MySQL的索引原理以及查詢優化詳解

Posted on by

一、介紹

1.什麼是索引？

一般的應用系統，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現性能問題，在生產環境中，我們遇到最多的，也是最容易出問題的，還是一些復雜的查詢操作，因此對查詢語句的優化顯然是重中之重。說起加速查詢，就不得不提到索引瞭。

2.為什麼要有索引呢？

索引在MySQL中也叫做“鍵”，是存儲引擎用於快速找到記錄的一種數據結構。索引對於良好的性能

非常關鍵，尤其是當表中的數據量越來越大時，索引對於性能的影響愈發重要。

索引優化應該是對查詢性能優化最有效的手段瞭。索引能夠輕易將查詢性能提高好幾個數量級。

索引相當於字典的音序表，如果要查某個字，如果不使用音序表，則需要從幾百頁中逐頁去查。

二、索引的原理

一 索引原理

索引的目的在於提高查詢效率，與我們查閱圖書所用的目錄是一個道理：先定位到章，然後定位到該章下的一個小節，然後找到頁數。相似的例子還有：查字典，查火車車次，飛機航班等

本質都是：通過不斷地縮小想要獲取數據的范圍來篩選出最終想要的結果，同時把隨機的事件變成順序的事件，也就是說，有瞭這種索引機制，我們可以總是用同一種查找方式來鎖定數據。

數據庫也是一樣，但顯然要復雜的多，因為不僅面臨著等值查詢，還有范圍查詢(>、<、between、in)、模糊查詢(like)、並集查詢(or)等等。數據庫應該選擇怎麼樣的方式來應對所有的問題呢？我們回想字典的例子，能不能把數據分成段，然後分段查詢呢？最簡單的如果1000條數據，1到100分成第一段，101到200分成第二段，201到300分成第三段……這樣查第250條數據，隻要找第三段就可以瞭，一下子去除瞭90%的無效數據。但如果是1千萬的記錄呢，分成幾段比較好？稍有算法基礎的同學會想到搜索樹，其平均復雜度是lgN，具有不錯的查詢性能。但這裡我們忽略瞭一個關鍵的問題，復雜度模型是基於每次相同的操作成本來考慮的。而數據庫實現比較復雜，一方面數據是保存在磁盤上的，另外一方面為瞭提高性能，每次又可以把部分數據讀入內存來計算，因為我們知道訪問磁盤的成本大概是訪問內存的十萬倍左右，所以簡單的搜索樹難以滿足復雜的應用場景。

二 磁盤IO與預讀

考慮到磁盤IO是非常高昂的操作，計算機操作系統做瞭一些優化，當一次IO時，不光把當前磁盤地址的數據，而是把相鄰的數據也都讀取到內存緩沖區內，因為局部預讀性原理告訴我們，當計算機訪問一個地址的數據的時候，與其相鄰的數據也會很快被訪問到。每一次IO讀取的數據我們稱之為一頁(page)。具體一頁有多大數據跟操作系統有關，一般為4k或8k，也就是我們讀取一頁內的數據時候，實際上才發生瞭一次IO，這個理論對於索引的數據結構設計非常有幫助。

三、索引的數據結構

任何一種數據結構都不是憑空產生的，一定會有它的背景和使用場景，我們現在總結一下，我們需要這種數據結構能夠做些什麼，其實很簡單，那就是：每次查找數據時把磁盤IO次數控制在一個很小的數量級，最好是常數數量級。那麼我們就想到如果一個高度可控的多路搜索樹是否能滿足需求呢？就這樣，b+樹應運而生。

如上圖，是一顆b+樹，關於b+樹的定義可以參見B+樹，這裡隻說一些重點，淺藍色的塊我們稱之為一個磁盤塊，可以看到每個磁盤塊包含幾個數據項（深藍色所示）和指針（黃色所示），如磁盤塊1包含數據項17和35，包含指針P1、P2、P3，P1表示小於17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大於35的磁盤塊。真實的數據存在於葉子節點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節點隻不存儲真實的數據，隻存儲指引搜索方向的數據項，如17、35並不真實存在於數據表中。

###b+樹的查找過程

如圖所示，如果要查找數據項29，那麼首先會把磁盤塊1由磁盤加載到內存，此時發生一次IO，在內存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內存時間因為非常短（相比磁盤的IO）可以忽略不計，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內存，發生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內存，發生第三次IO，同時內存中做二分查找找到29，結束查詢，總計三次IO。真實的情況是，3層的b+樹可以表示上百萬的數據，如果上百萬的數據查找隻需要三次IO，性能提高將是巨大的，如果沒有索引，每個數據項都要發生一次IO，那麼總共需要百萬次的IO，顯然成本非常非常高。

###b+樹性質

1.索引字段要盡量的小：通過上面的分析，我們知道IO次數取決於b+數的高度h，假設當前數據表的數據為N，每個磁盤塊的數據項的數量是m，則有h=㏒(m+1)N，當數據量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數據項的大小，磁盤塊的大小也就是一個數據頁的大小，是固定的，如果數據項占的空間越小，數據項的數量越多，樹的高度越低。這就是為什麼每個數據項，即索引字段要盡量的小，比如int占4字節，要比bigint8字節少一半。這也是為什麼b+樹要求把真實的數據放到葉子節點而不是內層節點，一旦放到內層節點，磁盤塊的數據項會大幅度下降，導致樹增高。當數據項等於1時將會退化成線性表。

2.索引的最左匹配特性（即從左往右匹配）：當b+樹的數據項是復合的數據結構，比如(name,age,sex)的時候，b+數是按照從左到右的順序來建立搜索樹的，比如當(張三,20,F)這樣的數據來檢索的時候，b+樹會優先比較name來確定下一步的所搜方向，如果name相同再依次比較age和sex，最後得到檢索的數據；但當(20,F)這樣的沒有name的數據來的時候，b+樹就不知道下一步該查哪個節點，因為建立搜索樹的時候name就是第一個比較因子，必須要先根據name來搜索才能知道下一步去哪裡查詢。比如當(張三,F)這樣的數據來檢索時，b+樹可以用name來指定搜索方向，但下一個字段age的缺失，所以隻能把名字等於張三的數據都找到，然後再匹配性別是F的數據瞭， 這個是非常重要的性質，即索引的最左匹配特性。

四、Mysql索引管理

一、功能

#1. 索引的功能就是加速查找

#2. mysql中的primary key，unique，聯合唯一也都是索引，這些索引除瞭加速查找以外，還有約束的功能

二、MySQL的索引分類

索引分類
1.普通索引index :加速查找
2.唯一索引
    主鍵索引：primary key ：加速查找+約束（不為空且唯一）
    唯一索引：unique：加速查找+約束 （唯一）
3.聯合索引
    -primary key(id,name):聯合主鍵索引
    -unique(id,name):聯合唯一索引
    -index(id,name):聯合普通索引
4.全文索引fulltext :用於搜索很長一篇文章的時候，效果最好。
5.空間索引spatial :瞭解就好，幾乎不用
1 舉個例子來說，比如你在為某商場做一個會員卡的系統。
 2 
 3 這個系統有一個會員表
 4 有下列字段：
 5 會員編號 INT
 6 會員姓名 VARCHAR(10)
 7 會員身份證號碼 VARCHAR(18)
 8 會員電話 VARCHAR(10)
 9 會員住址 VARCHAR(50)
10 會員備註信息 TEXT
11 
12 那麼這個 會員編號，作為主鍵，使用 PRIMARY
13 會員姓名 如果要建索引的話，那麼就是普通的 INDEX
14 會員身份證號碼 如果要建索引的話，那麼可以選擇 UNIQUE （唯一的，不允許重復）
15 
16 #除此之外還有全文索引，即FULLTEXT
17 會員備註信息 ， 如果需要建索引的話，可以選擇全文搜索。
18 用於搜索很長一篇文章的時候，效果最好。
19 用在比較短的文本，如果就一兩行字的，普通的 INDEX 也可以。
20 但其實對於全文搜索，我們並不會使用MySQL自帶的該索引，而是會選擇第三方軟件如Sphinx，專門來做全文搜索。
21 
22 #其他的如空間索引SPATIAL，瞭解即可，幾乎不用
各個索引的應用場景

三、 索引的兩大類型hash與btree

#我們可以在創建上述索引的時候，為其指定索引類型，分兩類
hash類型的索引：查詢單條快，范圍查詢慢
btree類型的索引：b+樹，層數越多，數據量指數級增長（我們就用它，因為innodb默認支持它）
#不同的存儲引擎支持的索引類型也不一樣
InnoDB 支持事務，支持行級別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
MyISAM 不支持事務，支持表級別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
Memory 不支持事務，支持表級別鎖定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；
NDB 支持事務，支持行級別鎖定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；
Archive 不支持事務，支持表級別鎖定，不支持 B-tree、Hash、Full-text 等索引；

四、創建/刪除索引的語法

1 #方法一：創建表時
 2     　　CREATE TABLE 表名 (
 3                 字段名1  數據類型 [完整性約束條件…],
 4                 字段名2  數據類型 [完整性約束條件…],
 5                 [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
 6                 [索引名]  (字段名[(長度)]  [ASC |DESC]) 
 7                 );
 8 
 9 
10 #方法二：CREATE在已存在的表上創建索引
11         CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 
12                      ON 表名 (字段名[(長度)]  [ASC |DESC]) ;
13 
14 
15 #方法三：ALTER TABLE在已存在的表上創建索引
16         ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
17                              索引名 (字段名[(長度)]  [ASC |DESC]) ;
18                              
19 #刪除索引：DROP INDEX 索引名 ON 表名字;
創建/刪除索引的語法

創建/刪除索引的語法

善用幫助文檔
help create
help create index
==================
1.創建索引
    -在創建表時就創建（需要註意的幾點）
    create table s1(
    id int ,#可以在這加primary key
    #id int index #不可以這樣加索引，因為index隻是索引，沒有約束一說，
    #不能像主鍵，還有唯一約束一樣，在定義字段的時候加索引
    name char(20),
    age int,
    email varchar(30)
    #primary key(id) #也可以在這加
    index(id) #可以這樣加
    );
    -在創建表後在創建
    create index name on s1(name); #添加普通索引
    create unique age on s1(age);添加唯一索引
    alter table s1 add primary key(id); #添加住建索引，也就是給id字段增加一個主鍵約束
    create index name on s1(id,name); #添加普通聯合索引
2.刪除索引
    drop index id on s1;
    drop index name on s1; #刪除普通索引
    drop index age on s1; #刪除唯一索引，就和普通索引一樣，不用在index前加unique來刪，直接就可以刪瞭
    alter table s1 drop primary key; #刪除主鍵(因為它添加的時候是按照alter來增加的，那麼我們也用alter來刪)

幫助查看

五、測試索引

1、準備

#1. 準備表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);
#2. 創建存儲過程，實現批量插入記錄
delimiter $$ #聲明存儲過程的結束符號為$$
create procedure auto_insert1()
BEGIN
    declare i int default 1;
    while(i<3000000)do
        insert into s1 values(i,concat('egon',i),'male',concat('egon',i,'@oldboy'));
        set i=i+1;
    end while;
END$$ #$$結束
delimiter ; #重新聲明分號為結束符號
#3. 查看存儲過程
show create procedure auto_insert1\G 
#4. 調用存儲過程
call auto_insert1();

2 、在沒有索引的前提下測試查詢速度

#無索引：從頭到尾掃描一遍，所以查詢速度很慢
mysql> select * from s1 where id=333;
+------+---------+--------+----------------+
| id   | name    | gender | email          |
+------+---------+--------+----------------+
|  333 | egon333 | male   | [email protected] |
|  333 | egon333 | f      | alex333@oldboy |
|  333 | egon333 | f      | alex333@oldboy |
+------+---------+--------+----------------+
rows in set (0.32 sec)
mysql> select * from s1 where email='egon333@oldboy';
....
... rows in set (0.36 sec)

3、 加上索引

#1. 一定是為搜索條件的字段創建索引，比如select * from t1 where age > 5;就需要為age加上索引
#2. 在表中已經有大量數據的情況下，建索引會很慢，且占用硬盤空間，插入刪除更新都很慢，隻有查詢快
比如create index idx on s1(id);會掃描表中所有的數據，然後以id為數據項，創建索引結構，存放於硬盤的表中。
建完以後，再查詢就會很快瞭
#3. 需要註意的是：innodb表的索引會存放於s1.ibd文件中，而myisam表的索引則會有單獨的索引文件table1.MYI

六、正確使用索引

一、覆蓋索引

#分析
select * from s1 where id=123;
該sql命中瞭索引，但未覆蓋索引。
利用id=123到索引的數據結構中定位到該id在硬盤中的位置，或者說再數據表中的位置。
但是我們select的字段為*，除瞭id以外還需要其他字段，這就意味著，我們通過索引結構取到id還不夠，
還需要利用該id再去找到該id所在行的其他字段值，這是需要時間的，很明顯，如果我們隻select id，
就減去瞭這份苦惱，如下
select id from s1 where id=123;
這條就是覆蓋索引瞭，命中索引，且從索引的數據結構直接就取到瞭id在硬盤的地址，速度很快

二、聯合索引

三、索引合並

#索引合並：把多個單列索引合並使用
#分析：
組合索引能做到的事情，我們都可以用索引合並去解決，比如
create index ne on s1(name,email);#組合索引
我們完全可以單獨為name和email創建索引
組合索引可以命中：
select * from s1 where name='egon' ;
select * from s1 where name='egon' and email='adf';
索引合並可以命中：
select * from s1 where name='egon' ;
select * from s1 where email='adf';
select * from s1 where name='egon' and email='adf';
乍一看好像索引合並更好瞭：可以命中更多的情況，但其實要分情況去看，如果是name='egon' and email='adf',
那麼組合索引的效率要高於索引合並，如果是單條件查，那麼還是用索引合並比較合理

若想利用索引達到預想的提高查詢速度的效果，我們在添加索引時，必須遵循以下原則

#1.最左前綴匹配原則，非常重要的原則，
create index ix_name_email on s1(name,email,)
- 最左前綴匹配：必須按照從左到右的順序匹配
select * from s1 where name='egon'; #可以
select * from s1 where name='egon' and email='asdf'; #可以
select * from s1 where email='[email protected]'; #不可以
mysql會一直向右匹配直到遇到范圍查詢(>、<、between、like)就停止匹配，
比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，
d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整。
#2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優化器
會幫你優化成索引可以識別的形式
#3.盡量選擇區分度高的列作為索引,區分度的公式是count(distinct col)/count(*)，
表示字段不重復的比例，比例越大我們掃描的記錄數越少，唯一鍵的區分度是1，而一些狀態、
性別字段可能在大數據面前區分度就是0，那可能有人會問，這個比例有什麼經驗值嗎？使用場景不同，
這個值也很難確定，一般需要join的字段我們都要求是0.1以上，即平均1條掃描10條記錄
#4.索引列不能參與計算，保持列“幹凈”，比如from_unixtime(create_time) = '2014-05-29'
就不能使用到索引，原因很簡單，b+樹中存的都是數據表中的字段值，
但進行檢索時，需要把所有元素都應用函數才能比較，顯然成本太大。
所以語句應該寫成create_time = unix_timestamp('2014-05-29');

最左前綴示范

mysql> select * from s1 where id>3 and name='egon' and email='[email protected]' and gender='male';
Empty set (0.39 sec)
mysql> create index idx on s1(id,name,email,gender); #未遵循最左前綴
Query OK, 0 rows affected (15.27 sec)
Records: 0  Duplicates: 0  Warnings: 0
mysql> select * from s1 where id>3 and name='egon' and email='[email protected]' and gender='male';
Empty set (0.43 sec)

mysql> drop index idx on s1;
Query OK, 0 rows affected (0.16 sec)
Records: 0  Duplicates: 0  Warnings: 0
mysql> create index idx on s1(name,email,gender,id); #遵循最左前綴
Query OK, 0 rows affected (15.97 sec)
Records: 0  Duplicates: 0  Warnings: 0
mysql> select * from s1 where id>3 and name='egon' and email='[email protected]' and gender='male';
Empty set (0.03 sec)
1 6. 最左前綴匹配
 2 index(id,age,email,name)
 3 #條件中一定要出現id(隻要出現id就會提升速度)
 4 id
 5 id age
 6 id email
 7 id name
 8 
 9 email #不行  如果單獨這個開頭就不能提升速度瞭
10 mysql> select count(*) from s1 where id=3000;
11 +----------+
12 | count(*) |
13 +----------+
14 |        1 |
15 +----------+
16 1 row in set (0.11 sec)
17 
18 mysql> create index xxx on s1(id,name,age,email);
19 Query OK, 0 rows affected (6.44 sec)
20 Records: 0  Duplicates: 0  Warnings: 0
21 
22 mysql>  select count(*) from s1 where id=3000;
23 +----------+
24 | count(*) |
25 +----------+
26 |        1 |
27 +----------+
28 1 row in set (0.00 sec)
29 
30 mysql>  select count(*) from s1 where name='egon';
31 +----------+
32 | count(*) |
33 +----------+
34 |   299999 |
35 +----------+
36 1 row in set (0.16 sec)
37 
38 mysql>  select count(*) from s1 where email='[email protected]';
39 +----------+
40 | count(*) |
41 +----------+
42 |        1 |
43 +----------+
44 1 row in set (0.15 sec)
45 
46 mysql>  select count(*) from s1 where id=1000 and email='[email protected]';
47 +----------+
48 | count(*) |
49 +----------+
50 |        0 |
51 +----------+
52 1 row in set (0.00 sec)
53 
54 mysql>  select count(*) from s1 where email='[email protected]' and id=3000;
55 +----------+
56 | count(*) |
57 +----------+
58 |        0 |
59 +----------+
60 1 row in set (0.00 sec)
建聯合索引，最左匹配

索引無法命中的情況需要註意：

- like '%xx'
    select * from tb1 where email like '%cn';
    
- 使用函數
    select * from tb1 where reverse(email) = 'wupeiqi';
    
- or
    select * from tb1 where nid = 1 or name = '[email protected]';
    
    特別的：當or條件中有未建立索引的列才失效，以下會走索引
            select * from tb1 where nid = 1 or name = 'seven';
            select * from tb1 where nid = 1 or name = '[email protected]' and email = 'alex'
            
- 類型不一致
    如果列是字符串類型，傳入條件是必須用引號引起來，不然...
    select * from tb1 where email = 999;
普通索引的不等於不會走索引
- !=
    select * from tb1 where email != 'alex'
    特別的：如果是主鍵，則還是會走索引
        select * from tb1 where nid != 123
- >
    select * from tb1 where email > 'alex'
    
    特別的：如果是主鍵或索引是整數類型，則還是會走索引
        select * from tb1 where nid > 123
        select * from tb1 where num > 123
        
#排序條件為索引，則select字段必須也是索引字段，否則無法命中
- order by
    select name from s1 order by email desc;
    當根據索引排序時候，select查詢的字段如果不是索引，則不走索引
    select email from s1 order by email desc;
    特別的：如果對主鍵排序，則還是走索引：
        select * from tb1 order by nid desc;
- 組合索引最左前綴
    如果組合索引為：(name,email)
    name and email       -- 使用索引
    name                 -- 使用索引
    email                -- 不使用索引

- count(1)或count(列)代替count(*)在mysql中沒有差別瞭
- create index xxxx  on tb(title(19)) #text類型，必須制定長度
- 避免使用select *
- count(1)或count(列) 代替 count(*)
- 創建表時盡量時 char 代替 varchar
- 表的字段順序固定長度的字段優先
- 組合索引代替多個單列索引（經常使用多個條件查詢時）
- 盡量使用短索引
- 使用連接（JOIN）來代替子查詢(Sub-Queries)
- 連表時註意條件類型需一致
- 索引散列值（重復少）不適合建索引，例：性別不適合

七、慢查詢優化的基本步驟

0.先運行看看是否真的很慢，註意設置SQL_NO_CACHE
1.where條件單表查，鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應用到表中返回的記錄數最小的表開始查起，單表每個字段分別查詢，看哪個字段的區分度最高
2.explain查看執行計劃，是否與1預期一致（從鎖定記錄較少的表開始查詢）
3.order by limit 形式的sql語句讓排序的表優先查
4.瞭解業務方使用場景
5.加索引時參照建索引的幾大原則
6.觀察結果，不符合預期繼續從0分析

總結

本篇文章就到這裡瞭，希望能夠給你帶來幫助，也希望您能夠多多關註WalkonNet的更多內容!

推薦閱讀：