一、索引概述

1.1、概述

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。

1.2、演示

表结构及其数据如下：

假如我们要执行的SQL语句为： select * from user where age = 45;

1.2.1、无索引情况

在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为全表扫描，性能很低。

1.2.2、有索引情况

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。

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。

备注：这里我们只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，后面会详细介绍。

1.3、特点

二、索引结构

2.1、概述

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：

2.2、不同存储引擎对索引结构的支持

注意事项：我们平常所说的索引，如果没有特别指明，都是指B+树结构的索引。

2.3、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：

如果主键是顺序插入的，则会形成一个单向链表，结构如下：

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 :

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。

2.4、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：

可视化网站

https://www.cs.usfca.edu/~galles/visualization/BTree.html

# 测试数据
100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250

特点

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。

2.5、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：

绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

可视化网站

https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

# 测试数据
100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88
120 268 250

2.6、B+Tree和B-Tree的区别

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。

2.7、Hash

MySQL 中除了支持 B+Tree 索引，还支持一种索引类型， Hash 索引。

结构：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。

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。

特点
- 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
存储引擎支持

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。

2.8、思考题：为什么InnoDB的存储引擎选择使用B+Tree索引结构？

相对于二叉树，层级更少，搜索效率高；
对于 B-Tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
相对 Hash 索引， B+Tree 支持范围匹配及排序操作；

三、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。

3.2、聚集索引 & 二级索引

在 InnoDB 存储引擎中，根据索引的存储形式，可以分为以下两种：

3.2.1、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；

3.2.2、聚集索引和二级索引的具体结构

结论

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;

3.2.3、具体SQL的执行过程

具体过程：

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

3.2.4、回表查询

类似于3.2.3中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。

四、索引语法

4.1、创建索引

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

4.2、查看索引

SHOW INDEX FROM table_name ;

4.3、删除索引

DROP INDEX index_name ON table_name ;

4.4、案例演示

4.4.1、初始表tb_user

use itheima;
drop table if exists tb_user;
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');

4.4.2、案例一：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);

4.4.2、案例二：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);

4.4.3、案例三：为profession、age、status创建联合索引

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

4.4.4、案例四：为email建立合适的索引来提升查询效率

CREATE INDEX idx_email ON tb_user(email);

4.4.5、案例五、查看tb_user表的所有索引

show index from tb_user;

五、SQL性能分析

5.1、SQL执行频率

# 查看数据库的INSERT、UPDATE、DELETE、SELECT执行频率
-- session 是查看当前会话 ;
-- global 是查询全局数据 ;

SHOW GLOBAL STATUS LIKE 'Com_______';

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

通过上述指令，我们可以查看到当前数据库到底是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。如果是以增删改为主，我们可以考虑不对其进行索引的优化。如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

5.2、百万级别数据导入

5.2.0、readme

由于1000w的数据量较大 , 如果直接加载1000w , 会非常耗费CPU及内存 ;已经拆分为5个部分 , 每一个部分为200w数据 , load 5次即可 ;

5.2.1、建表语句

drop table if exists `tb_sku`;
CREATE TABLE `tb_sku` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '商品id',
  `sn` varchar(100) NOT NULL COMMENT '商品条码',
  `name` varchar(200) NOT NULL COMMENT 'SKU名称',
  `price` int(20) NOT NULL COMMENT '价格（分）',
  `num` int(10) NOT NULL COMMENT '库存数量',
  `alert_num` int(11) DEFAULT NULL COMMENT '库存预警数量',
  `image` varchar(200) DEFAULT NULL COMMENT '商品图片',
  `images` varchar(2000) DEFAULT NULL COMMENT '商品图片列表',
  `weight` int(11) DEFAULT NULL COMMENT '重量（克）',
  `create_time` datetime DEFAULT NULL COMMENT '创建时间',
  `update_time` datetime DEFAULT NULL COMMENT '更新时间',
  `category_name` varchar(200) DEFAULT NULL COMMENT '类目名称',
  `brand_name` varchar(100) DEFAULT NULL COMMENT '品牌名称',
  `spec` varchar(200) DEFAULT NULL COMMENT '规格',
  `sale_num` int(11) DEFAULT '0' COMMENT '销量',
  `comment_num` int(11) DEFAULT '0' COMMENT '评论数',
  `status` char(1) DEFAULT '1' COMMENT '商品状态 1-正常，2-下架，3-删除',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='商品表';

5.2.2、查询 local_infile 的默认配置

SHOW GLOBAL VARIABLES LIKE 'local_infile';

5.2.3、开启 local_infile 配置

SET GLOBAL local_infile = true;

5.2.4、退出并重新登录

mysql --local-infile=1 -uroot -p123456

5.2.5、再次查询 local_infile 配置

SHOW GLOBAL VARIABLES LIKE 'local_infile';

5.2.6、执行导入指令

load data local infile 'D:/temp/tb_sku1.sql' into table `tb_sku` fields terminated by ',' lines terminated by '\n';
load data local infile 'D:/temp/tb_sku2.sql' into table `tb_sku` fields terminated by ',' lines terminated by '\n';
load data local infile 'D:/temp/tb_sku3.sql' into table `tb_sku` fields terminated by ',' lines terminated by '\n';
load data local infile 'D:/temp/tb_sku4.sql' into table `tb_sku` fields terminated by ',' lines terminated by '\n';
load data local infile 'D:/temp/tb_sku5.sql' into table `tb_sku` fields terminated by ',' lines terminated by '\n';

5.2.7、sql脚本

链接：https://pan.baidu.com/s/1y7t6Ztq5Z6pz8q0hhN9jPA?pwd=yyds 
提取码：yyds

5.3、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，我们可以查看一下系统变量 slow_query_log，对应的sql：show variables like '%slow_query_log%'。

5.2.1、Windows开启慢查询日志

#1、 查询datadir的位置show variables like 'datadir';

#2、在datadir找到my.ini文件,修改如下内容
    slow-query-log=1 # 开启MySQL慢日志查询开关
    long_query_time=2 # 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

#3、重启mysql服务

5.2.2、Linux开启慢查询日志

# 1、修改/etc/my.cnf

# 2、修改内容如下
    slow_query_log=1     # 开启MySQL慢日志查询开关
    long_query_time=2    # 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

# 3、配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息
/var/lib/mysql/${hostname}-slow.log

systemctl restart mysqld

5.3.4、测试

执行如下sql，观察结果

select * from tb_user; -- 这条SQL执行效率比较高, 执行耗时 0.00sec
select count(*) from tb_sku; -- 由于tb_sku表中, 预先存入了1000w的记录, count一次,耗时
8.32sec

检查慢查询日志

最终我们发现，在慢查询日志中，只会记录执行时间超多我们预设时间（ 2s ）的sql，执行较快的sql是不会记录的。
Windows中的日志：C:\ProgramData\MySQL\MySQL Server 8.0\Data\${name}-slow.log

Linux中的日志位置：/var/lib/mysql/${hostname}-slow.log
执行的指令：tail -f centos71-slow.log

通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化

5.4、profile详情

5.4.1、概述

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。

5.4.2、查看当前MySQL是否支持profile操作

select @@have_profiling;

5.4.2、查看profile是否处于开启状态

 select @@profiling;

5.4.3、开启profile

SET [global|session] profiling = 1;

5.4.4、profile已开启，下面执行的sql都会被记录

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

5.4.5、查看指令的执行耗时

查看每一条 SQL 的耗时基本情况
```
show profiles;
```

查看指定 query_id 的 SQL 语句各个阶段的耗时情况

# 语法
show profile for query query_id;

# 案例
show profile for query 4;

查看指定 query_id 的 SQL 语句 CPU 的使用情况

# 语法：
show profile cpu for query query_id;

# 案例：
show profile cpu for query 4;

5.5、explain

EXPLAIN 或者 DESC 命令用于获取 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。

5.5.1、语法

-- 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 ;

5.5.2、explain各个字段的含义

六、索引使用

6.1、验证索引效率

6.1.1、未使用索引执行count(*），观察执行结果

select count(*) from tb_sku;

6.1.2、根据id查询，id有主键，观察执行结果

select * from tb_sku where id = 1\G;

结果：可以看到即使有1000w的数据,根据id进行数据查询,性能依然很快，因为主键id是有索引的。

6.1.3、根据 sn 字段进行查询（sn字段无索引）

SELECT * FROM tb_sku WHERE sn = '100000003145001'\G;

结果：到根据sn字段进行查询，查询返回了一条数据，结果耗时 20.78sec，就是因为sn没有索引，而造成查询效率很低

6.1.4、根据 sn 字段进行查询（sn字段有索引）

# 在sn字段建立索引
create index idx_sku_sn on tb_sku(sn) ;

SELECT * FROM tb_sku WHERE sn = '100000003145001'\G;

6.2、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 ) 。

6.2.1、当前tb_user表中的所有索引

show index from tb_user;

在 tb_user 表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为： profession ， age， status。对于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。

6.2.2、案例1（满足最左前缀法则）

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47、age字段索引长度为2、status字段索引长度为5。

6.2.3、案例2（不满足最左前缀法则）

explain select * from tb_user where age = 31 and status = '0';
explain select * from tb_user where status = '0';

通过上面的这两组测试，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。

6.2.4、案例3（满足最左前缀法则，跳过中间字段）

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47 。

6.2.5、思考题

当执行SQL 语句 : explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程 '; 时，是否满足最左前缀法则，走不走

上述的联合索引，索引长度？

可以看到，是完全满足最左前缀法则的，索引长度54，联合索引是生效的。

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。

6.3、范围查询

6.3.1、（>,<）

联合索引中，出现范围查询 (>,<) ，范围查询右侧的列索引将失效。

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

当范围查询使用 > 或 < 时，走联合索引了，但是索引的长度为 49 ，就说明范围查询右边的 status 字段是没有走索引的。

6.3.2、（>=,<=）

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

当范围查询使用>= 或 <= 时，走联合索引了，但是索引的长度为54，就说明所有的字段都是走索引的。

6.3.3、结论

所以，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 <

6.4、索引失效情况

6.4.1、索引列运算

不要在索引列上进行运算操作，否则索引将失效。当前tb_user表中的索引情况。

show index from tb_user;

根据phone字段进行等值查询（索引生效）

explain select * from tb_user where phone = '17799990015';

根据phone字段进行函数运算（索引失效）

explain select * from tb_user where substring(phone,10,2) = '15';

6.4.2、字符串不加引号

字符串类型字段使用时，不加引号，索引将失效。

当前tb_user的表结构

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 and status = 0;
explain select * from tb_user where phone = '17799990015';
explain select * from tb_user where phone = 17799990015;

经过上面两组示例，我们会明显的发现，如果字符串不加单引号，对于查询结果，没什么影响，但是数据库存在隐式类型转换，索引将失效。

6.4.3、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。

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。

6.4.4、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。

当前tb_user表中的索引情况

explain select * from tb_user where id = 10 or age = 23;
explain select * from tb_user where phone = '17799990017' or age = 23;
explain select * from tb_user where id = 10 or phone = '17799990017';

针对age字段建立索引后，再次执行上述SQL

create index idx_user_age on tb_user(age);

show index from tb_user;

总结：当or连接的条件，左右两侧字段都有索引时，索引才会生效。

6.4.5、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。

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？就是因为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。

验证 is null 与 is not null 操作是否走索引

explain select * from tb_user where profession is null;
explain select * from tb_user where profession is not null;

将tb_user表的profession字段全部置为null，再次执行上述SQL，观察结果

update tb_user set profession = null;

最终我们看到，一模一样的SQL语句，先后执行了两次，结果查询计划是不一样的，为什么会出现这种现象呢，这是和数据库的数据分布有关系。查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引走全表扫描。因此，is null 、is not null是否走索引，得具体情况具体分析，并不是固定的。

6.5、SQL提示

6.5.1、当前tb_user表的数据情况及索引情况

6.5.2、删除索引 idx_email 和 idx_user_age

drop index idx_user_age on tb_user;
drop index idx_email on tb_user;

6.5.3、创建profession的单列索引，执行查询观察结果

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

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。

6.5.4、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';

6.5.5、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';

6.5.6、force index

强制使用索引。

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

6.6、覆盖索引

6.6.1、概述

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。

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';

从上述的执行计划我们可以看到，这四条SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。但是此时，我们主要关注的是后面的Extra，前面两天SQL的结果为 Using where; Using Index ; 而后面两条SQL的结果为: Using index condition。

因为，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）。

6.6.2、覆盖索引 & 回表查询

A、表结构及其示意图

id是主键，是一个聚集索引。 name字段建立了普通索引，是一个二级索引（辅助索引）

B、执行SQL : select * from tb_user where id = 2;

根据 id 查询，直接走聚集索引查询，一次索引扫描，直接返回数据，性能高。

C、执行SQL：selet id,name from tb_user where name = 'Arm';

虽然是根据name 字段查询，查询二级索引，但是由于查询返回的字段为 id ， name ，在 name 的二级索引中，这两个值都是可以直接获取到的，因为覆盖索引，所以不需要回表查询，性能高。

D、执行SQL：selet id,name,gender from tb_user where name = 'Arm';

由于在 name 的二级索引中，不包含 gender ，所以，需要两次索引扫描，也就是需要回表查询，性能相对较差一点。

6.6.3、思考

一张表, 有四个字段 (id, username, password, status), 由于数据量大 , 需要对以下SQL 语句进行优化 , 该如何进行才是最优方案 :

select id,username,password from tb_user where username = 'itcast';

6.7、前缀索引

6.7.1、概述

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，查询时将浪费大量的磁盘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。

6.7.2、语法

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

示例：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));

6.7.3、前缀长度

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 email) / count(*) from tb_user ;
select count(distinct substring(email,1,5)) / count(*) from tb_user ;

6.7.4、前缀索引的查询流程

6.8、单列索引与联合索引

6.8.1、概述

单列索引：即一个索引只包含单个列。

联合索引：即一个索引包含了多个列。

6.8.2、当前tb_user表的索引情况

show index from tb_user;

在查询出来的索引中，既有单列索引，又有联合索引。接下来执行一条SQL语句，看看其执行计划

explain select id,phone,name from tb_user where phone = '17799990010' and name = '韩信';

分析：通过上述执行计划可以看出来，在and连接的两个字段 phone、name上都是有单列索引的，但是最终mysql只会选择一个索引，也就是说，只能走一个字段的索引，此时是会回表查询的，效率不是最高。

在tb_user表中创建phone和name的联合索引后，再次执行上述SQL，观察结果：

create unique index idx_user_phone_name on tb_user(phone,name);

在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。

6.8.3、联合索引执行示意图

七、索引设计原则

1）、针对于数据量较大，且查询比较频繁的表建立索引。

2）、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。

3）、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。

4）、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。

5）、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。

6）、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。

7）、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。

系列七、索引