二叉树:顺序增长依次查询效率低
红黑树: 数据多了深度越深,效率自然低了
HASH: 查询条件限制
B-TREE:度(degree)-节段的数据存储个数,叶节点具有 相同的深度,叶节点的指针为空,节点的数据key从左到右递增排列,度有上限,查找数据时会受到内存与硬盘的交互限制
B+TREE:非叶子节点不存储数据,只存储key,可以增大度,叶子节不存储指针,叶子节点存储数据,顺序访问指针提高区间访问的性能,叶子节点有指针支持条件搜索;度一般会超过100,因此深度非常小(一般为3-5之间)
算法演示网站:Data Structure Visualization
MyisAM引擎:(非聚集)索引文件和数据文件是分离的
InnoDB引擎:(聚集)索引文件和数据文件放在一起
EXPLAIN SELECT (SELECT id FROM actor LIMIT 1) FROM film;
id 列的编号是 SELECT 的序列号,有几个 SELECT 就有几个 id,并且 id 的顺序是按 SELECT 出现的顺序增长的。MySQL 将 SELECT 查询分为简单查询(SIMPLE)和复杂查询(PRIMARY)。
复杂查询分为三类:简单子查询、派生表(FROM 语句中的子查询)、UNION 查询。
id 列越大执行优先级越高,id 相同则从上往下执行,id 为 NULL 最后执行
表示对应行是简单还是复杂的查询
SIMPLE:简单查询。查询不包含子查询和 UNION
PRIMARY:复杂查询中最外层的 SELECT
SUBQUERY:包含在 SELECT 中的子查询(不在 FROM 子句中)
DERIVED:包含在 FROM 子句中的子查询。MySQL 会将结果存放在一个临时表中,也称为派生表UNION:在 UNION 中的第二个和随后的 SELECT
UNION RESULT:从 UNION 临时表检索结果的 SELECT
这一列表示 explain 的一行正在访问哪个表。
当 from 子句中有子查询时,table 列是
于是先执行 id=N 的查询。
当有 union 时,UNION RESULT 的 table 列的值为
select 行 id。
这一列表示关联类型或访问类型,即 MySQL 决定如何查找表中的行,查找数据行记录的大概
范围。
依次从最优到最差分别为:system > const > eq_ref > ref > range > index > ALL
一般来说,得保证查询达到 range 级别,最好达到 ref
NULL:mysql 能够在优化阶段分解查询语句,在执行阶段用不着再访问表或索引。例如:在
索引列中选取最小值,可以单独查找索引来完成,不需要在执行时访问表
const, system:mysql 能对查询的某部分进行优化并将其转化成一个常量(可以看 show
warnings 的结果)。用于 primary key 或 unique key 的所有列与常数比较时,所以表最多
有一个匹配行,读取 1 次,速度比较快。system 是 const 的特例,表里只有一条元组匹配时
为 system
eq_ref:primary key 或 unique key 索引的所有部分被连接使用 ,最多只会返回一条符合条
件的记录。这可能是在 const 之外最好的联接类型了,简单的 select 查询不会出现这种
type。
ref:相比 eq_ref,不使用唯一索引,而是使用普通索引或者唯一性索引的部分前缀,索引
要和某个值相比较,可能会找到多个符合条件的行。
range:范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定
范围的行
index:扫描全表索引,这通常比 ALL 快一些。(index 是从索引中读取的,而 all 是从硬盘中
读取)
ALL:即全表扫描,意味着 mysql 需要从头到尾去查找所需要的行。通常情况下这需要增加索
引来进行优化了
这一列显示查询可能使用哪些索引来查找。
explain 时可能出现 possible_keys 有列,而 key 显示 NULL 的情况,这种情况是因为表中数
据不多,mysql 认为索引对此查询帮助不大,选择了全表查询。
如果该列是 NULL,则没有相关的索引。在这种情况下,可以通过检查 where 子句看是否可以
创造一个适当的索引来提高查询性能
这一列显示 mysql 实际采用哪个索引来优化对该表的访问。
如果没有使用索引,则该列是 NULL。如果想强制 mysql 使用或忽视 possible_keys 列中的索
引,在查询中使用 force index、ignore index。
这一列显示了 mysql 在索引里使用的字节数,通过这个值可以算出具体使用了索引中的哪些列。
key_len 计算规则:
字符串
char(n):n 字节长度
varchar(n):2 字节存储字符串长度,如果是 utf-8,则长度 3n + 2
数值类型
tinyint:1 字节
smallint:2 字节
int:4 字节
bigint:8 字节
时间类型
date:3 字节
timestamp:4 字节
datetime:8 字节
如果字段允许为 NULL,需要 1 字节记录是否为 NULL
索引最大长度是 768 字节,当字符串过长时,mysql 会做一个类似左前缀索引的处理,将前半
部分的字符提取出来做索引。
这一列显示了在 key 列记录的索引中,表查找值所用到的列或常量,常见的有:const(常
量),字段名(例:film.id)
这一列是 mysql 估计要读取并检测的行数,注意这个不是结果集里的行数。
这一列展示的是额外信息。常见的重要值如下:
Using index:查询的列被索引覆盖,并且 where 筛选条件是索引的前导列,是性能高的
表现。一般是使用了覆盖索引(索引包含了所有查询的字段)。对于 innodb 来说,如果是辅助索
引性能会有不少提高
Using where:查询的列未被索引覆盖,where 筛选条件非索引的前导列
Using where Using index:查询的列被索引覆盖,并且 where 筛选条件是索引列之
一但是不是索引的前导列,意味着无法直接通过索引查找来查询到符合条件的数据
NULL:查询的列未被索引覆盖,并且 where 筛选条件是索引的前导列,意味着用到了索
“ ”引,但是部分字段未被索引覆盖,必须通过 回表 来实现,不是纯粹地用到了索引,也不
是完全没用到索引
Using index condition:与 Using where 类似,查询的列不完全被索引覆盖,where
条件中是一个前导列的范围;
Using temporary:mysql 需要创建一张临时表来处理查询。出现这种情况一般是要进行优
化的,首先是想到用索引来优化。
Using filesort:mysql 会对结果使用一个外部索引排序,而不是按索引次序从表里读取
行。此时 mysql 会根据联接类型浏览所有符合条件的记录,并保存排序关键字和行指针,然后
排序关键字并按顺序检索行信息。这种情况下一般也是要考虑使用索引来优化的。
1. 全值匹配 (如 联合索引,index(a,b,c) 全部用上)
2.最佳左前缀法则 (如 联合索引,index(a,b,c) 按照顺序 a,b,c全部用上)
如果索引了多列,要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索
引中的列。
3.不在索引列上做任何操作(计算、函数、(自动 or 手动)类型转换),会导致索引失效
而转向全表扫描
4.存储引擎不能使用索引中范围条件右边的列
5.尽量使用覆盖索引(只访问索引的查询(索引列包含查询列)),减少 select *语句
6.mysql 在使用不等于(!= 或者 <>)的时候无法使用索引会导致全表扫描
7.is null,is not null 也无法使用索引
8.like 以通配符开头('$abc...')mysql 索引失效会变成全表扫描操作
问题:解决 like'%字符串%'索引不被使用的方法?
SELECT name form tb_user where name like '%Lei%';
9.字符串不加单引号索引失效
10.少用or或in,用它查询时,非主要字段的索引会失效,主键索引有时生效,有时不生效,根据数量有关,具体还得看mysql的查询优化结果