MySQL数据库入门2.0
- MySQL进阶篇
- 1. MySQL体系结构
- 2. 存储引擎
- 2.1 InnoDB 存储引擎
- 2.2 MyISAM 存储引擎
- 2.3 Memory 存储引擎
- 2.4 存储引擎选择
- 2.5 MySQL安装Linux版本
- 3. 索引
- 3.1 索引结构
- 3.1.1 B tree
- 3.1.2 B+ tree
- 3.1.3 Hash
- 3.2 索引分类
- 3.2.1 思考题
- 3.3 索引语法
- 3.4 SQL性能分析
- 3.4.1 SQL的执行频率
- 3.4.2 慢查询日志
- 3.4.3 show profiles
- 3.4.4 explain执行计划
- 3.5 索引使用
- 3.5.1 验证索引效率
- 3.5.2 最左前缀法则
- 3.5.3 索引失效的情况
- 3.5.3 - I 情况一
- 3.5.3 - II 情况二
- 3.5.4 SQL提示
- 3.5.5 覆盖索引 & 回表查询
- 3.5.6 前缀索引
- 3.5.7 单列 & 联合索引
- 3.6 索引设计原则
- 3.7 小结
- 4. SQL优化
- 4.1 插入数据 insert优化
- 4.2 主键优化
- 4.3 order by优化
- 4.4 group by优化
- 4.5 limit优化
- 4.6 count优化
- 4.7 update优化
MySQL进阶篇
1. MySQL体系结构
- 连接层
最上层是一些客户端和链接服务，主要完成一些类似于连接处理、授权认证、及相关的安全方案。服务器也会为安全接入的每个客户端验证它所具有的操作权限。 - 服务层
第二层架构主要完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如过程、函数等。 - 引擎层
存储引擎真正的负责了MySQL中数据的存储和提取，服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能，这样我们可以根据自己的需要，来选取合适的存储引擎。 - 存储层
主要是将数据存储在文件系统之上，并完成与存储引擎的交互。
2. 存储引擎
其实很多名词，把他们拆开的意思组合起来，就可以大致明白组合成的名词是什么意思。就拿存储引擎来说，存储在计算机中的意思是将数据保存到某种介质中，并且保证数据的正常访问。而引擎的是指发动机的核心。
组合起来的意思大致是保存数据的核心技术，也就是说，存储引擎是服务于存储服务的，通过存储引擎将数据保存。就跟计算机如何将数据保存到磁盘中一样，在数据库中，存储引擎的意思就是通过何种引擎将数据存储在磁盘中。
存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可被称为表类型。
- 在创建表的时候，指定存储引擎
CREATE TABLE 表名（
字段1 字段1类型[COMMENT 字段1注释]，
……
字段n 字段n类型[COMMENT 字段n注释]
）ENGINE = INNODB [COMMENT 表注释];
- 查看当前数据库支持的存储引擎
SHOW ENGINES;
例子：
1、
show engines;
2、
create table my_myisname(
id int ,
name varchar(10)
)engine = MyISAM;
选择然后Go to DDL，查看
2.1 InnoDB 存储引擎
InnoDB是一种兼顾搞可靠性和高性能的通用存储引擎，在MySQL5.5之后，InnoDB是默认的存储引擎
特点：
- DML操作遵守ACID模型，支持
事务； 行级锁，提高并发访问性能；- 支持
外键FOREIGN KEY 约束，保证数据的完整性和正确性
文件：
XXX.ibd：XXX代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的结构（frm、sdi）、数据和索引
参数：innodb_file_per_table
比如：
show variables like 'innodb_file_per_table';
可见该表是打开着的，每一张表都对应着一个表空间
注意：查看ProgramData的时候如果一开始没有，打开显示隐藏文件就行
不能直接点击去看，因为其是二进制文件
打开cmd，输入ibd2sdi account.ibd
InnoDB 的逻辑存储结构：
相当于图书馆->书架->书本->书页->一行字->一个字
- 一个Extent（区）的大小固定为 1M
- 一个 Page（页）的大小固定为 16K
- 一个区包含64个页
2.2 MyISAM 存储引擎
MyISAM是MySQL早期的默认存储引擎
特点：
- 不支持事务，不支持外键
- 支持表锁，不支持行锁
- 访问速度快
文件：
- xxx.sdi：存储表结构信息
- xxx.MYD：存储数据
- xxx.MYI：存储索引
例如：
用notepad++打开sdi文件，负责立马的数据，再用浏览器打开json.cn显示
2.3 Memory 存储引擎
Memory引擎的表数据时存储再内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时或缓存使用
特点：
- 内存存放
- hash索引（默认）
文件：
xxx.sdi：存储表结构信息
存储引擎的区别：
2.4 存储引擎选择
在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合
-
InnODB:是Mysql的默认存储引擎，
支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择 -
MyISAM:如果应用是以
读操作和插入操作为主，只有很少的更新和删除操作，并且对事务的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的。比如：业务系统当中的日志相关数据、电商当中的足迹、评论的相关数据等 -
MEMORY:将所有数据保存在内存中，
访问速度快，通常用于临时表及缓存。MEMORV的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性
小结：
2.5 MySQL安装Linux版本
学习linux操作
看黑马MySQL p65
注意：
如果没有连接失败了，那么就在虚拟机端口里面输入
systemctl stop firewalld，之后出现弹窗输入虚拟机的密码即可关闭防火墙
3. 索引
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点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
- 演示
备注：上述二叉树索引结构的只是一个示意图，并不是真实的索引结构
| 优势 | 劣势 |
|---|---|
| 提高数据索引的效率，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列，减低数据排列的成本，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 |
3.1 索引结构
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结构，主要包含以下几种：
| 索引结构 | 描述 |
|---|---|
| B+Tree索引 | 最常见的索引类型，大部分引擎都支持B+树索引 |
| Hash索引 | 底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询 |
| R-tree（空间索引） | 空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少 |
| Full-text（全文索引） | 是一种通过建立倒排索引，快速匹配文档的方式。类似于Lucenne，Solr，ES |
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
3.1.1 B tree
二叉数 与 红黑树:
- B-Tree（多路平衡查找树）
以一颗最大度数〈max-degree)为5(5阶)的b-tree为例(每个节点最多存储4个key，5个指针):
例如：这里树的根节点有4个key，分别是20，30，62，89，那么，小于20的数据就会指向一个子节点，同理，20-30，30-62，62-89，大于89也都会分别指向不同的子节点
数据结构可视化的网址 Data Structure Visualizations
- b-tree的生成：
先往树里插入数据，例如上面的最大度数为5的b-tree树，当往一个节点插入4个数据（key）时，此时这个节点就已经满了，再插入数据就会进行裂变，会进行一个中间元素向上裂变的过程
例如：四个key
- 再往里插入1200，违背5阶了，中间就发生裂变
0345就会变成中间元素，它就会向上分裂
插入元素超过最大度数的限制时会再次向上分裂，会把中间元素放到最上面的节点中
- 输入1234，1500，1000后，当前节点的元素变成了五个（0899 1000 1200 1234 1500），有六个指针违背了五阶
中间元素会向上分裂，1200就到了上面的节点
- 经过一系列插入
再插入2456跟1567相比大，走右侧指针，然后又比2000还大，有了5个元素（1800 1888 1980 2000 2456），在该节点6个指针违背五阶，中间元素1980向上分裂，又违背5阶便再次分裂
3.1.2 B+ tree
B+tree是B树的变种
以一个最大度数为4的B+tree为例
B+tree的特点:
- 所有的元素都会出现在叶子节点
- 上面的非叶子节点主要起到索引的作用
- 在B+tree中，所有的叶子节点形成了一张单向链表
- 数据都存放在叶子节点
B+tree的生成：
和btree类似，也是超出范围（最大度数）后中间元素向上分裂，但是，不同的地方在于，B+tree向上分裂的同时，会把中间元素留在下面（留在叶子节点），同时叶子节点形成链表，向上分裂时，叶子节点以向上的元素为分裂点进行分裂
以一颗最大度数为5的B+tree为例：
- 当key=4时
- 当key>4时
在上面的图中插入2345，就会变成下面的样子
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
说到页就要指针inodb的逻辑存储结构：表空间、段、区、页、行，而且一个页大小在innodb当中默认是16k
3.1.3 Hash
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，然后储存在hash表中
如果两个（或多个）键值，映射到一个相同的槽位上，他们就形成了hash冲突（也成为hash碰撞），可以通过链表来解决
hash索引的特点：
- 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
- 查询效率搞，通常只需要以此检索就可以了，效率通常要高于b+tree索引（要在不出现hash碰撞的情况下）
思考题：
为什么InnoDB储存引擎选择使用B+tree索引结构？
- 相对于二叉树，层级更少，查询效率搞；
- 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，只能增加数的高度，导致性能降低
- 先对于hash索引，B+tree支持范围匹配度及排序操作
3.2 索引分类
| 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 | 可以有多个 | UNIQUE |
| 常规索引 | 快速定位特点数据 | 可以有多个 | |
| 全文索引 | 全文索引查找的是文本中的关键字，而不是比较索引中的值 | 可以有多个 | FULLTEXT |
- 在InnoDB中，根据索引的存储形式，又可以分为以下两种
| 特点 | 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
例子：
这里id为主键，所以id就是聚集索引，id形成的聚集索引就是上图的第一个B+tree结构，叶子节点存储的就是id所对应的那一行的数据，例如，id=5的叶子节点对应的就是第一行的数据，
第二个B+tree结构对应的就是二级索引，二级索引的叶子节点所对应的数据就是主键值
如果查询时不是通过主键查询，那么就会先走二级索引查到对应的主键值，再通过对应的主键值在聚集索引中查找到对应的行元素这个过程就叫作回表查询
3.2.1 思考题
第一个执行效率高，因为他直接通过主键查找元素，
直接使用聚集索引查找数据，而第二条要先在二级索引找到对应的id值，再通过id值在聚集索引中查找对应的数据（回表查询）
同理，三层就会有1171*16kb=21939856kb的存储空间
3.3 索引语法
- 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;
案例：
表详情：
mysql> select *from tb_user_s1;
+----+-----------+-------------+---------------+-----------------+------+--------+--------+---------------------+
| id | name | phone | email | profession | age | gender | status | createtime |
+----+-----------+-------------+---------------+-----------------+------+--------+--------+---------------------+
| 1 | 鲁班 | 12345678910 | 123@qq.com | 软件工程 | 22 | 1 | 3 | 2012-02-01 00:00:00 |
| 2 | 华佗 | 12645678910 | 12@qq.com | 互联网工程 | 22 | 1 | 3 | 2012-02-02 00:00:00 |
| 3 | 张飞 | 12343678910 | 1@qq.com | 土木工程 | 22 | 1 | 3 | 2012-02-03 00:00:00 |
| 4 | 关羽 | 12345678910 | 13@qq.com | 计算机 | 22 | 1 | 3 | 2012-02-04 00:00:00 |
| 5 | 刘备 | 12315678910 | 23@qq.com | 软件工程 | 22 | 1 | 3 | 2012-02-11 00:00:00 |
| 6 | 猴子 | 12342678910 | 1234@qq.com | 化学工程 | 22 | 1 | 3 | 2012-02-21 00:00:00 |
| 7 | 压缩 | 12345678910 | 1223@qq.com | 通讯工程 | 22 | 1 | 3 | 2012-02-06 00:00:00 |
| 8 | 剑圣 | 12345678610 | 1123@qq.com | 软件工程 | 22 | 1 | 3 | 2012-02-12 00:00:00 |
| 9 | 刀妹 | 12345698910 | 12344@qq.com | 国际贸易 | 22 | 1 | 3 | 2012-02-15 00:00:00 |
| 10 | 小法师 | 12245678910 | 13235@qq.com | 软件工程 | 22 | 1 | 3 | 2012-02-09 00:00:00 |
| 11 | 佐伊 | 12345678910 | 12213@qq.com | 园林工程 | 22 | 1 | 3 | 2012-02-11 00:00:00 |
| 12 | 狼人 | 12345658910 | 124653@qq.com | 软件工程 | 22 | 1 | 3 | 2012-02-21 00:00:00 |
| 13 | 男刀 | 12385678910 | 12203@qq.com | 软件工程 | 22 | 1 | 3 | 2012-02-11 00:00:00 |
| 14 | vn | 32345678910 | 12398@qq.com | 人工智能 | 22 | 1 | 3 | 2012-02-21 00:00:00 |
| 15 | 卡沙 | 12325678910 | 12013@qq.com | 应用数学 | 22 | 1 | 3 | 2012-02-21 00:00:00 |
| 16 | 烬 | 12345378910 | 12023@qq.com | 物理 | 22 | 1 | 3 | 2012-02-19 00:00:00 |
+----+-----------+-------------+---------------+-----------------+------+--------+--------+---------------------+
16 rows in set (0.00 sec)
索引的名称：一般为idx_表名_字段名
-- 1.
create idnex idx_user_name on tb_user_s1(name);
-- 2.
create unique index idx_user_phone on tb_user_s1(phone);
-- 3. 创建联合索引的顺序是有讲究的
create idnex idx_user_pro_age_sta on tb_user_s1(profession,age,status);
-- 4.删除索引
create index idx_user_emaill on tb_user_s1(email);
drop index idx_user_email on tb_user_s1;
3.4 SQL性能分析
3.4.1 SQL的执行频率
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
SHOW GLOBAL STATUS LIKE 'Com_______';
例子：
3.4.2 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，需要MySQL的配置文件（/etc/my.cnf）中配置：
# 开启MySQL慢日志查询开关
slow_query_log = 1
# 设置日志的时间为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
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/localhost-slow.log
vi /etc/my.cnf切换，然后按G切换到最后操作慢查询日志
退出后重启systemctl restart mysqld，可见开关打开了
-- 先用cd切换到这个目录下
cd /var/lib/mysql
-- 然后执行下面这条语句就可以实时查看慢查询日志，
-- 只要有执行时间超过指定时间的，都会被慢查询日志记录
tail -f localhost-slow.log
3.4.3 show profiles
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：
SELECT @@have_profiling;
可见支持
默认profiling是关闭的，可以通过set语句在session/global级别开启profiling;
SET profiling = 1;
查看一下，0可见没有开启
开启
- profile详情：
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；
#1.查看每一条SQL的耗时基本情况
show profiles;
#2.查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;
#3.查看指定query_id的语句CPU的使用情况
show profile cpu for query query_id;
例子：
1.
2.
3.
3.4.4 explain执行计划
通过explain或者desc命令可以获取mysql如何执行select语句的信息，包括select语句执行过程中表如何连接和连接的顺序
语法：
#直接在select语句之前加上关键字explain/desc
EXPLAN SELECT 字段列表 FROM 表名 WHERE 条件;
- explain执行计划
EXPLAIN 执行计划哥字段含义：
- 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）
课程表
学生表
课程与学生之间的关系
查看每一个学生的选课情况
select s.*,c.* from student s,coures c,student_course sc where s.id = sc.studentid and o.id = sc.course;
查看执行计划，只需在这个执行语句前加explain：
explain select s.*,c.* from student s,coures c,student_course sc where s.id = sc.studentid and o.id = sc.course;
下图中sql的执行顺序就是c-》sc-》< subquery2 >-》s
-
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（比较重要）
表示连接类型，性能好到差的连接类型为NULL、system、const、eq_ref、ref、range、index、all（全表扫描性能会比较低） -
possible_key
显示可能应用于这张表上的索引，一个或多个
5.Key（主要关注的字段）
实际用到的索引，如果为NULL，则就没有使用索引
6.Key_len（主要关注的字段）
表示索引使用的字节数，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
7.rows
MySQL认为必须要执行查询的行数，在InnoDB中，是一个估计值，可能并不总是准确的
8.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
9.Extra（主要关注的字段）
额外信息
3.5 索引使用
3.5.1 验证索引效率
- 验证索引效率
在未建立索引之前，执行如下SQL语句，查看SQL的耗时
例如：
SELECT*FROM tb_sku WHERE sn = '100000003145001';
一条数据的查询耗时了21秒的时间，这个性能极低
为什么性能极低呢？
由于id是主键，主键默认的是由主键索引的
- 针对字段创建索引
例如：
create index indx_sku_sn on tb_sky(sn);
可见构建这1000万的数据b+tree花费了1分多钟的时间
- 然后再执行相同的SQL语句，再次查看SQL的耗时
SELECT*FROM tb_sky WHERE sn = '100000003145001';
这次查询0.01秒，比上次效率提高
用到了索引
3.5.2 最左前缀法则
如果一个索引关联了多个字段（联合索引），在使用时就要遵循最左前缀法则，
最左前缀法则：查询从索引的最左列开始，如果没有最左边的列，那么就不能使用索引查询，如果存在最左边的列，但是查询时查询条件跳过了索引中的某一列，那么索引将部分失效（最左边列之后的索引都会失效）
例如:
-- 可以使用索引查询，因为最左边的索引存在且没有跳过任何一个列
-- 这里这三个条件的位置可以改变，不会影响，但是最左的字段必须存在
explain select *from tb_user_s1
where profession='软件工程' and age=22 and status='3';
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------------------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------------------+------+----------+-----------------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ref | idx_user_pro_age_status | idx_user_pro_age_status | 73 | const,const,const | 6 | 100.00 | Using index condition |
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------------------+------+----------+-----------------------+
1 row in set, 1 warning (0.01 sec)
-- possible_keys显示可能使用的索引
-- key显示实际使用的索引
-- key_len 显示索引使用的字节数
-- 不能使用索引查询，因为在联合索引中间age没有查询，所以查询时不能使用索引
mysql> explain select *from tb_user_s1 where age=22 and status='3'
+----+-------------+------------+------------+------+---------------+------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+---------------+------+---------+------+------+----------+-------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ALL | NULL | NULL | NULL | NULL | 16 | 6.25 | Using where |
+----+-------------+------------+------------+------+---------------+------+---------+------+------+----------+-------------+
1 row in set, 1 warning (0.00 sec)
-- 这里最左边列一旦没有出现，之后的索引就全部失效了
-- 使用的查询方式是全部遍历
mysql> explain select *from tb_user_s1 where profession='软件工程' and status='3';
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------+------+----------+-----------------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ref | idx_user_pro_age_status | idx_user_pro_age_status | 63 | const | 6 | 10.00 | Using index condition |
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------+------+----------+-----------------------+
1 row in set, 1 warning (0.00 sec)
-- 索引当中最左边的字段存在就可以了，跟所放的位置无关
- 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败
-- 这里age后的status索引会失效
-- 使用>=不会失效，只有使用>或<时才会失效
mysql> explain select *from tb_user_s1 where profession='软件工程' and age>20 and status='3';
+----+-------------+------------+------------+-------+-------------------------+-------------------------+---------+------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+-------+-------------------------+-------------------------+---------+------+------+----------+-----------------------+
| 1 | SIMPLE | tb_user_s1 | NULL | range | idx_user_pro_age_status | idx_user_pro_age_status | 68 | NULL | 6 | 10.00 | Using index condition |
+----+-------------+------------+------------+-------+-------------------------+-------------------------+---------+------+------+----------+-----------------------+
1 row in set, 1 warning (0.00 sec)
3.5.3 索引失效的情况
3.5.3 - I 情况一
- 索引列运算
表数据查询在使用索引时，每个字段的索引是单独生效的
不要在索引列上进行运算操作，否则索引将会失效
select *from tb_user_s1 where substring(phone,10,2);
-- 这里就使用了substring进行函数运算，
-- 在查询时就没有使用索引，而是全表扫描，性能降低
- 字符串不加引号
在查询字符串类型的数据时，sql语句where后的字符串在查询时没有加单引号，那么索引就会失效，在查询时就没有使用索引，而是全表扫描，性能降低
;-- 字符串加了单引号
mysql> explain select *from tb_user_s1 where phone='12385678910'
-- type是ref，代表使用索引查询
+----+-------------+------------+------------+------+----------------+----------------+---------+-------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+----------------+----------------+---------+-------+------+----------+-----------------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ref | idx_user_phone | idx_user_phone | 45 | const | 1 | 100.00 | Using index condition |
+----+-------------+------------+------------+------+----------------+----------------+---------+-------+------+----------+-----------------------+
1 row in set, 1 warning (0.00 sec)
-- 字符串没加单引号
mysql> explain select *from tb_user_s1 where phone=12385678910;
-- type是all，代表没有使用索引查询
+----+-------------+------------+------------+------+----------------+------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+----------------+------+---------+------+------+----------+-------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ALL | idx_user_phone | NULL | NULL | NULL | 16 | 10.00 | Using where |
+----+-------------+------------+------------+------+----------------+------+---------+------+------+----------+-------------+
1 row in set, 3 warnings (0.00 sec)
- 模糊查询
如果仅仅是尾部模糊匹配，索引不会失效。如果头部模糊匹配，索引失效
下面就失效了
3.5.3 - II 情况二
- or连接的条件
用or分割开，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
注意：
复合索引使用时如果没有使用最左侧的索引，那么索引就不会生效
-- 这里phone是普通索引，而age是联合索引，由于没有联合索引的最左列字段，所以age这个字段没有建立索引
-- 可以看作没有索引，此时在进行查询时，索引都没有生效
mysql> explain select *from tb_user_s1 where phone='12345698910' or age=22;
+----+-------------+------------+------------+------+----------------+------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+----------------+------+---------+------+------+----------+-------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ALL | idx_user_phone | NULL | NULL | NULL | 16 | 16.92 | Using where |
+----+-------------+------------+------------+------+----------------+------+---------+------+------+----------+-------------+
1 row in set, 1 warning (0.00 sec)
-- phone和name都是普通索引，or的两边都有索引，所以索引查询生效
mysql> explain select *from tb_user_s1 where phone='12345698910' or name='刀妹';
+----+-------------+------------+------------+-------------+------------------------------+------------------------------+---------+------+------+----------+--------------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+-------------+------------------------------+------------------------------+---------+------+------+----------+--------------------------------------------------------+
| 1 | SIMPLE | tb_user_s1 | NULL | index_merge | idx_user_name,idx_user_phone | idx_user_phone,idx_user_name | 45,43 | NULL | 2 | 100.00 | Using union(idx_user_phone,idx_user_name); Using where |
+----+-------------+------------+------------+-------------+------------------------------+------------------------------+---------+------+------+----------+--------------------------------------------------------+
1 row in set, 1 warning (0.01 sec)
- 数据分布影响
如果MySQL评估使用索引查询数据比使用全表扫描更慢，则就不会使用索引
例如：在查询某些数据时，这个表中的大多数数据都符合要求，那么就不会使用索引，而是用全表扫描，因为MySQL认为全表扫描比索引更快
-- 这里is null就会使用索引，因为mysql认为表中的数据大多数都不是null，所以使用索引
mysql> explain select *from tb_user_s1 where profession is null;
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------+------+----------+-----------------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ref | idx_user_pro_age_status | idx_user_pro_age_status | 63 | const | 1 | 100.00 | Using index condition |
+----+-------------+------------+------------+------+-------------------------+-------------------------+---------+-------+------+----------+-----------------------+
1 row in set, 1 warning (0.01 sec)
-- 这里就不会使用索引，还是因为mysql认为表中的数据大多数都不是null，所以不走索引
mysql> explain select *from tb_user_s1 where profession is not null;
+----+-------------+------------+------------+------+-------------------------+------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+------+-------------------------+------+---------+------+------+----------+-------------+
| 1 | SIMPLE | tb_user_s1 | NULL | ALL | idx_user_pro_age_status | NULL | NULL | NULL | 16 | 100.00 | Using where |
+----+-------------+------------+------------+------+-------------------------+------+---------+------+------+----------+-------------+
1 row in set, 1 warning (0.00 sec)
3.5.4 SQL提示
不用SQL提示时，当一个字段有多个索引，那么，MySQL会自动的选择一个索引使用，例如，profession有一个普通索引和联合索引，那么，在查询时MySQL会自动选择使用联合索引去查询。
而使用SQL提示就可以使SQL按照指定的索引去查询
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操作来达到优化操作的目的
例子：
- use index：（告诉SQL使用指定索引,给MySQL一个建议，MySQL也有可能不使用指定索引）
explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';
- ignore index：（告诉SQL不使用指定索引）
explain select*from tb_user ignore index(idx_user_pro) where profession = '软件工程';
- force index：（告诉SQL必须使用指定索引）
explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';
3.5.5 覆盖索引 & 回表查询
尽量使用覆盖索引（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），减少select *
简单理解就是，在select之后的字段尽量都有索引，查询时就不会回表查询了
例如：
覆盖查询在explain中只看Extra
mysql> explain select *from tb_user_s1 where profession='软件工程' and age=22 and status='3' ;
+-----------------------+
| Extra |
+-----------------------+
| Using index condition |
+-----------------------+
1 row in set, 1 warning (0.00 sec)
mysql> explain select id,profession,age,status from tb_user_s1 where profession='软件工程' and age=22 and status='3' ;
+--------------------------+
| Extra |
+--------------------------+
| Using where; Using index |
+--------------------------+
1 row in set, 1 warning (0.00 sec)
可以看到，使用select*查询时出现的是Using index condition，证明出现的回表查询，效率不是最高的，而查询时，select后是联合索引对应的字段时，出现的是Using where; Using index证明是直接通过索引查询，效率较高
覆盖索引，不需要回表，查询两个字段，查询后直接就把数据返回，没有再进去表中查询，一次索引扫描就完成了
没有覆盖索引，要先扫描辅助索引（二级索引），获取id值后还要再去扫描聚集索引才能获取想要的数据，索引扫描了两次，效率自然就低了，进行回表查询：
使用select*就会很容易回表查询，所以要避免使用select*
思考题：
3.5.6 前缀索引
当字段类型为字符串（varchar，text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：
-- idx_xxxx：索引名
-- table_name：表名
-- column（n）字段名，n代表提取前几个字符作为前缀索引，例如，n=5，
-- 那么就会使用字符串的前5个字符构建索引
create index idx_xxxx on table_name(colunm(n));
- 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）和数据库的记录总数的比值，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
求选择性的方法：
例如
select count(distinc email) / count(*) from tb_user;
-- 这里就是用substring来判断选择度，下面的代码就是截取从1索引开始，前5个字符，来判断一个
-- 字段前5个字符的选择度
-- 用这段代码就可以获取选择性，进而判断选择前几个字符作为前缀来创建索引
select count(distinct substring(email,1,5)/count(*) from tb_user;
- 前缀索引的结构
前缀索引是用来解决一些长字符串或者是大文本字段，在整个字段进行索引的时候、索引体积过于庞大而造成浪费大量磁盘IO的情况，可以使用前缀索引
3.5.7 单列 & 联合索引
- 单列索引：一个索引只包含单个列
key只用到了phone的索引，也就是说这两个条件根据phone去查，根据name查没走，所以这时候会涉及到覆盖索引的问题和回表查询
单列索引情况：
explain select id,phone,name from tb_user where phone = '17799990010' and name = '韩信'；
- 联合索引：一个索引包含多个列
用到了覆盖索引，此时是不需要回表查询的
一次查询使用多个单列索引时，只会使用一个单列索引，另外的单列索引不会使用
在业务场景中，如果存在多个查询条件，针对多个字段建立索引时，建议使用联合索引，而不是单列索引
多条件联合查询时，MySQL优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询
联合索引情况：
phone和name有联合索引，每个字段放前面还是放后面对查询是有影响的
尽量使用联合索引，避免使用单列索引，创建联合索引时注意创建的字段顺序
3.6 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
3.7 小结
4. SQL优化
4.1 插入数据 insert优化
例子：
insert into tb_test values(1,'tom');
insert into tb_test values(2,'cat');
insert into tb_test values(3,'jerry');
....
- 批量插入
在插入多条数据时，不要一句一句的SQL语句插入，而是一次性插入多条数据
INSERT INTO 表名 (字段名1，字段名2，...) VALUES (值一，值二，...),(值一，值二，...),(值一，值二，...);.....
INSERT INTO 表名 VALUES (值一，值二，...),(值一，值二，...),(值一，值二，...);``
但是批量插入一次最多不要超过1000条，大概就是500到1000条，如果一次性要插入几万条数据，那么可以将其分为多条insert语句插入
- 手动提交事务
可以优化插入速度，在插入前手动开启事务，插入完成后手动结束事务
start transaction;
insert into 表名 values 具体数据1;
insert into 表名 values 具体数据2;
insert into 表名 values 具体数据3;
commit;
- 主键顺序插入
在插入主键时按照主键的顺序插入
主键乱序插入：8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入：1 2 3 4 5 7 8 9 15 24 88 89
- 大批量插入数据
如果一次性插入大批量数据（万级的），使用insert语句插入性能较低，此时可以使用MySQL提供的load指令插入，通过load指令可以将本地磁盘中的数据全部加载到数据库当中
使用load指令的步骤：
1.在客户端连接服务端的时候，加上参数 – local-infile，以此查看全局参数
mysql --local-infile -u root -p
2.设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set gloabl local_infile = 1；
创建表结构：
3.执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sql1.log' into table 'tb_user' fields terminated by ','lines terminated by '\n';
在finalshell导入的文件
查看该脚本所处位置是在root目录下的
注意这里插入数据时，由于是虚拟机，所以要现在finalshall中上传数据，把数据上传到虚拟机中
这里插入100万条数据只需要耗时16秒，很强
使用load插入时也需要主键顺序插入，顺序插入数据高于乱序插入
主键顺序插入性能高于乱序插入
4.2 主键优化
- 数据组织方式
在InnoDB存储引擎，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表（index organized table IOT）
回顾一下InnoDB的存储结构：
- 页分裂
页可以为空，也可以填充一半，也可以填充100%。每个页包含了2 - N 行数据（如果一行数据多大，会行溢出），根据主键排列
主键的时候乱序插入：
不会这样子插入，因为叶子节点是有序的，50插入进来就应该存放在47后面这个位置
那么再来看1号数据页虽然没写满了，但是50这一行数据写不下了，它会开启一个新的数据页，但是50不会直接写到这个数据页上，会做一个操作：
开启一个新的数据页，然后会找到第一个数据页50%的位置——23和47这两行数据移动到新开辟的数据页当中
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Zce7GZHq-1687010669342)(null)][外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HZrFkXOb-1687010645924)(null)]
然后再将50插入到这个new数据页当中
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rMuU3eO39168701063416be(]ull)]
此时需要再对链表指针再进行一个重新的设置，它会设置1号数据页它的下一个数据页是3号，而3号数据页的下一个是2号
那么这种主键乱序插入的情况现象称之为——页分裂 ， 这个是比较消耗性能的
- 页合并
当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用
