NULL	
);

5. 排序优化

5.1 排序优化

**问题：**在 WHERE 条件字段上加索引，但是为什么在 ORDER BY 字段上还要加索引呢？

回答:
在MysQL中，支持两种排序方式，分别是 FileSort和Index排序。

lndex排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
FileSort排序则一般在内存中进行排序，占用CPU 较多。如果待排结果较大，会产生临时文件IO到磁盘进行排序的情况，效率较低。

SQL 中，可以在 WHERE 子句和 ORDER BY 子句中使用索引，目的是在 WHERE 子句中避免全表扫描，在 ORDER BY 子句避免使用 FileSort 排序。当然，某些情况下全表扫描，或者 FileSort 排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率。
尽量使用 Index 完成 ORDER BY 排序。如果 WHERE 和 ORDER BY 后面是相同的列就使用单索引列；如果不同就使用联合索引。
无法使用 Index 时，需要对 FileSort 方式进行调优。

5.2 测试

删除student表和class表中已创建的索引。

#方式1:
DROP INDEX idx_monitor ON class;
DROP INDEX idx_cid ON student;
DROP INDEX idx_age ON student;
DROP INDEX idx_name ON student;
DROP INDEX idx_age_name_classid ON student;
DROP INDEX idx_age_classid_name oN student;

#方式2:
call proc_drop_index('atguigudb2','student');

以下是否能使用到索引，能否去掉using filesort

过程一

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid;

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid LIMIT 10;

过程二: order by时不limit，索引失效

因为可能需要大量回表操作

#创建索引
CREATE INDEX idx_age_classid_name ON student (age, classid,NAME);

#不限制，索引失效
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age, classid;

# 增加limit过滤条件，使用上索引了。
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;

过程三: order by时顺序错误，索引失效

# 创建索引age,classid,stuno
CREATE INDEX idx_age_classid_stuno ON student (age,classid,stuno);

#以下哪些索引失效?
EXPLAIN SELECT * FROM student ORDER BY classid LIMIT 10;    # 失效
EXPLAIN SELECT * FROM student ORDER BY classid,NAME LIMIT 10;   # 失效
EXPLAIN SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10; # 正常
EXPLAIN SELECT * FROM student ORDER BY age,classid LIMIT 10; # 正常
EXPLAIN SELECT * FROM student ORDER BY age LIMIT 10; # 正常

过程四: order by时规则不一致,索引失效(顺序错，不索引;方向反，不索引)

EXPLAIN SELECT * FROM student ORDER BY age DESC，classid ASC LIMIT 10; # 一升一降失效

EXPLAIN SELECT * FROM student ORDER BY classid DESC,NAME DESC LIMIT 18; # 跳过age失效

EXPLAIN SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10;   # 一升一降失效

EXPLAIN SELECT * FROM student ORDER BY age DESC,classid DESC LIMIT 10; # 正常使用索引

过程四跳过字段，不索引

EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid;  # 正常

EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid, name;  # 正常

EXPLAIN SELECT * FROM student WHERE classid = 45 order by age; # 失效

EXPLAIN SELECT * FROM student WHERE classid = 45 order by age limit 10; # 正常

分别的：

EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid;  # 正常

EXPLAIN SELECT * FROM student WHERE age=45 ORDER BY classid,NAME;  # 正常

EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age;

EXPLAIN SELECT * FROM student WHERE classid=45 ORDER BY age LIMIT 10;

小结

INDEX a_b_c(a, b, c)

order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a, b
- ORDER BY a, b, c
- ORDER BY a DESC, b DESC,c DESC

如果WHERE使用索引的最左前缀定义为常量，则order by能使用索引
-WHERE a = const ORDER BY b,c
-WHERE a = const AND b = const ORDER BY c
-WHERE a = const ORDER BY b, c
-WHERE a = const AND b > const ORDER BY b, c

不能使用索引进行排序
- ORDER BY a ASC, b DESC, c DESC /*排序不一致*/
- WHERE g = const ORDER BY b,c /*丢失a索引*/
- WHERE a = const ORDER BY c /*丢失b索引*/
- WHERE a = const ORDER BY a,d /*d不是索引的一部分*/
- WHERE a in (...) ORDER BY b,c /*对于排序来说，多个相等条件也是范围查询* /

5.3 案例实战

ORDER BY子句，尽量使用Index方式排序，避免使用FileSort方式排序。

执行案例前先清除student上的索引，只留主键：

DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid_stuno ON student;
DROP INDEX idx_age_classid_name ON student;

#或者
call proc_drop_index('atguigudb2','student');

场景:查询年龄为30岁的，且学生编号小于101000的学生，按用户名称排序

查询结果如下：

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

+---------+--------+--------+------+---------+
| id | stuno | name | age | classId |
+---------+--------+--------+------+---------+
| 922 | 100923 | elTLXD | 30 | 249 |
| 3723263 | 100412 | hKcjLb | 30 | 59 |
| 3724152 | 100827 | iHLJmh | 30 | 387 |
| 3724030 | 100776 | LgxWoD | 30 | 253 |
| 30 | 100031 | LZMOIa | 30 | 97 |
| 3722887 | 100237 | QzbJdx | 30 | 440 |
| 609 | 100610 | vbRimN | 30 | 481 |
| 139 | 100140 | ZqFbuR | 30 | 351 |
+---------+--------+--------+------+---------+
8 rows in set, 1 warning (3.16 sec)

方案一:为了去掉filesort我们可以把索引建成

# 创建新索引
CREATE INDEX idx_age_name ON student(age, NAME);

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

结果如下

这样我们优化掉了using filesort。

查询结果如下:

方案二:尽量让where的过滤条件和排序使用上索引

建一个三个字段的组合索引：

DROP INDEX idx_age_name ON student;

CREATE INDEX idx_age_stuno_name ON student (age,stuno,NAME);

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME;

结果如下

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-dQ77f1AA-1685778984361)(433.png)]

我们发现using filesort 依然存在，所以name并没有用到索引，而且type还是range光看字面其实并不美好。原因是，因为stuno是一个范围过滤，所以索引后面的字段不会再使用索引了。
运行结果:

mysql> SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
+-----+--------+--------+------+---------+
| id | stuno | name | age | classId |
+-----+--------+--------+------+---------+
| 167 | 100168 | AClxEF | 30 | 319 |
| 323 | 100324 | bwbTpQ | 30 | 654 |
| 651 | 100652 | DRwIac | 30 | 997 |
| 517 | 100518 | HNSYqJ | 30 | 256 |
| 344 | 100345 | JuepiX | 30 | 329 |
| 905 | 100906 | JuWALd | 30 | 892 |
| 574 | 100575 | kbyqjX | 30 | 260 |
| 703 | 100704 | KJbprS | 30 | 594 |
| 723 | 100724 | OTdJkY | 30 | 236 |
| 656 | 100657 | Pfgqmj | 30 | 600 |
| 982 | 100983 | qywLqw | 30 | 837 |
| 468 | 100469 | sLEKQW | 30 | 346 |
| 988 | 100989 | UBYqJl | 30 | 457 |
| 173 | 100174 | UltkTN | 30 | 830 |
| 332 | 100333 | YjWiZw | 30 | 824 |
+-----+--------+--------+------+---------+
15 rows in set, 1 warning (0.00 sec)

但是结果竟然有 filesort的 sql 运行速度超过了已经优化掉 filesort的 sql ，而且快了很多，几乎一瞬间就出现了结果。

原因:
所有的排序都是在条件过滤之后才执行的。所以，如果条件过滤掉大部分数据的话，剩下几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序，但实际提升性能很有限。相对的stuno<101000这个条件，如果没有用到索引的话，要对几万条的数据进行扫描，这是非常消耗性能的，所以索引放在这个字段上性价比最高，是最优选择。

结论：

两个索引同时存在，mysql自动选择最优的方案。（对于这个例子，mysql选择idx_age_stuno_name）。但是，随着数据量的变化，选择的索引也会随之变化的。

当【范围条件】和【group by或者order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

思考：这里我们使用如下索引，是否可行？

DROP INDEX idx_age_stuno_name ON student;

CREATE INDEX idx_age_stuno ON student(age,stuno);

# 当然可以了

5.4 filesort算法:双路排序和单路排序

排序的字段若如果不在索引列上，则filesort会有两种算法：双路排序和单路排序。

双路排序（慢)

MysQL 4.1之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据，读取行指针和order by列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出
简单来说就是，从磁盘取排序字段，在buffer进行排序，再从磁盘取其他字段。

取一批数据，要对磁盘进行两次扫描，众所周知，lO是很耗时的，所以在mysql4.1之后，出现了第二种改进的算法，就是单路排序。

单路排序（快)

从磁盘读取查询需要的所有列，按照order by列在buffer对它们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机IO变成了顺序lO，但是它会使用更多的空间，因为它把每一行都保存在内存中了。

结论及引申出的问题

由于单路是后出的，总体而言好过双路
但是用单路有问题
- 在sort_buffer中，单路比多路要多占用很多空间，因为单路是把所有字段都取出,所以有可能取出的数据的总大小超出了sort_buffer的容量，导致每次只能取sort_buffer容量大小的数据，进行排序(创建tmp文件，多路合并)，排完再取sort_buffer容量大小，再排…从而多次I/O。
- 单路本来想省一次I/O操作，反而导致了大量的I/0操作，反而得不偿失。

优化策略

1.尝试提高sort_buffer_size（排序缓冲区大小）

不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程(connection)的1M-8M之间调整。MySQL5,7，InnoDB存储引擎默认值是1048576字节，1MB。

mysql> show variables like '%sort_buffer_size';

+-------------------------+---------+
| Variable_name           | Value   |
+-------------------------+---------+
| innodb_sort_buffer_size | 1048576 |
| myisam_sort_buffer_size | 8388608 |
| sort_buffer_size        | 262144  |
+-------------------------+---------+
3 rows in set (0.00 sec)

2.尝试提高max_length_for_sort_data

提高这个参数，会增加用单路算法的概率。

SHOW VARIABLES LIKE '%max_length_for_sort_data%"; #默认1024字节

但是如果设的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘I/O活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data，使用双路算法，否则使用单路算法。1024-8192字节之间调整

*3.Order by时select 是一个大忌。最好只Query需要的字段。

原因:

当Query的字段大小总和小于max_length_for_sort_data，而且排序字段不是TEXT|BLOB类型时，会用改进后的算法―—单路排序，否则用老算法――多路排序。
两种算法的数据都有可能超出sort_buffer_size的容量，超出之后，会创建tmp文件进行合并排序，导致多次I/O，但是用单路排序算法的风险会更大一些，所以要提高sort_buffer_size。

6. GROUP BY优化

group by 使用索引的原则几乎跟order by一致，group by 即使没有过滤条件用到索引，也可以直接使用索引。
group by 先排序再分组，遵照索引建的最佳左前缀法则
当无法使用索引列，增大 max_length_for_sort_data 和 sort_buffer_size 参数的设置
where效率高于having，能写在where限定的条件就不要写在having中了
减少使用order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。Order by、group by、distinct这些语句较为耗费CPU，数据库的CPU资源是极其宝贵的。
包含了order by、group by、distinct这些查询的语句，where条件过滤出来的结果集请保持在1000行以内，否则SQL会很慢。

7. 优化分页查询

一般分页查询时，通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是limit 2000000,10，此时需要MySQL排序前2000010记录，仅仅返回2000000- 2000010的记录，其他记录丢弃，查询排序的代价非常大。

EXPLAIN SELECT * FROM student LIMIT order by id 2000000,10 ;

优化思路一

在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

EXPLAIN SELECT * FROM student order by id  LIMIT 2000000,10;

EXPLAIN SELECT * FROM student t,(SELECT id FROM student ORDER BY id LIMIT 2000000,10) a WHERE t.id = a.id;

优化思路二

该方案适用于主键自增的表，可以把Limit 查询转换成某个位置的查询。

EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10;

8. 优先考虑覆盖索引

8.1 什么是覆盖索引？

理解方式一 : 索引是高效找到行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它不必读取整个行。毕竟索引叶子节点存储了它们索引的数据;当能通过读取索引就可以得到想要的数据，那就不需要读取行了。一个索引包含了满足查询结果的数据就叫做覆盖索引。

理解方式二︰非聚簇复合索引的一种形式，它包括在查询里的SELECT、JOIN和WHERE子句用到的所有列（即建索引的字段正好是覆盖查询条件中所涉及的字段）。

简单说就是，索引列+主键包含SELECT到FROM之间查询的列。

举例1：

#删除之前的索引
DROP INDEX idx_age_stuno ON student;

CREATE INDEX idx_age_name ON student (age, NAME);

EXPLAIN SELECT * FROM student WHERE age <> 20;

EXPLAIN SELECT id, age, NAME FROM student WHERE age <> 20 ;

上述都使用到了声明的索引，下面的情况则不然，在查询列中多了一列classid，显示未使用到索引:

EXPLAIN SELECT id, age,NAME,classid FROM student WHERE age <> 28;

举例2：

EXPLAIN SELECT * FROM student WHERE NAME LIKE '%abc';

CREATE INDEX idx_age_name ON student (age, NAME);

EXPLAIN SELECT id, age,NAME FROM student WHERE NANE LIKE '%abc';
# id在每个二级索引上默认是有的

上述都使用到了声明的索引，下面的情况则不然，查询列依然多了classid，结果是未使用到索引:

EXPLAIN SELECT id, age,NAME,classid FROM student WHERE NAME LIKE '%abc';

8.2 覆盖索引的利弊

好处：

避免Innodb表进行索引的二次查询(回表)
Innodb是以聚集索引的顺序来存储的，对于Innodb来说，二级索引在叶子节点中所保存的是行的主键信息，如果是用二级索引查询数据，在查找到相应的键值后，还需通过主键进行二次查询才能获取我们真实所需要的数据。在覆盖索引中，二级索引的键值中可以获取所要的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。
可以把随机IO变成顺序lO加快查询效率
由于覆盖索引是按键值的顺序存储的，对于I0密集型的范围查找来说，对比随机从磁盘读取每一行的数据Io要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取的IO转变成索引查找的顺序I0。由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

弊端：
索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这是业务DBA，或者称为业务数据架构师的工作。

9. 如何给字符串添加索引

有一张教师表，表定义如下：

create table teacher(
	ID bigint unsigned primary key,
	email varchar(64),
	...
)engine=innodb;

讲师要使用邮箱登录，所以业务代码中一定会出现类似于这样的语句：

mysql> select col1, col2 from teacher where email='xxx';

如果email这个字段上没有索引，那么这个语句就只能做 全表扫描 。

9.1 前缀索引

MySQL是支持前缀索引的。默认地，如果你创建索引的语句不指定前缀长度，那么索引就会包含整个字符串。

mysql> alter table teacher add index index1(email);
#或
mysql> alter table teacher add index index2(email(6));

这两种不同的定义在数据结构和存储上有什么区别呢？下图就是这两个索引的示意图。

以及

由于email(6)这个索引结构中每个邮箱字段都只取前6个字节(即: zhangs)，所以占用的空间会更小，这就是使用前缀索引的优势。但，这同时带来的损失是，可能会增加额外的记录扫描次数。
接下来，我们再看看下面这个语句:

select id, name,email from teacher where email = 'zhangssxyz@××x.com';

如果使用的是index1(即email整个字符串的索引结构)，执行顺序是这样的:

从index1索引树找到满足索引值是’[email protected]’的这条记录，取得ID2的值;
到主键上查到主键值是ID2的行，判断email的值是正确的，将这行记录加入结果集;
取index1索引树上刚刚查到的位置的下一条记录，发现已经不满足email='[email protected]’的条件了，
循环结束。

如果使用的是index2(即email(6)索引结构)，执行顺序是这样的:

从index2索引树找到满足索引值是’zhangs’的记录，找到的第一个是ID1;
到主键上查到主键值是ID1的行，判断出email的值不是’[email protected]’，这行记录丢弃;
取index2上刚刚查到的位置的下一条记录，发现仍然是’zhangs’，取出ID2，再到D索引上取整行然后判断.这次值对了，将这行记录加入结果集;
重复上一步，直到在idxe2上取到的值不是’zhangs’时，循环结束。在这个过程中，要回主键索引取4次数据，也就是扫描了4行。

在这个过程中，要回主键索引取4次数据，也就是扫描了4行。

通过这个对比发现，使用前缀索引后，可能会导致查询语句读数据的次数变多。

但是，对于这个查询语句来说，如果你定义的index2不是email(6)而是email(7)，也就是说取email字段的前7个字节来构建索引的话，即满足前缀’zhangss’的记录只有一个，也能够直接查到ID2，只扫描一行就结束了。

也就是说使用前缀索引，定义好长度，就可以做到既节省空间，又不用额外增加太多的查询成本。前面已经讲过区分度，区分度越高越好。因为区分度越高，意味着重复的键值越少。

9.2 前缀索引对覆盖索引的影响

前面我们说了使用前缀索引可能会增加扫描行数，这会影响到性能。其实，前缀索引的影响不止如此，我们再看一下另外一个场景:

select id, email from teacher where email='[email protected] ' ;

如果使用index1(即email整个字符串的索引结构）的话，可以利用覆盖索引，从index1查到结果后直接就返回了，不需要回到ID索引再去查一次。而如果使用index2(即email(6)索引结构）的话，就不得不回到ID索引再去判断email字段的值。
即使你将index2的定义修改为email(18)的前缀索引，这时候虽然index2已经包含了所有的信息，但innoDB还是要回到id索引再查一下，因为系统并不确定前缀索引的定义是否截断了完整信息。

结论：

使用前缀索引就用不上覆盖索引对查询性能的优化了，这也是你在选择是否使用前缀索引时需要考虑的一个因素。

9.3 拓展内容

对于类似于邮箱这样的字段来说，使用前缀索引的效果可能还不错。但是，遇到前缀的区分度不够好的情况时,我们要怎么办呢?
比如，我们国家的身份证号，一共18位，其中前6位是地址码，所以同一个县的人的身份证号前6位一般会是相同的。
假设你维护的数据库是一个市的公民信息系统，这时候如果对身份证号做长度为6的前缀索引的话，这个索引的区分度就非常低了。按照我们前面说的方法，可能你需要创建长度为12以上的前缀索引，才能够满足区分度要求。

但是，索引选取的越长，占用的磁盘空间就越大，相同的数据页能放下的索引值就越少，搜索的效率也就会越低。
那么，如果我们能够确定业务需求里面只有按照身份证进行等值查询的需求，还有没有别的处理方法呢?这种方法，既可以占用更小的空间，也能达到相同的查询效率。有!

第一种方式是使用倒序存储。如果你存储身份证号的时候把它倒过来存，每次查询的时候:

mysql> select field_list from teacher where id_card = reverse('input_id_card_string');

由于身份证号的最后6位没有地址码这样的重复逻辑，所以最后这6位很可能就提供了足够的区分度。当然，实践中你还要使用count(distinct)方法去做验证。

第二种方式是使用hash字段。你可以在表上再创建一个整数字段，来保存身份证的校验码，同时在这个字段上创建索引。

mysql> alter table teacher add id_card_crc int unsigned，add index(id_card_crc);

然后每次插入新记录的时候，都同时用crc32()这个函数得到校验码填到这个新字段。由于校验码可能存在冲突，也就是说两个不同的身份证号通过crc32()函数得到的结果可能是相同的，所以你的查询语句where部分要判断id_card的值是否精确相同。

mysql> select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'

这样，索引的长度变成了4个字节，比原来小了很多。

从查询效率上看，使用hash字段方式的查询性能相对更稳定一些。因为crc32算出来的值虽然有冲突的概率，但是概率非常小，可以认为每次查询的平均扫描行数接近1。而倒序存储方式毕竟还是用的前缀索引的方式，也就是说还是会增加扫描行数。

10.索引下推

Index Condition Pushdown(ICP)是MySQL 5.6中新特性，是一种在存储引擎层使用索引过滤数据的一种优化方式。ICP可以减少存储引擎访问基表的次数以及MySQL服务器访问存储引擎的次数。

10.1 使用前后的扫描过程

在不使用ICP索引扫描的过程：

storage层：只将满足index key条件的索引记录对应的整行记录取出，返回给server层

server 层：对返回的数据，使用后面的where条件过滤，直至返回最后一行。

使用ICP扫描的过程：

storage层：

首先将index key条件满足的索引记录区间确定，然后在索引上使用index filter进行过滤。将满足的index filter条件的索引记录才去回表取出整行记录返回server层。不满足index filter条件的索引记录丢弃，不回表、也不会返回server层。

server 层：

对返回的数据，使用table filter条件做最后的过滤。

使用前后的成本差别

使用前，存储层多返回了需要被index filter过滤掉的整行记录使用ICP后，直接就去掉了不满足index filter条件的记录，省去了他们回表和传递到server层的成本。 ICP的加速效果取决于在存储引擎内通过 ICP筛选掉的数据的比例。

10.2 ICP的使用条件

① 只能用于二级索引(secondary index) 。对于InnnoDB表，ICP仅用于二级索引。对于innodb聚集索引，完整的记录已被读入到innodb缓冲区，在这种情况下，ICP不会减少IO。

②explain显示的执行计划中type值（join 类型）为 range 、 ref 、 eq_ref 或者 ref_or_null 。

③ 并非全部where条件都可以用ICP筛选，如果where条件的字段不在索引列中，还是要读取整表的记录到server端做where过滤。

④ ICP可以用于MyISAM和InnnoDB存储引擎

⑤ MySQL 5.6版本的不支持分区表的ICP功能，5.7版本的开始支持。

⑥ 当SQL使用覆盖索引时，不支持ICP优化方法。

10.3 ICP使用案例

案例1

检索出表中“名字第一个字是张，而且年龄是10岁的所有男孩”。SQL语句是这么写的:

SELECT * FROM user
WHERE NAME LIKE '张%'
AND age = 10
AND ismale = 1;

这个语句在搜索索引树的时候，只能用“张”，找到第一个满足条件的记录ID3。性能比全表扫描好。然后判断其他条件是否满足。

在MySQL 5.6之前，只能从ID3开始一个个回表。到主键索引上找出数据行，再对比字段值。而MySQL 5.6引入的索引下推优化(index

condition pushdown)，可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。

下面是这两个过程的执行流程图。每一个虚线箭头表示回表一次。

图1中，在(name,age)索引里面我特意去掉了age的值，这个过程InnoDB并不会去看age的值，只是按顺序把“name第一个字是张”的记录一条条取出来回表。因此，需要回表4次。

图2跟图1的区别是，InnoDB在(name,age)索引内部就判断了age是否等于10，对于不等于10的记录，直接判断并跳过。在我们的这个例子中，只需要对ID4、ID5这两条记录回表取数据判断，就只需要回表2次。

案例2

选用MySQL官方文档中提供的示例数据库之一: employees。这个数据库关系复杂度适中，且数据量较大。下图是这个数据库的E-R关系图(引用自MySQL官方手册)︰

MySQL官方文档中关于此数据库的页面为: https:/dev.mysql.com/doc/employee/en，里面详细介绍了此数据库，并提供了下载地址和导入方法，如果有兴趣导入此数据库到自己的MySQL可以参考文中内容。
关闭缓存(最好关闭后重启MySQL)

mysql> set global query_cache_size = 0;
mysql> set global query_cache_type = OFF;

导入employees库，需要自己手动创建一个联合索引。

mysql> alter table employees add index first_last(first_name,last_name);

表结构如下

mysql> show create table employeeslG
**************************1.row***************************
Table: employees
Create Table: CREATE TABLE `employees`(
	`emp_no` int ( 11)NOT NULL,
	`birth_date` date NOT NULL,
	`first_name` varchar (14) NOT NULL,
    `last_name` varchar( 16) NOT NULL,
    `gender` enum('M ', 'F') NOT NULL,
    `hire_date` date NOT NULL,
	PRIMARY KEY (`emp_no`),
	KEY `first_last`(`first_name`,`last_name `)
)ENGINE=InboDB DEFAULT CHARSET=utf8mb4
1 row in set (8.00 sec)

当开启IPC时(默认开启)

mysql> SET profiling = 1 ;
Query OK,0 rows affected,1 warning (0.00 sec)

mysql> select SQL_NO_CACHE * from employees where first_name='Anneke' and last_name like'%Preusig';

+-------+------------+------------+-----------+---------+------------+
|emp_no | birth_date | first_name | last_name | gender  | hire_date |
+--------+-----------+------------+-----------+---------+------------+
10886	| 1953-04-20 | Annekel	  | Preusig   |F		|1989-06-82 
+-------+------------+------------+-----------+---------+------------+

1 row in set (8.00 sec)

此时情况下根据MysQL的最左前缀原则，first_name可以使用索引，last_name采用了like模糊查询，不能使用索引。

当关闭ICP时

mysql> set optimizer_switch= 'index_condition_pushdown=off ';
Query OK,0 rows affected (0.00 sec)

mysql> select SQL_NO_CACHE * from employees where first_name=' Anneke’ and last_name like '%Preusig';

mysql> SET profiling = 0;
Query oK,0 rows affected,1 warning (0.00 sec)

mysql> show profiles;

当开启ICP时，查询时间消耗是0.00108988s

当关闭ICP时，查询时间消耗是0.00231650s
从上面的profile可以看出ICP开启时整个SQL执行时间是未开启的2/3，sending data环节的时间消耗前者仅是后者的1/4。

ICP开启时的执行计划含有Using index condition标示，表示优化器使用了ICP对数据访问进行优化。

ICP关闭时的执行计划显示Using where。

11.普通索引 vs 唯一索引

在不同的业务场景下，应该选择普通索引，还是唯一索引?

假设你在维护一个居民系统，每个人都有一个唯一的身份证号，而且业务代码已经保证了不会写入两个重复的身份证号。如果居民系统需要按照身份证号查姓名:

select name from CUser where id_card = 'xXXXXxxyyyyyyzzzzz';

所以，你一定会考虑在id_card字段上建索引。

由于身份证号字段比较大，不建议把身份证号当做主键。现在有两个选择，要么给id_card字段创建唯一索引，要么创建一个普通索引。如果业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的。

从性能的角度考虑，你选择唯一索引还是普通索引呢?选择的依据是什么呢?

假设，我们有一个主键列为ID的表，表中有字段k，并且在k上有索引，假设字段k上的值都不重复。

这个表的建表语句是:

mysql> create table test(
	id int primary key,
	k int not null,
	name varchar(16),
	index (k)
)engine=InnoDB;

表中R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6)。

11.1 查询过程

假设，执行查询的语句是select id from test where k=5。

对于普通索引来说，查找到满足条件的第一个记录(5,500)后，需要查找下一个记录，直到碰到第一个不满足k=5条件的记录。
对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索。

那么，这个不同带来的性能差距会有多少呢 ? 答案是，微乎其微。

你知道的，InnoDB的数据是按数据页为单位来读写的。也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。在InnoDB中，每个数据页的大小默认是16KB。

因为引擎是按页读写的，所以说，当找到k=5的记录的时候，它所在的数据页就都在内存里了。那么，对于普通索引来说，要多做的那一次“查找和判断下一条记录"的操作，就只需要一次指针寻找和一次计算。

当然，如果k=5这个记录刚好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些。

但是，我们之前计算过，对于整型字段，一个数据页可以放近千个key，因此出现这种情况的概率会很低。所以，我们计算平均性能差异时，仍可以认为这个操作成本对于现在的CPU来说可以忽略不计。

11.2 更新过程

为了说明普通索引和唯一索引对更新语句性能的影响这个问题，介绍一下change buffer。

当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下，InooDB会将这些更新操作缓存在change buffer中，这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。

将change buffer中的操作应用到原数据页，得到最新结果的过程称为merge。除了访问这个数据页会触发merge外，系统有后台线程会定期merge。在数据库正常关闭(shutdown)的过程中，也会执行merge操作。

如果能够将更新操作先记录在change buffer，减少读磁盘，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用buffer pool的，所以这种方式还能够避免占用内存，提高内存利用率。

那么，什么条件下可以使用change buffer呢？

对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束。比如，要插入(4,400)这个记录，就要先判断现在表中是否已经存在k=4的记录，而这必须要将数据页读入内存才能判断。如果都已经读入到内存了，那直接更新内存会更快，就没必要使用change buffer了。

因此，唯一索引的更新就不能使用change buffer，实际上也只有普通索引可以使用。

change buffer用的是buffer pool里的内存，因此不能无限增大。change buffer的大小，可以通过参数
innodb_change_buffer_max_size来动态设置。这个参数设置为50的时候，表示change buffer的大小最多只能占用buffer pool的50%。

如果要在这张表中插入一个新记录(4,400)的话，InnoDB的处理流程是怎样的?

第一种情况是，这个记录要更新的目标页在内存中。这时:

对于唯一索引来说，找到3和5之间的位置，判断为没有冲突，插入这个值，语句执行结束;
对于普通索引来说，找到3和5之间的位置，插入这个值，语句执行结束。

这样看来，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的CPU时间。

第二种情况是，这个记录要更新的目标页不在内存中。这时:

对于唯一索引来说，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束;
对于普通索引来说，则是将更新记录在change buffer，语句执行就结束了。

将数据从磁盘读入内存涉及随机IO的访问，是数据库里面成本最高的操作之一。change buffer因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的。

案例:
某个业务的库内存命中率突然从99%降低到了75%，整个系统处于阻塞状态，更新语句全部堵住。而探究其原因后，发现这个业务有大量插入数据的操作，而他在前一天把其中的某个普通索引改成了唯一索引

11.3 change buffer的使用场景

change buffer只限于用在普通索引的场景下，而不适用于唯一索引。那么，现在有一个问题就是:普通索引的所有场景，使用change buffer都可以起到加速作用吗?

因为merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录的变更动作缓存下来，所以在一个数据页做merge之前,change buffer记录的变更越多（也就是这个页面上要更新的次数越多)，收益就越大。

因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时change buffer的使用效果最好。这种业务模型常见的就是账单类、日志类的系统。

反过来，假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在change buffer，但之后由于马上要访问这个数据页，会立即触发merge过程。这样随机访问lO的次数不会减少，反而增加了change buffer的维护代价。所以，对于这种业务模式来说，change buffer反而起到了副作用。

结论

普通索引和唯一索引应该怎么选择？其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响。所以，建议你尽量选择普通索引。
在实际使用中会发现，普通索引和 change buffer 的配合使用，对于数据量大的表的更新优化还是很明显的。
如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭change buffer 。而在其他情况下，change buffer都能提升更新性能。
由于唯一索引用不上change buffer的优化机制，因此如果业务可以接受，从性能角度出发建议
- 优先考虑非唯一索引。但是如果"业务可能无法确保"的情况下，怎么处理呢？
  
  首先，业务正确性优先。我们的前提是“业务代码已经保证不会写入重复数据”的情况下，讨论性能问题。如果业务不能保证，或者业务就是要求数据库来做约束，那么没得选，必须创建唯一索引。 这种情况下，本节的意义在于，如果碰上了大量插入数据慢、内存命中率低的时候，给你多提供一个排查思路（批量导入商品信息）。
- 然后，在一些“ 归档库 ”的场景，你是可以考虑使用唯一索引的。比如，线上数据只需要保留半年，然后历史数据保存在归档库。这时候，归档数据已经是确保没有唯一键冲突了。要提高归档效率，可以考虑把表里面的唯一索引改成普通索引。

12.其它查询优化策略

12.1 EXISTS 和 IN 的区分

问题:
不太理解哪种情况下应该使用EXISTS，哪种情况应该用IN。选择的标准是看能否使用表的索引吗?

回答:

索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

比如下面这样:

SELECT * FROM A WHERE cc IN (SELECT cc FROM B)

SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc=A.cc)

当A小于B时，用EXISTS。因为EXISTS的实现，相当于外表循环，实现的逻辑类似于:

for i in A
	for j in B
		if j.cc == i.cc then ..

当B小于A时用IN，因为实现的逻辑类似于:

for i in B
	for j in A
		if j.cc == i.cc then ...

哪个表小就用哪个表来驱动，A表小就用EXISTS，B表小就用IN。一般也不用exists，都用关联查询。

12.2 COUNT(*)与COUNT(具体字段)效率

问：在 MySQL 中统计数据表的行数，可以使用三种方式： SELECT COUNT(*) 、 SELECT COUNT(1) 和 SELECT COUNT(具体字段) ，使用这三者之间的查询效率是怎样的？

答：
前提:如果你要统计的是某个字段的非空数据行数，则另当别论，毕竟比较执行效率的前提是结果一样才可以。

环节1: COUNT(*)和COUNT(1)都是对所有结果进行COUNT，COUNT(*)和COUNT(1)本质上并没有区别(二者执行时间可能略有差别，不过你还是可以把它俩的执行效率看成是相等的)。如果有WHERE子句，则是对所有符合筛选条件的数据行进行统计;如果没有WHERE子句，则是对数据表的数据行数进行统计。

环节2: 如果是MyISAM存储引擎，统计数据表的行数只需要0(1)的复杂度，这是因为每张MyISAM的数据表都有一个meta信息存储了row_count值，而一致性则由表级锁来保证。

如果是InnoDB存储引擎，因为InnoDB支持事务，采用行级锁和MVCC机制，所以无法像MylSAM一样，维护一个row_count变量，因此需要采用扫描全表，是0(n)的复杂度，进行循环＋计数的方式来完成统计。

环节3: 在InnoDB引擎中，如果采用COUNT(具体字段)来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引（非聚簇索引)。对于COUNT(*)和COUNT(1)来说，它们不需要查找具体的行，只是统计行数，系统会自动采用占用空间更小的二级索引来进行统计。

如果有多个二级索引，会使用key_len小的二级索引进行扫描。当没有二级索引的时候，才会采用主键索引来进行统计。

12.3 关于SELECT(*)

在表查询中，建议明确字段，不要使用 * 作为查询的字段列表，推荐使用SELECT <字段列表> 查询。原因：

① MySQL 在解析的过程中，会通过 查询数据字典 将"*"按序转换成所有列名，这会大大的耗费资源和时间。

② 无法使用覆盖索引

12.4 LIMIT 1 对优化的影响

针对的是会扫描全表的 SQL 语句，如果你可以确定结果集只有一条，那么加上 LIMIT 1 的时候，当找到一条结果的时候就不会继续扫描了，这样会加快查询速度。

如果数据表已经对字段建立了唯一索引，那么可以通过索引进行查询，不会全表扫描的话，就不需要加上 LIMIT 1 了。

12.5 多使用COMMIT

只要有可能，在程序中尽量多使用 COMMIT，这样程序的性能得到提高，需求也会因为 COMMIT 所释放的资源而减少。

COMMIT 所释放的资源：

回滚段上用于恢复数据的信息
被程序语句获得的锁
redo / undo log buffer 中的空间
管理上述 3 种资源中的内部花费

13.淘宝数据库，主键如何设计的？

聊一个实际问题:淘宝的数据库，主键是如何设计的?

某些错的离谱的答案还在网上年复一年的流传着，甚至还成为了所谓的MySQL军规。其中，一个最明显的错误就是关于MySQL的主键设计。

大部分人的回答如此自信:用8字节的BIGINT做主键，而不要用INT。错!

这样的回答，只站在了数据库这一层，而没有从业务的角度思考主键。主键就是一个自增ID吗?

用自增做主键，架构设计上可能连及格都拿不到。

13.1 自增ID的问题

自增ID做主键，简单易懂，几乎所有数据库都支持自增类型，只是实现上各自有所不同而已。自增ID除了简单，其他都是缺点，总体来看存在以下几方面的问题:

1. 可靠性不高

存在自增ID回溯的问题，这个问题直到最新版本的MySQL 8.0才修复。

2. 安全性不高

对外暴露的接口可以非常容易猜测对应的信息。比如：/User/1/这样的接口，可以非常容易猜测用户ID的值为多少，总用户数量有多少，也可以非常容易地通过接口进行数据的爬取。

3. 性能差

自增ID的性能较差，需要在数据库服务器端生成。

4. 交互多

业务还需要额外执行一次类似 last_insert_id() 的函数才能知道刚才插入的自增值，这需要多一次的网络交互。在海量并发的系统中，多1条SQL，就多一次性能上的开销。

5. 局部唯一性

最重要的一点，自增ID是局部唯一，只在当前数据库实例中唯一，而不是全局唯一，在任意服务器间都是唯一的。对于目前分布式系统来说，这简直就是噩梦。

13.2 业务字段做主键

为了能够唯一地标识一个会员的信息，需要为会员信息表设置一个主键。那么，怎么为这个表设置主键，才能达到我们理想的目标呢?这里我们考虑业务字段做主键。
表数据如下:

在这个表里，哪个字段比较合适呢？

选择卡号（cardno）

会员卡号（cardno）看起来比较合适，因为会员卡号不能为空，而且有唯一性，可以用来标识一条会员记录。

mysql> CREATE TABLE demo.membermaster
-> (
-> cardno CHAR(8) PRIMARY KEY, -- 会员卡号为主键
-> membername TEXT,
-> memberphone TEXT,
-> memberpid TEXT,
-> memberaddress TEXT,
-> sex TEXT,
-> birthday DATETIME
-> );
Query OK, 0 rows affected (0.06 sec)

不同的会员卡号对应不同的会员，字段“cardno”唯一地标识某一个会员。如果都是这样，会员卡号与会员一一对应，系统是可以正常运行的。

但实际情况是，会员卡号可能存在重复使用的情况。比如，张三因为工作变动搬离了原来的地址，不再到商家的门店消费了（退还了会员卡），于是张三就不再是这个商家门店的会员了。但是，商家不想让这个会员卡空着，就把卡号是“10000001”的会员卡发给了王五。

从系统设计的角度看，这个变化只是修改了会员信息表中的卡号是“10000001”这个会员信息，并不会影响到数据一致性。也就是说，修改会员卡号是“10000001”的会员信息，系统的各个模块，都会获取到修改后的会员信息，不会出现“有的模块获取到修改之前的会员信息，有的模块获取到修改后的会员信息，而导致系统内部数据不一致”的情况。因此，从信息系统层面上看是没问题的。

但是从使用 系统的业务层面 来看，就有很大的问题了，会对商家造成影响。

比如，我们有一个销售流水表（trans），记录了所有的销售流水明细。2020 年 12 月 01 日，张三在门店购买了一本书，消费了 89 元。那么，系统中就有了张三买书的流水记录，如下所示：

接着，我们查询一下 2020 年 12 月 01 日的会员销售记录：

mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
+------------+-----------+----------+------------+---------------------+
| membername | goodsname | quantity | salesvalue | transdate |
+------------+-----------+----------+------------+---------------------+
| 张三 | 书 | 1.000 | 89.00 | 2020-12-01 00:00:00 |
+------------+-----------+----------+------------+---------------------+
1 row in set (0.00 sec)

如果会员卡“10000001”又发给了王五，我们会更改会员信息表。导致查询时：

mysql> SELECT b.membername,c.goodsname,a.quantity,a.salesvalue,a.transdate
-> FROM demo.trans AS a
-> JOIN demo.membermaster AS b
-> JOIN demo.goodsmaster AS c
-> ON (a.cardno = b.cardno AND a.itemnumber=c.itemnumber);
+------------+-----------+----------+------------+---------------------+
| membername | goodsname | quantity | salesvalue | transdate |
+------------+-----------+----------+------------+---------------------+
| 王五 | 书 | 1.000 | 89.00 | 2020-12-01 00:00:00 |
+------------+-----------+----------+------------+---------------------+
1 row in set (0.01 sec)

这次得到的结果是：王五在 2020 年 12 月 01 日，买了一本书，消费 89 元。显然是错误的！结论：千万不能把会员卡号当做主键。

选择会员电话或身份证号

会员电话可以做主键吗？不行的。在实际操作中，手机号也存在被运营商收回，重新发给别人用的情况。那身份证号行不行呢？好像可以。因为身份证决不会重复，身份证号与一个人存在一一对应的关系。可问题是，身份证号属于个人隐私，顾客不一定愿意给你。要是强制要求会员必须登记身份证号，会把很多客人赶跑的。其实，客户电话也有这个问题，这也是我们在设计会员信息表的时候，允许身份证号和电话都为空的原因。

所以，建议尽量不要用跟业务有关的字段做主键。毕竟，作为项目设计的技术人员，我们谁也无法预测在项目的整个生命周期中，哪个业务字段会因为项目的业务需求而有重复，或者重用之类的情况出现。

13.3 淘宝的主键设计

在淘宝的电商业务中，订单服务是一个核心业务。请问，订单表的主键淘宝是如何设计的呢？是自增ID吗？

打开淘宝，看一下订单信息：

订单号是19位的长度，且订单的最后5位都是一样的，都是08113。且订单号的前面14位部分是单调递增的。

大胆猜测，淘宝的订单ID设计应该是：

订单ID = 时间 + 去重字段 + 用户ID后6位尾号

这样的设计能做到全局唯一，且对分布式系统查询及其友好。

13.4 推荐的主键设计

非核心业务：对应表的主键自增ID，如告警、日志、监控等信息。

核心业务：主键设计至少应该是全局唯一且是单调递增。全局唯一保证在各系统之间都是唯一的，单调递增是希望插入时不影响数据库性能。

这里推荐最简单的一种主键设计：UUID。

UUID的特点：

全局唯一，占用36字节，数据无序，插入性能差。

认识UUID：

为什么UUID是全局唯一的？
为什么UUID占用36个字节？
为什么UUID是无序的？

MySQL数据库的UUID组成如下所示：

UUID = 时间 + UUID版本（16字节）- 时钟序列（4字节） - MAC地址（12字节）

我们以UUID值e0ea12d4-6473-11eb-943c-00155dbaa39d举例：

为什么UUID是全局唯一的？

在UUID中时间部分占用60位，存储的类似TIMESTAMP的时间戳，但表示的是从1582-10-15 00：00：00.00 到现在的100ns的计数。可以看到UUID存储的时间精度比TIMESTAMPE更高，时间维度发生重复的概率降低到1/100ns。

时钟序列是为了避免时钟被回拨导致产生时间重复的可能性。MAC地址用于全局唯一。

为什么UUID占用36个字节？

UUID根据字符串进行存储，设计时还带有无用"-"字符串，因此总共需要36个字节。

为什么UUID是随机无序的呢？

因为UUID的设计中，将时间低位放在最前面，而这部分的数据是一直在变化的，并且是无序。

改造UUID

若将时间高低位互换，则时间就是单调递增的了，也就变得单调递增了。MySQL 8.0可以更换时间低位和时间高位的存储方式，这样UUID就是有序的UUID了。 MySQL 8.0还解决了UUID存在的空间占用的问题，除去了UUID字符串中无意义的"-"字符串，并且将字符串用二进制类型保存，这样存储空间降低为了16字节。可以通过MySQL8.0提供的uuid_to_bin函数实现上述功能，同样的，MySQL也提供了bin_to_uuid函数进行转化：

SET @uuid = UUID();

SELECT @uuid,uuid_to_bin(@uuid),uuid_to_bin(@uuid,TRUE);

通过函数uuid_to_bin(@uuid,true)将UUID转化为有序UUID了。全局唯一 + 单调递增，这不就是我们想要的主键！

有序UUID性能测试

16字节的有序UUID，相比之前8字节的自增ID，性能和存储空间对比究竟如何呢？

我们来做一个测试，插入1亿条数据，每条数据占用500字节，含有3个二级索引，最终的结果如下所示：

从上图可以看到插入1亿条数据有序UUID是最快的，而且在实际业务使用中有序UUID在业务端就可以生成。还可以进一步减少SQL的交互次数。

另外，虽然有序UUID相比自增ID多了8个字节，但实际只增大了3G的存储空间，还可以接受。

在当今的互联网环境中，非常不推荐自增ID作为主键的数据库设计。更推荐类似有序UuID的全局唯─的实现。
另外在真实的业务系统中，主键还可以加入业务和系统属性，如用户的尾号，机房的信息等。这样的主键设计就更为考验架构师的水平了。

如果不是MySQL8.0 肿么办？

手动赋值字段做主键！

比如，设计各个分店的会员表的主键，因为如果每台机器各自产生的数据需要合并，就可能会出现主键重复的问题。

可以在总部 MySQL 数据库中，有一个管理信息表，在这个表中添加一个字段，专门用来记录当前会员编号的最大值。

门店在添加会员的时候，先到总部 MySQL 数据库中获取这个最大值，在这个基础上加 1，然后用这个值作为新会员的“id”，同时，更新总部 MySQL 数据库管理信息表中的当前会员编号的最大值。这样一来，各个门店添加会员的时候，都对同一个总部 MySQL 数据库中的数据表字段进行操作，就解决了各门店添加会员时会员编号冲突的问题。

第10章_索引优化与查询优化

第10章_索引优化与查询优化

1.数据准备

2. 索引失效案例

2.1 全值匹配我最爱

2.2 最佳左前缀法则

2.3 主键插入顺序

2.4 计算、函数、类型转换(自动或手动)导致索引失效

2.5 类型转换导致索引失效

2.6 范围条件右边的列索引失效

2.7 不等于(!=或者<>)索引失效

2.8 is null可以使用索引，is not null无法使用索引

2.9 like以通配符%开头索引失效

2.10 OR 前后存在非索引的列，索引失效

2.11 数据库和表的字符集统一使用utf8mb4

2.12 练习及一般性建议练习

3. 关联查询优化

3.1 数据准备

3.2 采用左外连接

3.3 采用内连接

3.4 join语句原理

join算法

Index Nested-Loop Join(索引嵌套循环连接算法)

Simple Nested-Loop Join(简单嵌套循环连接)

Block Nested-Loop Join (缓存块嵌套循环连接)

3.5 小结

4. 子查询优化

举例1:查询学生表中是班长的学生信息

举例2:取所有不为班长的同学

5. 排序优化

5.1 排序优化

5.2 测试

5.3 案例实战

5.4 filesort算法:双路排序和单路排序

6. GROUP BY优化

7. 优化分页查询

8. 优先考虑覆盖索引

8.1 什么是覆盖索引？

8.2 覆盖索引的利弊

9. 如何给字符串添加索引

9.1 前缀索引

9.2 前缀索引对覆盖索引的影响

9.3 拓展内容

10.索引下推

10.1 使用前后的扫描过程

10.2 ICP的使用条件

10.3 ICP使用案例

11.普通索引 vs 唯一索引

11.1 查询过程

11.2 更新过程

11.3 change buffer的使用场景

12.其它查询优化策略

12.1 EXISTS 和 IN 的区分

12.2 COUNT(*)与COUNT(具体字段)效率

12.3 关于SELECT(*)

12.4 LIMIT 1 对优化的影响

12.5 多使用COMMIT

13.淘宝数据库，主键如何设计的？

13.1 自增ID的问题

13.2 业务字段做主键

13.3 淘宝的主键设计

13.4 推荐的主键设计

你可能感兴趣的:(MySQL高级,mysql)