MySQL(进阶篇1.0)

MySQL体系结构

1、连接层

最上层是一些客户端和连接服务，包含本地sock通信和大多数基于客户端/服务端工具实现的类似于TCP/IP的通信。主要完成一些类似于连接处理、授权认证、及相关安全方案。在该层上引入了线程池的概念，为通过认证安全接入的客户端提供线程。同样在该层上可以实现基于SSL的安全链接。服务器也会为安全接入的每个客户端验证它所具有的操作权限。

2、服务层

第二层架构主要完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如：过程、函数等。在该层，服务器会解析查询并创建相应的内部解析树，并对其完成相应的优化如确定表的查询的顺序，是否利用索引等，最后生成相应的执行操作。如果是select语句，服务器还会查询内部的缓存，如果缓存空间足够大，这样在解决大量读操作的环境中能够很好的提升系统的性能。

3、引擎层

存储引擎层，存储引擎真正的负责了MySQL中数据的存储和提取，服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能，这样可以根据自己的需要，选取合适的存储引擎。数据库中的索引是在存储引擎层实现的。

4、存储层

数据存储层，主要是将数据（如：redolog、undolog、数据、索引、二进制日志、错误日志、查询日志、慢查询日志等）存储在文件系统之上，并完成与存储引擎的交互

存储引擎介绍

存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可被称为表类型。可以在创建表的时候，指定选择的存储引擎，如果没有指定将自动选择默认的存储引擎。

1、建表时指定存储引擎

create table 表名(
	字段1 字段1类型 [comment 字段1注释],
    ......
    字段n 字段n类型 [comment 字段n注释]
) engine = innodb [comment 表注释];

2、查询当前数据库支持的存储引擎

show engines;

示例：

查询建表语句 ------默认存储引擎：InnoDB

show create table emp;

CREATE TABLE emp (
id int unsigned NOT NULL AUTO_INCREMENT COMMENT ‘ID’,
username varchar(20) NOT NULL COMMENT ‘用户名’,
password varchar(32) DEFAULT ‘123456’ COMMENT ‘密码’,
name varchar(10) NOT NULL COMMENT ‘姓名’,
gender tinyint unsigned NOT NULL COMMENT ‘性别, 说明: 1 男,\r\n2 女’,
image varchar(300) DEFAULT NULL COMMENT ‘图像’,
job tinyint unsigned DEFAULT NULL COMMENT ‘职位, 说明: 1 班主任,2 讲师,\r\n3 学工主管, 4 教研主管, 5 咨询师’,
entrydate date DEFAULT NULL COMMENT ‘入职时间’,
dept_id int unsigned DEFAULT NULL COMMENT ‘部门ID’,
create_time datetime NOT NULL COMMENT ‘创建时间’,
update_time datetime NOT NULL COMMENT ‘修改时间’,
PRIMARY KEY (id),
UNIQUE KEY username (username)
) ENGINE=InnoDB AUTO_INCREMENT=20 DEFAULT CHARSET=utf8 COMMENT=‘员工表’

这里可以看到，创建表时，即时没有指定存储引擎，数据库也会自动选择默认的存储引擎。

查询当前数据库支持的存储引擎

创建my_myisam，并指定MyISAM存储引擎

create table my_myism(
	id int,
    name varchar(10)
)engine = MyISAM;

创建表my_memory，指定Memory存储引擎

create table my_memory(
	id int,
    name varchar(10)
)engine = Memory;

存储引擎特点

InnoDB

1、介绍

InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在MySQL5.5之u后，InnoDB是默认的MySQL存储引擎

2、特点

• DML操作遵循ACID模型，支持事务
• 行级锁，提高并发访问性能
• 支持外键FOREIGN KEY约束，保证数据的完整性和正确性

3、文件

xxx.ibd：xxx代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结构、数据和索引。

参数：innodb_file_pre_table(独立表空间)

show variables like 'innodb_file_pre_table';

如果该参数开启，代表对于InnoDB引擎的表，每一张表都对应一个ibd文件。

4、逻辑存储结构

• 表空间：InnoDB存储引擎逻辑结构的最高层，ibd文件其实就是表空间文件，在表空间中可以包含多个Segment段。
• 段：表空间是由各个段组成的，常见的段有数据段、索引段、回滚段等。InnoDB中对于段的管理，都是引擎自身完成的，不需要人为对其控制，一个段中包含多个区。
• 区：区是表空间的单元结构，每个区的大小为1M。默认情况下，InnoDB存储引擎页大小为16k，即一个区中一共有64个连续页
• 页：页是组成区的最小单元，页也是InnoDB存储引擎磁盘管理的最小单元，每个页的大小默认为16kb。为了保证页的连续性，InnoDB存储引擎每次从磁盘申请4-5个区
• 行：InnoDB存储引擎是面向行的，也就是说数据是按行进行存放的，在每一行中除了定义表时所指定的字段以外，还包含两个隐藏的字段。

MyISAM

介绍

MyISAM是MySQL早期的默认存储引擎

特点

不支持事务，不支持外键

支持表锁，不支持行锁

访问速度快

文件

xxx.sdi：存储表结构信息

xxx.MYD：存储数据

xxx.MYI：存储索引

Memory

介绍

Memory引擎的表数据是存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用

特点

内存存放

hash索引（默认）

文件

xxx.sdi：存储表结构信息

区别及特点

特点	InnoDB	MyISAM	Memory
存储限制	64TB	有	有
事务安全	支持	-	-
锁机制	行锁	表锁	表锁
B+tree索引	支持	支持	支持
Hash索引	-	-	支持
全文索引	支持（1.5版本之后）	支持	-
空间使用	高	低	N/A
内存使用	高	低	中等
批量插入速度	低	高	高
支持外键	支持	-	-

面试题：

InnoDB引擎与MyISAM引擎的区别：

1. InnoDB引擎，支持事务而MyISAM不支持
2. InnoDB引擎，支持行锁和表锁，而MyISAM仅支持表锁，不支持行锁
3. InnoDB引擎，支持外键，而MyISAM是不支持的。

存储引擎选择

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合

• InnoDB：是Mysql的默认存储引擎目录，支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择
• MyISAM：如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事务的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的。
• MEMORY：将所有数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性。

索引

索引概述

介绍

索引（index）是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

演示

表结构及其数据如下：

假如要执行的SQL语句为：select * from user where age = 45;

1. 无索引情况

   

   在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，这称之为全表扫描，性能很低

2. 有索引情况

   如果针对这张表建立索引，假设索引结构就是二叉树，那么就意味着，会对age字段建立一个二叉树的索引结构

   

   此时在进行查询时，只要扫描三次即可，极大提高了查询的效率

特点

优势	劣势
提高数据检索的效率，降低数据库的IO成本	索引列也是要占用孔空间的
通过索引对数据进行排序，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，读对表进行INSERT、UPDATE、DELETE时，效率降低

索引结构

概述

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：

索引结构	描述
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）	是一种建立倒排索引，快速匹配文档的方式。类似于Lucene，Solr，ES

不同存储引擎对于索引结构的支持情况

索引	InnoDB	M有ISAM	Memory
B+tree索引	支持	支持	支持
Hash索引	不支持	不支持	支持
R-tree索引	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

注意：我们能平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引

二叉树

假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：

如果主键是顺序插入的，则会形成一个单向链表，结构如下：

所以如果选择二叉树作为索引结构，会存在如下缺点：

• 顺序插入时，会形成一个链表，查询性能大大降低
• 大数据量情况下，层级较深，检索速度慢

如果选择红黑树的话，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡二叉树，结构如下：

但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：

• 大数据量情况下，层级较深，检索速度慢

B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。

插入一组数据：100，65，169， 368， 900，556，780，35，215，1200，234，888，158，90，1000，88，120，268，250，然后观察一些数据插入过程中，节点的变化情况。

特点：

• 5阶的B树，每一个节点最多存储4个key，对应5个指针
• 一旦节点存储的key数据到达5，就会裂变，中间元素向上分裂
• 在B树中，非叶子节点和叶子节点都会存放数据

B+Tree

B+Tree是B-Tree的变种，以一颗最大度数为4阶的B+Tree为例。

插入一组数据：100，65，169， 368， 900，556，780，35，215，1200，234，888，158，90，1000，88，120，268，250，然后观察一些数据插入过程中，节点的变化情况。

最终看到，B+Tree与B-Tree相比，主要有以下三点区别：

• 所有数据都会出现在叶子节点
• 叶子节点形成一个单向链表
• 非叶子节点仅仅起到索引数据作用，具体数据都是在叶子节点存放的。

在MySQL中优化之后的B+Tree：

在原有B+Tree的基础上，增加了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，提高区间访问的性能，利于排序。

Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型–Hash索引

1. 结构

   哈希索引就是采用一定的hash算法，将键值换成新的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，他们就产生了hash冲突（也称为hash碰撞），可通过链表来解决

   

2. 特点

   • Hash索引只能用于对等比较（=，in）不支持范围查询（netween，>，<，…)
   • 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，效率通常高于B+Tree索引

3. 存储引擎支持

   在MySQL中，支持hash索引的是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

思考：为什么InnoDB存储引擎选择使用B+Tree索引结构

• 相对于二叉树，层级更少，搜索效率高
• 对于B-Tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低
• 相对于Hash索引，B+Tree支持范围匹配及排序操作

索引分类

分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引

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	默认自动创建，只能有一个	PRIMARY
唯一索引	避免同一个表中某数据列中的值重复	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

聚集索引&二级索引

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

分类	含义	特点
聚集索引(Clustered Index)	将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据	必须有，而且只有一个
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关联的是对应的主键	可以存在多个

聚集索引选取规则：

• 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

聚集索引和二级索引的具体结构如下：

• 聚集索引的叶子节点下挂的是这一行的数据
• 二级索引的叶子节点下挂的是该字段值对应的主键值

当执行如下SQL语句时，具体的查找过程是什么样的。

具体过程如下：

1. 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找到Arm对应的主键值10
2. 由于查询中需要返回的数据是*，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
3. 最终拿到这一行的数据，直接返回即可

回表查询：这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询

思考：

​ 以下两条SQL语句，哪个执行效率高？为什么？

​ A、select * from user where id = 10;

​ B、select * from user where name = ‘Arm’;

备注：id为主键，name为字段创建索引

解答：A语句的执行性能要高于B语句

因为A语句直接走聚集索引，直接返回数据。而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询

InnoDB主键索引的B+Tree高度为多高？

假设：

​ 一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为Bigint，占用字节数为8

高度为2：

​ n * 8 + (n + !) * ^ = 16 * 1024，算出n约为1170

​ 1171 * 16 = 18736

也就是说，如果树的高度为2，则可以存储18000多条记录

高度为3：

​ 1171 * 1171 * 16 = 21939856

也就是说，如果树的高度为3，则可以存储2200w左右的记录

索引语法

1、创建索引

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

2、查看索引

SHOW INDEX FROM table_name;

3、删除索引

DROP INDEX index_name ON table_name;

案例：

先创建一张表tb_user，并且查询测试数据

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';

插入数据

INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('吕布', '17799990000', '[email protected]', '软件工程', 23, '1',
'6', '2001-02-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('曹操', '17799990001', '[email protected]', '通讯工程', 33,
'1', '0', '2001-03-05 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('赵云', '17799990002', '[email protected]', '英语', 34, '1',
'2', '2002-03-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('孙悟空', '17799990003', '[email protected]', '工程造价', 54,
'1', '0', '2001-07-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('花木兰', '17799990004', '[email protected]', '软件工程', 23,
'2', '1', '2001-04-22 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('大乔', '17799990005', '[email protected]', '舞蹈', 22, '2',
'0', '2001-02-07 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('露娜', '17799990006', '[email protected]', '应用数学', 24,
'2', '0', '2001-02-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('程咬金', '17799990007', '[email protected]', '化工', 38,
'1', '5', '2001-05-23 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('项羽', '17799990008', '[email protected]', '金属材料', 43,
'1', '0', '2001-09-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('白起', '17799990009', '[email protected]', '机械工程及其自动
化', 27, '1', '2', '2001-08-16 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('韩信', '17799990010', '[email protected]', '无机非金属材料工
程', 27, '1', '0', '2001-06-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('荆轲', '17799990011', '[email protected]', '会计', 29, '1',
'0', '2001-05-11 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('兰陵王', '17799990012', '[email protected]', '工程造价',
44, '1', '1', '2001-04-09 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('狂铁', '17799990013', '[email protected]', '应用数学', 43,
'1', '2', '2001-04-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('貂蝉', '17799990014', '[email protected]', '软件工程', 40,
'2', '3', '2001-02-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('妲己', '17799990015', '[email protected]', '软件工程', 31,
'2', '0', '2001-01-30 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('芈月', '17799990016', '[email protected]', '工业经济', 35,
'2', '0', '2000-05-03 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('嬴政', '17799990017', '[email protected]', '化工', 38, '1',
'1', '2001-08-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('狄仁杰', '17799990018', '[email protected]', '国际贸易',
30, '1', '0', '2007-03-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('安琪拉', '17799990019', '[email protected]', '城市规划', 51,
'2', '0', '2001-08-15 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('典韦', '17799990020', '[email protected]', '城市规划', 52,
'1', '2', '2000-04-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('廉颇', '17799990021', '[email protected]', '土木工程', 19,
'1', '3', '2002-07-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('后羿', '17799990022', '[email protected]', '城市园林', 20,
'1', '0', '2002-03-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('姜子牙', '17799990023', '[email protected]', '工程造价', 29,
'1', '4', '2003-05-26 00:00:00');

表结构中插入的数据如下：

1、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`); 

2、phone手机号字段值，是非空，且唯一的，为该字段创建唯一索引

create UNIQUE index idx_user_phone on tb_user(phone);

3、为profession、age、status创建联合索引

create index idx_user_pro_age_sta on tb_user(profession,age,status);

4、为email建立合适的索引来提升查询效率

create index idx_email on tb_user(email);

完成上述的需求之后，查看tb_user表的所有的索引数据

show index from tb_user;

SQL性能分析

SQL执行频率

MySQL客户端连接成功之后，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：

-- session 是查看当前会话
-- global 是查询全局数据
SHOW GLOBAL STATUS LIKE 'Com_______'

Com_delete：删除次数

Com_insert：插入次数

Com_select：查询次数

Com_update：更新次数

通过上述指令，可以查看到当前数据库到底是以查询为主，还是以增删为主，从而为数据库优化提供参考数据。如果是以增删为主，可以考虑不对其进行索引的优化。如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

慢查询日志

慢查询日志记录了所有执行事件超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志

MySQL的慢查询日志默认没有开启，可以查看系统变量 slow_query_log

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：

# 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

配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息/var/lib/mysql/localhost-slow.log

systemctl restart mysqld

测试：

1、执行如下SQL语句：

select * from tb_user; -- 这条SQL执行效率比较高，耗时0s
select count(*) from tb_sku; -- 由于tb_sku表中，预先存入了1000w条记录，count一次，耗时13.35s

2、检查慢查询日志：

最终发生发现在慢查询日志中，只会记录执行时间超过预设时间（2s）的SQL，执行较快的SQL是不会记录的。这样，通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化

profile详情

show profile 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作。

select @@have_profiling;

当前MySQL是支持profile操作的。如果开关是关闭的，可以通过set语句在session/global级别开启profiling：

set profiling = 1;

接下来，执行的SQL语句都会被MySQL记录，并记录执行时间消耗到哪去了。

SELECT * from tb_user;
SELECT * from tb_user where id = 1;
select * from tb_user where name = '白起';

然后通过如下指令查看指令的执行耗时：

-- 查看每一条SQL的耗时基本情况
show PROFILES;

-- 查看指定query_id的SQL语句各个阶段的耗时情况
show PROFILE for query 170;

-- 查看指定query_id的SQL语句CPU的使用情况
show PROFILE cpu for query 170;

查看每一条SQL的耗时情况：

查看指定SQL各个阶段的耗时情况：

查看指定SQL语句CPU的使用情况：

explain

explian或者desc命令获取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

语法：

-- 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：

字段	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，常见的取值有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后面的查询语句）、SUBQUERY（SELECT/WHERE之后包含了子查询）等
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

索引使用

最左前缀法则

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。如果没有跳过某一列，索引将会部分失效（后面的字段索引失效）

在tb_user表中，有一个联合索引，这个索引涉及到三个字段，顺序分别为：profession，age，status

对于最左前缀法则指的是，查询时，最左边的列，也就是profession必须存在，否则索引全部失效，而且中间不能跳过某一列，否则该列后面的字段索引将失效。

示例：

EXPLAIN select * from tb_user where profession = '软件工程' and age = 31 and status = '0';

EXPLAIN select * from tb_user where profession = '软件工程' and age = 31;

EXPLAIN select * from tb_user where profession = '软件工程';

以上三组测试中，只要联合索引最左边的字段profession存在，索引就会失效，只不过索引的长度不同。而且由以上三组测试，可以推测出profession字段索引长度为36、age字段索引长度为2、status字段索引长度为4

EXPLAIN select * from tb_user where age = 31 and status = '0';

explain select * from tb_user where status = '0';

通过上面的这两组测试，可以看到索引并未生效，原因是因为不满足最左前缀法则，联合索引最左边的列profession不存在。

explain select * from tb_user where profession = '软件工程' and status = '0';

上述的SQL查询时，存在profession字段，最左边的列是存在的，索引满足最左前缀反则的基本条件，但是查询时，跳过了age这个列，所以后面的列索引是不会使用的，也就是索引部分生效，索引索引长度为36

思考：

​ 当执行sql语句：explain select * from tb_user where age = 31 and status = ‘0’ and profession = ‘软件工程’; 时，是否满足最左前缀法则？

​

可以看到，是完全满足最左前缀法则的，索引长度42，联合索引长度是生效的

注意：最左前缀法则中指的是在查询时，联合索引的最左边的字段（即是第一个字段）必须存在，与编写sql时，条件编写的先后顺序无关。

范围查询

联合索引中范围查询(>，<)，范围查询右侧的列索引失效。

explain select * from tb_user where profession = '软件工程' and age > 30 and status = '0';

当范围查询使用>或<时，走联合索引了，但是索引的长度为38，就说明范围查询右边的status字段是没有走索引的。

EXPLAIN select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';

当范围查询使用>= 或 <= 时，走联合索引了，但是索引的长度为42，就说明所有的字段都是走索引的

所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类范围查询，而避免使用 > 或 <

索引失效情况

索引列运算

不要在索引列上进行运算操作，索引将失效

在tb_user表中，除了联合索引外，还有一个索引，是phone字段的单列索引

1、当根据phone字段进行等值匹配查询时，索引生效

explain select * from tb_user where phone = '17799990015';

2、当根据phone字段进行函数运算符操作之后，索引失效

explain select * from tb_user where substring(phone, 10, 2) = '15';

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

示例：

explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
explain select * from tb_user where profession = '软件工程' and age = 31 and status = 0;

explain select * from tb_user where phone = '17799990015';
explain select * from tb_user where phone = 17799990015;

经过上面两组示例，发现如果字符串不加单引号，对于查询结果，没什么影响，但是数据库存在隐式类型转换，索引将失效

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

由于下面查询语句中，都是根据profession字段查询，符合最左前缀法则，联合索引是可以生效的，主要看模糊查询时，%加在关键字之前，和加在关键字之后的影响

explain select * from tb_user where profession like '软件%';
explain select * from tb_user where profession like '%工程';
explain select * from tb_user where profession like '%工%';

经过上次的测试，发现在like模糊查询中，关键字后面加%，索引可以生效，而如果在关键字前面加了%，索引将会失效

or连接条件

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

explain select * from tb_user where id = 10 or age = 23;
explain select * from tb_user where phone = '17799990017' or age = 23;

由于age没有索引，所以即使id、phone有索引，索引也会失效，所以需要针对于age也要建立索引

然后，可以对age字段建立索引

create index idx_user_age on tb_user(age);

建立索引之后，再次执行上述的SQL语句，查看前后执行计划的变化

当or连接的条件，左右两侧字段都有索引时，索引才会生效

数据分布影响

如果MySQL评估使用索引比全表慢，则不使用索引

explain select * from tb_user where phone >= '17799990005';
explain select * from tb_user where phone >= '17799990015';

相同的SQL语句，只是传入的字段值不同，最终的执行结果却不一样。

原因：

​ 因为MySQL在查询时，会评估使用索引的效率与全表扫描的效率，如果全表扫描更快，则放弃索引，使用全表扫描。因为索引就是用来索引少量数据的，如果通过索引查询返回大批量的数据，还不如全表扫描来的快，此时索引就会失效

查看is null 与 is not null 操作是否使用了索引

explain select * from tb_user where profession is null;
explain SELECT * from tb_user where profession is not null;

将profession字段值全部更新为null

然后再次执行上述的两条SQL，查看SQL语句的执行计划

最终，一摸一样的SQL语句，先后执行了两次，结果查询计划是不一样的。

原因：

​ 这是和数据库的数据分布有关系，查询时MySQL会评估，走索引快，还是全表快。如果是全表扫描快，则放弃索引，使用全表索引。因此，is null、is not null是否走索引，需要具体情况具体分析。

SQL提示

目前的tb_user表的数据情况如下：

索引情况如下：

删除上述的idx_user_age，idx_email这两个之前测试使用过的索引直接删除

drop index idx_user_age on tb_user;
drop index idx_email on tb_user;

1、执行sql：explain select * from tb_user where profession = ‘软件工程’;

查询使用的是联合索引

2、执行sql：创建profession的单列索引：create index idx_user_pro on tb_user(profession);

3、创建单列索引后，再次执行A中的SQL语句，查看执行计划，看看使用了哪个索引

测试结果可以看到，possible——keys中idx_user_pro_age_sta，idx_user_pro这两个索引都可能用到，最终MySQL选择了idx_user_pro_age_sta索引。这是MySQL自动选择的结果

这是可以借助于MySQL的SQL提示来指定使用的索引。

SQL提示，是优化数据库的一个重要手段，简单来说，就是SQL语句中加入了一些人为的提示来达到优化操作的目的

1. use index：建议MySQL使用哪个索引完成此次查询（仅仅是建议，mysql内部再次进行评估）

   explain select * from tb_user USE INDEX(idx_user_pro) where profession = '软件工程';
   

2. ignore index：忽略指定的索引

   EXPLAIN select * from tb_user IGNORE index(idx_user_pro) where profession = '软件工程';
   

3. force index：强制使用索引

   explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';
   

示例：

1、use index

explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';

2、ignore index

explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';

3、force index

explain select * from tb_user force index(idx_user_pro_age_sta) where profession = '软件工程';

覆盖索引

尽量使用覆盖索引，减少select *。

覆盖索引是指：查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到

执行如下sql语句

explain select id, profession from tb_user where profession = '软件工程' and age = 31 and status = '0';
explain select id, profession, age, status from tb_user where profession = '软件工程' and age = 31 and status = '0';
explain select id, profession, age, status, name from tb_user where profession = '软件工程' and age = 31 and status = '0';
explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';

从上述的执行计划可以看到，这四条执行计划前面的指标都是一样的，但是在后面的Extra中，前面两条SQL的结果为Using where；Using index；而后面两条sql语句的结果为：Using index condition

Extra	含义
Using where；Using Index	查找使用了索引，但是需要的数据都在索引列中能找到，索引不需要回表查询数据
Using index condition	查找使用了索引，但是需要回表查询数据

原因：

​ 在tb_user表中有一个联合索引idx_user_pro_age_sta，该索引关联了三个字段profession、age、status，而这个索引也是一个二级索引，所以叶子节点下面挂的是这一行的主键id。所以当查询返回的数据在id、profession、age、status之中，则直接走二级索引直接返回数据。如果超出这个范围，就需要拿到主键id，再去扫描索引，再获取额外的数据，这个过程就是回表。而如果一直使用select * 查询返回所有字段值，很容易就造成回表查询（除非是根据主键查询此时只会扫描聚集索引）

1、表结构及索引示意图

id是主键，是一个聚集索引。name字段建立了普通索引，是一个二级索引（辅助索引）

2、执行sql：select * from tb_user where id = 2;

根据id查询，直接使用聚集索引查询，一次索引扫描，直接返回数据，性能高

3、执行sql：select id, name, from tb_user where name = ‘Arm’;

虽然是根据name字段（二级索引）查询的，但是由于查询返回在字段为id，name，在name的二级索引中，这两个值都是可以直接获取到的，因为覆盖索引，所以不需要回表查询，性能高

4、执行sql：select id, name, gender, from tb_user where name = ‘Arm’;

由于在name的二级索引中，不包含gender，索引需要两次索引扫描，也就是需要回表查询，性能相对较差

思考：

​ 一张表有四个字段（id，username，password，status），由于数据量大，需要对以下SQL语句进行优化，最优方案：

​ select id, username, password from tb_user where username = ‘Arm’;

答案：针对username，password建立联合索引，sql语句为：create index idx_user_name_pass on tb_user(username, password);

这样可以避免上述的语句，在查询的过程中，出现回表查询

前缀索引

当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘io，影响查询效率。此时可以只将字符串的一部分前缀建立索引，这样可以大大节约索引空间，从而提高索引效率

1、语法

create index idx_xxx on table_name(column(n));

示例：

1、为tb_user表的email字段，建立长度为5的前缀索引

create index idx_email_5 on tb_user(email(5));

2、前缀长度

可以根据索引得选择性来决定，而选择性是指不重复得索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的

select count(distinct email) / count(*) from tb_user ;
select count(distinct substring(email,1,5)) / count(*) from tb_user ;

3、前缀索引的查询流程

单列索引与联合索引

单列索引：即一个索引只包含单个列

联合索引：即一个索引包含了多个列

tb_user表中目前的索引情况

在查询出来的索引中，既有单列索引，又有联合索引

执行一条sql语句，看其执行计划：

通过上述执行计划可以看出，在and连接的两个字段phone、name上都是单列索引的，但是最终mysql只会选择一个索引，也就是说，只能一个字段的索引，此时是会回表查询的。

再创建一个phone和name字段的联合索引来查询一下执行计划

create unique index idx_user_phone_name on tb_user(phone, name);

使用刚创建的索引，再次执行上条sql语句

 explain select id, phone, name from tb_user use index (idx_user_phone_name) where phone = '17799990010' and name = '韩信';

此时，查询时就走了联合索引，而在联合索引中包含了phone、name的信息，在叶子节点下挂的是对应的主键id，所以查询是无需回表查询的。

在业务场景中，如果存在多个查询条件，考虑对于查询字段建立索引时，建议建立联合索引，而非单列索引

如果查询使用的是联合索引，具体的结构示意图如下：

索引设计原则

1. 针对于数据量大，且查询比较频繁的表建立索引
2. 针对于常做为查询条件（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
6. 要控制索引的量，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，它可以更好的确定哪个索引最有效的用于查询