MySQL学习（五）—

文章目录

1. 索引介绍
2. 索引结构
- 2.1 索引结构介绍
- 2.2 二叉树
- 2.3 B-Tree
- 2.4 B+Tree
- 2.5 Hash
3. 索引分类
- 3.1 索引分类
- 3.2 聚集索引和二级索引
4 索引语法
- 4.1 语法介绍
- 4.2 数据准备
- 4.3 索引演示
5 SQL 性能优化
- 5.1 执行频率查询
- 5.2 慢查询日志
- 5.3 profile详情
- 5.4 explain
6 索引使用
- 6.1 最左前缀法则
- 6.2 范围查询
- 6.3 索引失效情况
- 6.4 SQL提示
- 6.5 覆盖索引
- 6.6 前缀索引
7. 索引设计原则

1. 索引介绍

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。

比如我们有以下的表和数据：

在这里插入图片描述

假如我们要执行的SQL语句如下：

select * from user where age = 45;

无索引

在不存在索引的时候，其查询如下：

从上面可以看到，这是从第一行扫描到最后一行，然后找到符合条件的行，这样的方式性能很低。
有索引

如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。

假设索引的结构为二叉搜索树，此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

索引的优缺点如下所示：

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

2. 索引结构

2.1 索引结构介绍

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	InnoDB	MyISAM	Memory
B+树索引	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版本后支持	支持	不支持

注意：我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

2.2 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：

在这里插入图片描述

但是，如果主键是顺序插入的，则会形成一个单向链表，结构如下：

在这里插入图片描述

所以，如果选择二叉树作为索引结构，会存在以下缺点：

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。

此时大家可能会想到，我们可以选择红黑树，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的二叉树,结构如下:

在这里插入图片描述

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。

所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree，那么什么是B+Tree呢？在详解B+Tree之前，先来介绍一个B-Tree。

2.3 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。以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针。

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 。其5阶B树的结构构成如下：

在这里插入图片描述

B树特点如下：

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数量到达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。

2.4 B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一下其结构示意图：

在这里插入图片描述

我们同样插入上面的数据100,65,169,368,900,556,780,35,215,1200,234,888,158,90,1000,88,120,268,250来看看5阶B+树的结构，其结构如下：

在这里插入图片描述

最终我们看到，B+Tree 与 B-Tree相比，主要有以下三点区别：

所有的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，具体的数据都是在叶子节点存放的。

上述我们所看到的结构是标准的B+Tree的数据结构，接下来，我们再来看看MySQL中优化之后的B+Tree。

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加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，结构如下：

在这里插入图片描述

2.5 Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型——Hash索引。

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

在这里插入图片描述

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），可以通过链表来解决，这种方法称为拉链法。

在这里插入图片描述

Hash索引特点如下：

Hash索引只能用于对等比较(=, in )，不支持范围查询（between, >, <, ...）
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，效率通常要高于B+tree索引

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。

3. 索引分类

3.1 索引分类

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	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`

3.2 聚集索引和二级索引

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：

在这里插入图片描述

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。

我们以 select * from user where name = 'Arm' 为例，当执行这条语句时，其执行流程如下：

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查找到 Arm 对应的主键值 10。
由于查询返回的数据是*，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。
最终拿到这一行的数据，直接返回即可。

其流程如下所示：

在这里插入图片描述

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。

注意： 该查询流程仅适用于建立了二级索引，即在数据库中对 name 字段建立了索引。

根据上面的流程，我们可以很轻松的判断下面两条语句的执行效率。

# id为主键，name字段创建的有索引；
select * from user where id = 10 ;

select * from user where name = 'Arm' ;

很明显第一条语句的性能更加的高效，因为第一条语句直接走聚集索引，直接返回数据。而第二条语句需要先查询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。

4 索引语法

4.1 语法介绍

索引的一些语法如下：

创建索引

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

查看索引
```
SHOW INDEX FROM table_name ;
```
删除索引
```
DROP INDEX index_name ON table_name ;
```

4.2 数据准备

我们准备的表结构和数据插入如下：

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';
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
                     createtime) VALUES ('吕布', '17799990000', 'lvbu666@163.com', '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', 'caocao666@qq.com', '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', '17799990@139.com', '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', '17799990@sina.com', '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', '19980729@sina.com', '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', 'daqiao666@sina.com', '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', 'luna_love@sina.com', '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', 'chengyaojin@163.com', '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', 'xiaoyu666@qq.com', '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', 'baiqi666@sina.com', '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', 'hanxin520@163.com', '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', 'jingke123@163.com', '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', 'lanlinwang666@126.com', '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', 'kuangtie@sina.com', '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', '84958948374@qq.com', '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', '2783238293@qq.com', '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', 'xiaomin2001@sina.com', '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', '8839434342@qq.com', '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', 'jujiamlm8166@163.com', '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', 'jdodm1h@126.com', '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', 'ycaunanjian@163.com', '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', 'lianpo321@126.com', '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', 'altycj2000@139.com', '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', '37483844@qq.com', '工程造价', 29,
                                         '1', '4', '2003-05-26 00:00:00');

4.3 索引演示

需求： 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);
```
需求： phone手机号字段的值，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);
```

需求： 为profession、age、status创建联合索引。

CREATE INDEX idx_user_pro_age_sta ON tb_user(profession,age,status);

需求： 为email建立合适的索引来提升查询效率。
```
CREATE INDEX idx_email ON tb_user(email);
```

之后，我们使用 show index from tb_user; 查看表的索引如下：

在这里插入图片描述

5 SQL 性能优化

5.1 执行频率查询

MySQL 客户端连接成功后，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_______';

其次数如下：

在这里插入图片描述

Com_delete: 删除次数
Com_insert: 插入次数
Com_select: 查询次数
Com_update: 更新次数

通过查询SQL的执行频次，我们可以知道当前数据库的操作是以查询为主，那么我们可以考虑对其进行索引优化，如果数据库是以增删改为主的，我们可以考虑不对其进行索引的优化。

该数据库以查询为主，我们如果想要对其进行优化的话，那么就该定位针对哪些语句进行优化，我们可以借助于慢查询日志来进行优化。

5.2 慢查询日志

慢查询日志记录了所有执行时间超过指定参数（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，我们可以利用下面的语句查看一下系统变量 slow_query_log，

# 查看慢查询日志是否开启
show variables like 'slow_query_log';

# 查看慢查询日志设定的指定参数的值
show variables like '%long_query_time%';

如果想要设置慢查询日志的阈值时间，使用下述语句：

set global long_query_time = 1;

上面设置后一旦MySQL重新启动则会恢复为默认值，如果想要永久设置，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

常用的针对慢查询日志的命令如下：

# 查看慢查询日志文件名
show variables like 'slow_query_log_file';

# 查看慢查询日志中记录的命令条数
show global status like '%Slow_queries%';

慢查询日志文件一般存储在 /data/Data 路径下，打开就可以进行查看。

5.3 profile详情

show profiles 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：

# 查看当前MySQL是否支持profile操作
SELECT @@have_profiling ;

# 查看profile操作是否打开
SELECT @@profiling ;

# 可以通过set语句在session或者global进行打开
SET profiling = 1;

开关已经打开了，接下来，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。我们直接执行如下的SQL语句：

select * from tb_user;
select * from tb_user where id = 1;
select * from tb_user where name = '白起';
select count(*) from tb_user;

执行一系列的业务SQL的操作，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;

在这里插入图片描述

-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query 162;

在这里插入图片描述

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

在这里插入图片描述

5.4 explain

EXPLAIN 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。

语法如下：

-- 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 ;

比如我们对 select * from tb_user where id=1 使用 Explain 语句结果如下：

在这里插入图片描述

其各个字段的含义如下：

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、al`l 。
`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。

6 索引使用

6.1 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。如果跳跃某一列，索引将会部分失效(后面的字段索引失效)。

以 tb_user 表为例，在之前我们为 tb_user 表的 profession, age, status 创建了一个联合索引，其顺序依次为 profession, age, status 。

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。接下来，我们来演示几组案例，看一下具体的执行计划：

存在最左列
```
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';
```
以上的这三组测试中，我们发现只要联合索引最左边的字段 profession存在，索引就会生效，只不过索引的长度不同。而且由以上三组测试，我们也可以推测出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。
不存在最左列

而当我们执行下面两行代码时，
```
explain select * from tb_user where age = 31 and status = '0';
```
```
explain select * from tb_user where status = '0';
```
而通过上面的这两组测试，我们也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。
存在最左列不存在第三列
```
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，索引满足最左前缀法则的基本条件。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，所以索引的长度就是36。

注意： 最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是第一个字段)必须存在，与我们编写SQL时，条件编写的先后顺序无关。即 explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程'； 也是满足最左前缀法则的。

6.2 范围查询

联合索引中，出现范围查询(>,<)，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';

在这里插入图片描述

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。

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。

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

在这里插入图片描述

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

6.3 索引失效情况

索引列计算

不要在索引列上进行运算操作，否则索引将失效。

在tb_user表中，除了前面介绍的联合索引之外，还有一个索引，是phone字段的单列索引。

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';
```
当根据phone字段进行函数运算操作之后，索引失效。
```
explain select * from tb_user where substring(phone,10,2) = '15';
```
字符串不加引号

当查找的列类型是字符串时，我们测试加引号查询与不加引号查询。
```
explain select * from tb_user where phone = 17799990015;
```
结合上面的加引号的查询我们可以看到，字符串查询如果不加引号，那么查询结果其实时一致的，但是，不加引号时数据库存在隐式类型转换，不会使用索引，索引失效。
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。

接下来，我们来看一下这三条SQL语句的执行效果，查看一下其执行计划：
```
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%';
```
经过上述的测试，我们发现，在like模糊查询中，在关键字后面加%，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。

当我们使用 create index idx_user_1 age on tb_user(age); 语句建立索引后，其语句执行时就可以使用索引了。
数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。比如，下面两句查询语句，只有查询的值不同，可是使用的索引也不相同。
```
explain select * from tb_user where phone >= '17799990005';
explain select * from tb_user where phone >= '17799990015';
```
经过测试我们发现，相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为什么呢？

这是因为MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。因为索引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，则还不如走全表扫描来的快，此时索引就会失效。因此，查询语句是否走索引，得具体情况具体分析，并不是固定的。

6.4 SQL提示

对于 tb_user 这个表，我们把上述的 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;

我们使用 create index idx_user_pro on tb_user(profession); 为表再建立一个 profession 字段的单独索引，再执行下面的SQL语句，

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

在这里插入图片描述

测试结果，我们可以看到，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。

那么，我们能不能在查询的时候，自己来指定使用哪个索引呢？答案是肯定的，此时就可以借助于MySQL的SQL提示来完成。接下来，介绍一下SQL提示。

SQL提示是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。

use index

建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估）。
```
explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';
```

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';

force index

强制使用索引。

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

6.5 覆盖索引

尽量使用覆盖索引，减少select *。那么什么是覆盖索引呢？ 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。

接下来，我们来看一组SQL的执行计划，看看执行计划的差别，然后再来具体做一个解析。

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';

在这里插入图片描述

上述语句唯一不同的就是上面的Extra 的地方，为什么有的是 Using index 有的是 NULL 呢？

Using index 表示查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据。

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。所以当我们查询返回的数据在 id、profession、age、status 之中，则直接走二级索引直接返回数据了。如果超出这个范围，就需要拿到主键id，再去扫描聚集索引，再获取额外的数据了，这个过程就是回表。而我们如果一直使用select * 查询返回所有字段值，很容易就会造成回表查询（除非是根据主键查询，此时只会扫描聚集索引）。

所以，我们可以在对需要查询的列进行联合索引，联合索引的查询流程如下：

在这里插入图片描述

6.6 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。

语法如下：

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

代码演示：

# 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));

**判断索引长度的好坏：**可以根据索引的选择性来决定，而选择性是指不重复的索引值（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 substring(email,1,5)) / count(*) from tb_user ;

像上面我们依靠email字段前5位来建立索引，其唯一索引的选择性为 $0.9583$ ，算是不错的性能了。

前缀索引的查询与列索引的查询流程一样的，唯一不同的是，其存储的索引是前面几位，而非全部。

在这里插入图片描述

7. 索引设计原则

针对于数据量较大，且查询比较频繁的表建立索引。
针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引。
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。
如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
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，避免回表，提高查询效率。
要控制索引的数量，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。
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，它可以更好地确定哪个索引最有效地用于查询。