MySQL十部曲之七：InnoDB索引及其优化措施

前言

• 如果不懂平衡二叉树、B树和B+树（属于数据结构搜索算法相关内容），那阅读本文意义不大
• 本文不包括全文索引、与JSON和空间数据类型相关的索引。
• 官方文档内使用B树作为术语，并称其是一种B树的变体，我们可以当作B+树看待。

什么是索引

InnoDB表通过CREATE TABLE...ENGINE=InnoDB语句创建，当InnoDB被定义为默认存储引擎时，不需要ENGINE=InnoDB子句。每个表中的数据被分成几页，页中存储着插入表中的数据行，组成每个表的页排列在称为B+树索引的树状数据结构中。因此，在InnoDB中，索引是用于保存表数据（页）的树形数据结构（B+树）。

聚集索引和二级索引

表示整个表的B+树索引称为聚集索引，它是根据主键列组织的。聚集索引叶子结点包含表的所有页。通常，聚集索引与主键是同义词，建议为创建的每个表定义一个主键。选择主键列时，请选择具有以下特征的列：

• 由最重要的查询常引用的列
• 不为NULL的列
• 没有重复值的列
• 插入后很少改变值的列

InnoDB选取聚集索引的规则如下：

• 当你在一个表上定义一个PRIMARY KEY时，InnoDB使用它作为聚集索引。
• 如果你没有为一个表定义PRIMARY KEY, InnoDB使用第一个UNIQUE NOT NULL列作为集群索引。
• InnoDB在数据库中存储的每一行添加三个列：DB_TRX_ID、DB_ROLL_PTR和DB_ROW_ID，其中DB_ROW_ID的值会随着行的插入而单调增加。如果一个表没有PRIMARY KEY或合适的UNIQUE索引，InnoDB会在DB_ROW_ID列上生成一个隐藏的聚集索引GEN_CLUST_INDEX。

聚集索引以外的索引称为二级索引。在InnoDB中，二级索引中的每条记录都包含该行的主键列，以及二级索引指定的列。InnoDB使用这个主键值来搜索聚集索引中的行。

索引的创建和删除

可以使用以下两种方式创建索引：

• CREATE TABELE：通常，在使用CREATE TABELE创建表本身时创建表上的所有索引。这个原则对于InnoDB表尤其重要，因为主键决定了数据文件中行的物理布局。

CREATE TABLE [IF NOT EXISTS] tbl_name
    (create_definition,...)

CREATE TABLE [IF NOT EXISTS] tbl_name
    [(create_definition,...)]
    [IGNORE | REPLACE]
    [AS] query_expression

CREATE TABLE [IF NOT EXISTS] tbl_name
    { LIKE old_tbl_name | (LIKE old_tbl_name) }

create_definition: {
    col_name column_definition
  | {INDEX} [index_name] (key_part,...)
  | [CONSTRAINT [symbol]] PRIMARY KEY (key_part,...)
  | [CONSTRAINT [symbol]] UNIQUE [KEY] [index_name] (key_part,...)
  | [CONSTRAINT [symbol]] FOREIGN KEY
      [index_name] (col_name,...)
      reference_definition
  | check_constraint_definition
}

column_definition: {
    data_type [NOT NULL | NULL] [DEFAULT {literal | (expr)} ]
      [VISIBLE | INVISIBLE]
      [AUTO_INCREMENT] [UNIQUE [KEY]] [[PRIMARY] KEY]
      [COMMENT 'string']
      [reference_definition]
      [check_constraint_definition]
  | data_type
      [GENERATED ALWAYS] AS (expr)
      [VIRTUAL | STORED] [NOT NULL | NULL]
      [VISIBLE | INVISIBLE]
      [UNIQUE [KEY]] [[PRIMARY] KEY]
      [COMMENT 'string']
      [reference_definition]
      [check_constraint_definition]
}

key_part: {col_name [(length)] | (expr)} [ASC | DESC]

• CREATE INDEX语：CREATE INDEX允许您向现有表添加索引。CREATE INDEX被映射到ALTER TABLE语句来创建索引。但CREATE INDEX不能用于创建主键，即聚集索引。

CREATE [UNIQUE] INDEX index_name
    ON tbl_name (key_part,...)

key_part: {col_name [(length)] | (expr)} [ASC | DESC]

单列和多列索引

• 格式为(key_part1, key_part2，…)的索引规范用于创建多列或单列索引，例如，(col1, col2, col3)指定一个多列索引，索引键由col1、col2和col3的值组成。
• key_part规范可以以ASC或DESC结尾，以指定索引值是按升序还是降序存储。如果没有给出顺序说明符，默认为升序。

列前缀索引

对于字符串列，可以创建仅使用列值前导部分的索引，使用col_name(length)语法指定索引前缀长度：

• 可以为CHAR、VARCHAR、BINARY和VARBINARY关键部分指定前缀。
• 必须为BLOB和TEXT键部分指定前缀。
• 前缀限制以字节为单位测量。然而，在CREATE TABLE、ALTER TABLE和CREATE INDEX语句中，索引规范的前缀长度被解释为非二进制字符串类型的字符数和二进制字符串类型的字节数。在为使用多字节字符集的非二进制字符串列指定前缀长度时，请考虑到这一点。

表达式索引

MySQL 8.0.13及更高版本支持索引表达式值而不是列或列前缀值的功能键部分。使用功能键部件可以对不直接存储在表中的值建立索引。例子:

CREATE TABLE t1 (col1 INT, col2 INT, INDEX func_index ((ABS(col1))));
CREATE INDEX idx1 ON t1 ((col1 + col2));
CREATE INDEX idx2 ON t1 ((col1 + col2), (col1 - col2), col1);
ALTER TABLE t1 ADD INDEX ((col1 * 40) DESC);

功能关键部件必须遵循以下规则。如果关键部件定义包含不允许的构造，则会发生错误。

• 在索引定义中，将表达式括在圆括号内，以区别于列或列前缀。
• 不能仅由列名组成。
• 不支持主键、外键、全文索引。
• 表达式索引只能使用引用列允许的函数
• 不允许使用子查询、参数、变量、存储函数和可加载函数。
• 不能直接使用列前缀，要想使用必须通过SUBSTRING() 函数，并且在查询时必须包含相同的SUBSTRING() 函数才能使用该索引，下面的例子中只有第二个查询才能使用索引：

CREATE TABLE tbl (
  col1 LONGTEXT,
  INDEX idx1 ((SUBSTRING(col1, 1, 10)))
);
SELECT * FROM tbl WHERE SUBSTRING(col1, 1, 9) = '123456789';
SELECT * FROM tbl WHERE SUBSTRING(col1, 1, 10) = '1234567890';

表达式索引是通过隐藏列实现的，隐藏列本身不需要存储空间。

UNIQUE索引

UNIQUE索引创建了一个约束，使得索引中的所有值必须是不同的。如果尝试添加具有与现有行匹配的键值的新行，则会发生错误。如果为UNIQUE索引中的列指定前缀值，则列值在前缀长度内必须是唯一的。UNIQUE索引允许包含NULL的列有多个NULL值。

索引优化

提高SELECT操作性能的最佳方法是在查询中测试的一个或多个列上创建索引。索引项的作用类似于指向表行的指针，允许查询快速确定哪些行与WHERE子句中的条件匹配，并检索这些行的其他列值。所有MySQL数据类型都可以被索引。虽然为查询中可能使用的每个列创建索引很诱人，但是不必要的索引会浪费MySQL确定使用哪些索引的空间和时间。索引还会增加插入、更新和删除的成本，因为每个索引都必须更新。您必须找到适当的平衡，以使用最优索引集实现快速查询。

MySQL是怎样使用索引的

索引用于快速查找具有特定列值的行。如果没有索引，MySQL必须从第一行开始，然后遍历整个表以找到相关的行。表越大，成本就越高。如果表中有相关列的索引，MySQL可以快速确定在数据文件中间查找的位置，而不必查看所有数据。这比按顺序读取每一行要快得多。MySQL使用索引进行以下操作：

• 快速查找与WHERE子句匹配的行。
• 如果在多个索引之间进行选择，MySQL通常使用找到行数最少的索引（最具选择性的索引）。
• 如果表具有多列索引，则优化器可以使用索引的最左边的任何前缀来查找行。例如，如果在(col1, col2, col3)上有一个三列索引，则在(col1)、(col1, col2)和(col1, col2, col3)上有索引搜索功能。
• 在执行连接查询从其他表检索行时：
  • 如果将列声明为相同的类型和大小，MySQL可以更有效地使用列上的索引。在这种情况下，如果将VARCHAR和CHAR声明为相同的大小，则认为它们是相同的。
  • 对于非二进制字符串列之间的比较，两个列应该使用相同的字符集，否则就不能使用索引。
  • 不同列的比较（例如，将字符串列与时间列或数字列进行比较）必须进行类型转换，否则不会使用索引。
  • 数字字面量和字符串列比较将排除对字符串列使用任何索引。
• 在使用MIN()或MAX()函数查找多列索引某索引列key_col时，如果在WHERE子句中使用了该多列索引key_col左前缀索引列时，MySQL将对每个MIN()或MAX()表达式进行单个键查找，并用常量替换它。如果所有表达式都用常量替换，则查询立即返回。例如：

SELECT MIN(key_part2),MAX(key_part2)
  FROM tbl_name WHERE key_part1=10;

• 如果排序或分组是在可用索引的最左边的前缀上完成的，则使用索引对表进行排序或分组。
• 覆盖索引：覆盖索引是指包含查询检索到的所有列的索引。该查询没有使用索引值作为指针来查找完整的表行，而是返回索引结构中的值，从而节省了磁盘I/O。

SELECT key_part3 FROM tbl_name
  WHERE key_part1=1

索引对于小表或查询大部分或所有行的大表上的查询不太重要。当查询需要访问大多数行时，顺序读取比通过索引处理要快。

优化措施

上文MySQL是怎样使用索引的中蕴含着许多索引优化措施，除此之外还有以下措施：

• 如果您的表又大又重要，但没有明显的列或列集用作主键，则可以创建一个带有自动增量值的单独列作为主键。
• 保持PRIMARY KEY短，以减少二级索引的存储开销。每个二级索引项包含对应行的主键列的副本。
• 在创建的表中，首先放置一个PRIMARY KEY，然后是所有UNIQUE索引，然后是非唯一索引。这有助于MySQL优化器优先考虑使用哪个索引，也可以更快地检测重复的UNIQUE键。