作者通过一个死锁案例结合OPTIMIZER TRACE，对 MySQL 5.7 的索引成本计算、索引选择以及 ICP 特性进行了分析。
作者：李锡超，一个爱笑的江苏苏宁银行 数据库工程师，主要负责数据库日常运维、自动化建设、DMP 平台运维。擅长 MySQL、Python、Oracle，爱好骑行、研究技术。
爱可生开源社区出品，原创内容未经授权不得随意使用，转载请联系小编并注明来源。
本文约 2100 字，预计阅读需要 7 分钟。
问题现象
自发布了 INSERT 并发死锁问题的文章，收到了多次死锁问题的交流。一个具体案例如下：
研发反馈应用发生死锁，收集如下诊断内容：
>以上 `space id 603 page no 86 n bits 248`，其中 `space id` 表示表空间 ID，`page no` 表示记录锁在表空间内的哪一页，`n bits` 是锁位图中的位数，而不是页面偏移量。记录的页偏移量一般以 `heap no` 的形式输出，但此例并未输出该信息。
## 基本环境信息
确认如下问题相关信息：
- 数据库版本：Percona MySQL 5.7
- 事务隔离级别：Read-Commited
- 表结构和索引：
关键信息梳理
| 事务 T1 | |
|---|---|
| 语句 | delete from ltb2 where c = 'code001' and j = 'Y15' and b >= '20230717' and d != '1' and e != '1' |
| 关联对象及记录 | space id 603 page no 86 n bits 248 index PRIMARY of table testdb.ltb2 |
| 持有的锁 | 未知 |
| 等待的锁 | lock_mode X locks rec but not gap waiting |
| 事务 T2 | |
|---|---|
| 语句 | update ltb2 set f = '0', g = '0', is_value_date = '0', h = '0', i = '0' where c = '22115001B' and j = 'Y4' and b >= '20230717' |
| 关联对象及记录 | space id 603 page no 86 n bits 248 index PRIMARY of table testdb.ltb2 |
| 持有的锁 | lock_mode X locks rec but not gap |
| 等待的锁 | lock_mode X locks rec but not gap waiting |
可以看到在主键索引上发生了死锁，但是在查询的条件中，并未使用主键列。
那为什么会在主键列出现死锁？ 在分析死锁根因问题前，需要先清楚 SQL 的执行情况。
SQL 执行情况
执行计划
以上两个 SQL 发现都有列 b、c 作为条件，且该列构成了索引唯一索引 uidx_1。简化 SQL 改为查询语句，并确认执行计划：
注意：自 MySQL 5.6 开始可以直接查看 UPDATE/DELETE/INSERT 等语句的执行计划。因个人习惯、避免误操作等原因，还是习惯改为 SELECT 查看执行计划。
执行计划中可能的索引有 uidx_1(b,c)，但实际并未使用该索引，而是采用全表扫描方式执行。
根据经验，由于列 b 为索引的最左列。但查询的条件为 b>= '20230717'，即该条件不是等值查询。因此数据库可能只能“使用”到 b 列。为进一步确认不使用 b 列索引的原因，查询数据分布：
mysql> select count(1) from ltb2;
+------------+
| count(1) |
+------------+
| 4509 |
+------------+
mysql> select count(1) from ltb2 where b >= '20230717' ;
+------------+
| count(1) |
+------------+
| 1275 |
+------------+计算满足 b 列条件的数据占比为 1275/4509 = 28%，占比差不多达到了 1/3。此时也的确不应使用该使用索引。
难道已经是作为 MySQL 5.7 的数据库，优化器还是这么简单？
ICP 特性
带着问题，将条件设置一个更大的值（但小于该列的最大值），再次执行验证查询语句：
mysql> desc select * from ltb2 where b >= '20990717';
# 部分结果
+----------+---------+---------+
| key_len | rows | Extra |
+----------+---------+---------+
| 3 | 64 | Using Index condition |
+----------+---------+---------+优化器预估返回 64 行，数据占比 64/4509 = 1.4%，因此可以使用索引。但通过执行计划，从 Extra 列看到 Using index condition 提示。该提示则说明使用了索引条件下推（Index Condition Pushdown, ICP）。针对该特性，参考官方简要说明如下：
使用 Index Condition Pushdown，扫描将像这样进行：
- 获取下一行的索引元组（但不是完整的表行）。
- 测试 WHERE 条件中应用于此表的部分，并且只能使用索引列的进行检查。如果不满足条件，则继续到下一行的索引元组。
- 如果满足条件，则使用索引元组定位并读取整个表行。
- 测试适用于此表的 WHERE 条件的其余部分。根据测试结果接受或拒绝该行。
既然可以使用到 ICP 特性，进一步执行如下验证语句：
mysql> desc select * from ltb2 where b >= '20990717' and c = 'code001';
# 部分结果
+----------+---------+---------+
| key_len | rows | Extra |
+----------+---------+---------+
| 133 | 64 | Using Index condition |
+----------+---------+---------+发现当新增 c 列作为条件后，并且根据 key_len（索引里使用的字节数）可以判断，的确使用到了 uidx_1 索引中的 c 列。但 rows 的结果与实际返回结果差异较大（实际执行仅返回 0 行）。
更重要的是，既然具有 ICP 特性，针对原始的 SQL 为什么不能助于 ICP 特性使用到索引呢？
mysql> select * from ltb2 where b >= '20230717' and c = 'code001'执行计划跟踪
继续带着问题，通过 MySQL 提供的 OPTIMIZER TRACE，跟踪执行计划生成过程。命令如下：
由于分析结果较长，截取 SQL-1 和 SQL-2 的部分结果 (rows_estimation 和 considered_execution_plans)。具体内容如下：
SQL-1
根据以上信息：两个 SQL 的 cost 部分是完全相同的，且在优化器分析阶段只能识别到 b 的条件。分析阶段，只能根据优化器认为可用的列来计算 cost。ICP 特性，应该是在执行阶段采用用到的特性。
同时，根据 SQL-3 的执行跟踪结果，对比全表扫描和索引扫描的 cost，截取部分结果如下：
SQL-3
同时，根据执行计划的输出结果，rows 列应该是优化器阶段的输出，key_len/Extra 则包括了执行阶段的输出。
小结
综上所述，对于问题 SQL 和索引结构，由于列 b 为索引的最左列，且查询时的条件为 b>= '20230717'（非等值条件），数据库优化器只能“使用”到 b 列。并给予“使用”的列，评估扫码的行数和 cost。
如果优化器评估后，使用索引的成本更低，则可以使用该索引，并利用 ICP 特性进一步提高查询性能；
如果优化器评估后，使用全表扫描或的成本更低，那数据库就会选择使用全表扫描。
SQL 优化方案
根据第 2 部分明确了问题的原因后，通过调整索引，解决最左列尾范围查询的问题即可解决该问题。具体如下：
alter table ltb2 drop index uidx_1;
alter table ltb2 add index uidx_1(c,b);
alter table ltb2 add index idx_(b);死锁为何发生
自此，完成了 SQL 执行计划问题的分析和解决。但直接的问题是死锁，因查询语句无法使用索引，正常就应该使用全表扫描。但是全表扫描为什么会出现死锁呢？
在此，参考《故障分析 | 从 Insert 并发死锁分析 Insert 加锁源码逻辑》的经验，对死锁过程进行大胆猜想：
T1 时刻
trx-2 执行了 UPDATE，在处理行时，在 row_search_mvcc 函数中，查询到数据。获取了对应行的 LOCK_X,LOCK_REC_NOT_GAP 锁；
T2 时刻
trx-1 执行了 DELETE，在处理行时，在 row_search_mvcc 函数中，查询到数据，尝试获取行的 LOCK_X,LOCK_REC_NOT_GAP。但由于 trx-1 已经持有了该锁，因此被堵塞。并会创建一个锁（以指示锁等待）；
T3 时刻
trx-2 继续执行 UPDATE 操作。由于是该操作除了在 T1 时刻的操作外，在其它位置，还需要获取锁（lock_mode X locks rec but not gap）。但由于 T2 时刻，trx-1 尝试获取该锁而被堵塞，并且也增加了一个锁。
假如此时，此处的实现机制和 INSERT 死锁案例一样，也没有先进行冲突检查。而只是看记录上是否存在锁的话，那么此时也会看到该记录上有 trx-1 事务的锁。从而导致 trx-2 第二次获取锁时，被堵塞。
死锁发生！
以上仅根据经验进行的猜想，真正的原因还需要进一步分析和验证。有兴趣的读者结合如下几个问题，进一步研究。
- 以上各步骤获取锁的位置，是否正确？
- T3 时刻，update操作在其它的什么位置再次获取了锁？
- T3 时刻，发起的假设是否成立？如成立，具体逻辑是什么？不成立，那正确的逻辑是什么？
- T3 时刻，如果假设不成立，那死锁的原因又是什么？
- 以上都是针对于唯一索引/主键索引的执行逻辑分析的。那结合该案例，全表扫描和索引查询的执行逻辑是否存在差异？差异的地方在哪里？
- 除了调整索引，还能通过什么方式避免该问题发生？