通过索引进行优化

1. 索引基本知识

   • 索引的优点

     • 1、大大减少了服务器需要扫描的数据量
     • 2、帮助服务器避免排序和临时表
     • 3、将随机io变成顺序io

   • 索引的用处

     • 1、快速查找匹配WHERE子句的行
     • 2、从consideration中消除行,如果可以在多个索引之间进行选择，mysql通常会使用找到最少行的索引
     • 3、如果表具有多列索引，则优化器可以使用索引的任何最左前缀来查找行
     • 4、当有表连接的时候，从其他表检索行数据
     • 5、查找特定索引列的min或max值
     • 6、如果排序或分组时在可用索引的最左前缀上完成的，则对表进行排序和分组
     • 7、在某些情况下，可以优化查询以检索值而无需查询数据行

   • 索引的分类

     • 主键索引
     • 唯一索引
     • 普通索引
     • 全文索引
     • 组合索引

   • 面试技术名词

     • 回表
     • 覆盖索引
     • 最左匹配
     • 索引下推

   • 索引采用的数据结构

     • 哈希表
     • B+树

   • 索引匹配方式
     create table staffs(
     id int primary key auto_increment,
     name varchar(24) not null default ‘’ comment ‘姓名’,
     age int not null default 0 comment ‘年龄’,
     pos varchar(20) not null default ‘’ comment ‘职位’,
     add_time timestamp not null default current_timestamp comment ‘入职时间’
     ) charset utf8 comment ‘员工记录表’;
     -----------alter table staffs add index idx_nap(name, age, pos);

     • 全值匹配
       • 全值匹配指的是和索引中的所有列进行匹配
       • explain select * from staffs where name = ‘July’ and age = ‘23’ and pos = ‘dev’;
     • 匹配最左前缀
       • 只匹配前面的几列
       • explain select * from staffs where name = ‘July’ and age = ‘23’;
       • explain select * from staffs where name = ‘July’;
     • 匹配列前缀
       • 可以匹配某一列的值的开头部分
       • explain select * from staffs where name like ‘J%’;
       • explain select * from staffs where name like ‘%y’;
     • 匹配范围值
       • 可以查找某一个范围的数据
       • explain select * from staffs where name > ‘Mary’;
     • 精确匹配某一列并范围匹配另外一列
       • 可以查询第一列的全部和第二列的部分
       • explain select * from staffs where name = ‘July’ and age > 25;
     • 只访问索引的查询
       • 查询的时候只需要访问索引，不需要访问数据行，本质上就是覆盖索引
       • explain select name,age,pos from staffs where name = ‘July’ and age = 25 and pos = ‘dev’;
2. 哈希索引

• 基于哈希表的实现，只有精确匹配索引所有列的查询才有效
• 在mysql中，只有memory的存储引擎显式支持哈希索引
• 哈希索引自身只需存储对应的hash值，所以索引的结构十分紧凑，这让哈希索引查找的速度非常快
• 哈希索引的限制
  • 1、哈希索引只包含哈希值和行指针，而不存储字段值，索引不能使用索引中的值来避免读取行
  • 2、哈希索引数据并不是按照索引值顺序存储的，所以无法进行排序
  • 3、哈希索引不支持部分列匹配查找，哈希索引是使用索引列的全部内容来计算哈希值
  • 4、哈希索引支持等值比较查询，也不支持任何范围查询
  • 5、访问哈希索引的数据非常快，除非有很多哈希冲突，当出现哈希冲突的时候，存储引擎必须遍历链表中的所有行指针，逐行进行比较，直到找到所有符合条件的行
  • 6、哈希冲突比较多的话，维护的代价也会很高
• 案例
  • 当需要存储大量的URL，并且根据URL进行搜索查找，如果使用B+树，存储的内容就会很大
    select id from url where url=“”
    也可以利用将url使用CRC32做哈希，可以使用以下查询方式：
    select id fom url where url=“” and url_crc=CRC32(“”)
    此查询性能较高原因是使用体积很小的索引来完成查找

3. 组合索引

• 当包含多个列作为索引，需要注意的是正确的顺序依赖于该索引的查询，同时需要考虑如何更好的满足排序和分组的需要
• 案例，建立组合索引a,b,c
  • 不同SQL语句使用索引情况
  • 

4. 聚簇索引与非聚簇索引

• 聚簇索引
  • 不是单独的索引类型，而是一种数据存储方式，指的是数据行跟相邻的键值紧凑的存储在一起
    • 优点
      • 1、可以把相关数据保存在一起
      • 2、数据访问更快，因为索引和数据保存在同一个树中
      • 3、使用覆盖索引扫描的查询可以直接使用页节点中的主键值
    • 缺点
      • 1、聚簇数据最大限度地提高了IO密集型应用的性能，如果数据全部在内存，那么聚簇索引就没有什么优势
      • 2、插入速度严重依赖于插入顺序，按照主键的顺序插入是最快的方式
      • 3、更新聚簇索引列的代价很高，因为会强制将每个被更新的行移动到新的位置
      • 4、基于聚簇索引的表在插入新行，或者主键被更新导致需要移动行的时候，可能面临页分裂的问题
      • 5、聚簇索引可能导致全表扫描变慢，尤其是行比较稀疏，或者由于页分裂导致数据存储不连续的时候
• 非聚簇索引
  • 数据文件跟索引文件分开存放

5. 覆盖索引

• 基本介绍
  • 1、如果一个索引包含所有需要查询的字段的值，我们称之为覆盖索引
  • 2、不是所有类型的索引都可以称为覆盖索引，覆盖索引必须要存储索引列的值
  • 3、不同的存储实现覆盖索引的方式不同，不是所有的引擎都支持覆盖索引，memory不支持覆盖索引
• 优势
  • 1、索引条目通常远小于数据行大小，如果只需要读取索引，那么mysql就会极大的较少数据访问量
  • 2、因为索引是按照列值顺序存储的，所以对于IO密集型的范围查询会比随机从磁盘读取每一行数据的IO要少的多
  • 3、一些存储引擎如MYISAM在内存中只缓存索引，数据则依赖于操作系统来缓存，因此要访问数据需要一次系统调用，这可能会导致严重的性能问题
  • 4、由于INNODB的聚簇索引，覆盖索引对INNODB表特别有用
• 案例演示

  • 覆盖索引

  • 1、当发起一个被索引覆盖的查询时，在explain的extra列可以看到using index的信息，此时就使用了覆盖索引

mysql> explain select store_id,film_id from inventory\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: inventory
   partitions: NULL
         type: index
possible_keys: NULL
          key: idx_store_id_film_id
      key_len: 3
          ref: NULL
         rows: 4581
     filtered: 100.00
        Extra: Using index
1 row in set, 1 warning (0.01 sec)

• 2、在大多数存储引擎中，覆盖索引只能覆盖那些只访问索引中部分列的查询。不过，可以进一步的进行优化，可以使用innodb的二级索引来覆盖查询。

例如：actor使用innodb存储引擎，并在last_name字段又二级索引，虽然该索引的列不包括主键actor_id，但也能够用于对actor_id做覆盖查询

mysql> explain select actor_id,last_name from actor where last_name='HOPPER'\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: actor
   partitions: NULL
         type: ref
possible_keys: idx_actor_last_name
          key: idx_actor_last_name
      key_len: 137
          ref: const
         rows: 2
     filtered: 100.00
        Extra: Using index
1 row in set, 1 warning (0.00 sec)

6. 优化小细节

• 当使用索引列进行查询的时候尽量不要使用表达式，把计算放到业务层而不是数据库层
• select actor_id from actor where actor_id=4;
• select actor_id from actor where actor_id+1=5;
• 尽量使用主键查询，而不是其他索引，因此主键查询不会触发回表查询
• 使用前缀索引
  • 有时候需要索引很长的字符串，这会让索引变的大且慢，通常情况下可以使用某个列开始的部分字符串，这样大大的节约索引空间，从而提高索引效率，但这会降低索引的选择性，索引的选择性是指不重复的索引值和数据表记录总数的比值，范围从1/#T到1之间。索引的选择性越高则查询效率越高，因为选择性更高的索引可以让mysql在查找的时候过滤掉更多的行。

​ 一般情况下某个列前缀的选择性也是足够高的，足以满足查询的性能，但是对应BLOB,TEXT,VARCHAR类型的列，必须要使用前缀索引，因为mysql不允许索引这些列的完整长度，使用该方法的诀窍在于要选择足够长的前缀以保证较高的选择性，通过又不能太长。

案例演示：

--创建数据表
create table citydemo(city varchar(50) not null);
insert into citydemo(city) select city from city;

--重复执行5次下面的sql语句
insert into citydemo(city) select city from citydemo;

--更新城市表的名称
update citydemo set city=(select city from city order by rand() limit 1);

--查找最常见的城市列表，发现每个值都出现45-65次，
select count(*) as cnt,city from citydemo group by city order by cnt desc limit 10;

--查找最频繁出现的城市前缀，先从3个前缀字母开始，发现比原来出现的次数更多，可以分别截取多个字符查看城市出现的次数
select count(*) as cnt,left(city,3) as pref from citydemo group by pref order by cnt desc limit 10;
select count(*) as cnt,left(city,7) as pref from citydemo group by pref order by cnt desc limit 10;
--此时前缀的选择性接近于完整列的选择性

--还可以通过另外一种方式来计算完整列的选择性，可以看到当前缀长度到达7之后，再增加前缀长度，选择性提升的幅度已经很小了
select count(distinct left(city,3))/count(*) as sel3,
count(distinct left(city,4))/count(*) as sel4,
count(distinct left(city,5))/count(*) as sel5,
count(distinct left(city,6))/count(*) as sel6,
count(distinct left(city,7))/count(*) as sel7,
count(distinct left(city,8))/count(*) as sel8 
from citydemo;

--计算完成之后可以创建前缀索引
alter table citydemo add key(city(7));

--注意：前缀索引是一种能使索引更小更快的有效方法，但是也包含缺点：mysql无法使用前缀索引做order by 和 group by。 

• 使用索引扫描来排序

mysql有两种方式可以生成有序的结果：通过排序操作或者按索引顺序扫描，如果explain出来的type列的值为index,则说明mysql使用了索引扫描来做排序

​ 扫描索引本身是很快的，因为只需要从一条索引记录移动到紧接着的下一条记录。但如果索引不能覆盖查询所需的全部列，那么就不得不每扫描一条索引记录就得回表查询一次对应的行，这基本都是随机IO，因此按索引顺序读取数据的速度通常要比顺序地全表扫描慢

​ mysql可以使用同一个索引即满足排序，又用于查找行，如果可能的话，设计索引时应该尽可能地同时满足这两种任务。

​ 只有当索引的列顺序和order by子句的顺序完全一致，并且所有列的排序方式都一样时，mysql才能够使用索引来对结果进行排序，如果查询需要关联多张表，则只有当orderby子句引用的字段全部为第一张表时，才能使用索引做排序。order by子句和查找型查询的限制是一样的，需要满足索引的最左前缀的要求，否则，mysql都需要执行顺序操作，而无法利用索引排序

--sakila数据库中rental表在rental_date,inventory_id,customer_id上有rental_date的索引
--使用rental_date索引为下面的查询做排序
explain select rental_id,staff_id from rental where rental_date='2005-05-25' order by inventory_id,customer_id\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ref
possible_keys: rental_date
          key: rental_date
      key_len: 5
          ref: const
         rows: 1
     filtered: 100.00
        Extra: Using index condition
1 row in set, 1 warning (0.00 sec)
--order by子句不满足索引的最左前缀的要求，也可以用于查询排序，这是因为所以你的第一列被指定为一个常数

--该查询为索引的第一列提供了常量条件，而使用第二列进行排序，将两个列组合在一起，就形成了索引的最左前缀
explain select rental_id,staff_id from rental where rental_date='2005-05-25' order by inventory_id desc\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ref
possible_keys: rental_date
          key: rental_date
      key_len: 5
          ref: const
         rows: 1
     filtered: 100.00
        Extra: Using where
1 row in set, 1 warning (0.00 sec)

--下面的查询不会利用索引
explain select rental_id,staff_id from rental where rental_date>'2005-05-25' order by rental_date,inventory_id\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ALL
possible_keys: rental_date
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 16005
     filtered: 50.00
        Extra: Using where; Using filesort

--该查询使用了两中不同的排序方向，但是索引列都是正序排序的
explain select rental_id,staff_id from rental where rental_date>'2005-05-25' order by inventory_id desc,customer_id asc\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ALL
possible_keys: rental_date
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 16005
     filtered: 50.00
        Extra: Using where; Using filesort
1 row in set, 1 warning (0.00 sec)

--该查询中引用了一个不再索引中的列
explain select rental_id,staff_id from rental where rental_date>'2005-05-25' order by inventory_id,staff_id\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ALL
possible_keys: rental_date
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 16005
     filtered: 50.00
        Extra: Using where; Using filesort
1 row in set, 1 warning (0.00 sec)

• union all,in,or都能够使用索引，但是推荐使用in
  • explain select * from actor where actor_id = 1 union all select * from actor where actor_id = 2;
  • explain select * from actor where actor_id in (1,2);
  • explain select * from actor where actor_id = 1 or actor_id =2;
• 范围列可以用到索引
  • 范围条件是：<、>
  • 范围列可以用到索引，但是范围列后面的列无法用到索引，索引最多用于一个范围列
• 强制类型转换会全表扫描
  • explain select * from user where phone=13800001234; --不会触发索引
  • explain select * from user where phone=‘13800001234’; --触发索引
• 更新十分频繁，数据区分度不高的字段上不宜建立索引
  • 更新会变更B+树，更新频繁的字段建议索引会大大降低数据库性能
  • 类似于性别这类区分不大的属性，建立索引是没有意义的，不能有效的过滤数据，
  • 一般区分度在80%以上的时候就可以建立索引，区分度可以使用 count(distinct(列名))/count(*) 来计算
• 创建索引的列，不允许为null，可能会得到不符合预期的结果
• 当需要进行表连接的时候，最好不要超过三张表，因为需要join的字段，数据类型必须一致
• 能使用limit的时候尽量使用limit
• 单表索引建议控制在5个以内
• 单索引字段数不允许超过5个（组合索引）
• 创建索引的时候应该避免以下错误概念
  • 索引越多越好
  • 过早优化，在不了解系统的情况下进行优化