MySQL学习之索引及优化

目录

• 索引是什么？
• 索引的结构？
• 索引存在哪儿？
• 索引的优缺点?
• 索引的分类
•  索引使用
• explain执行计划
• 索引使用规范（索引失效分析）
• 例子总结：

索引是什么？

• 索引是帮助mysql进行高效查询的一种数据结构。好比一本书的目录，能加快查询的速度

索引的结构？

索引可以有B-Tree索引，Hash索引。索引是在存储引擎中实现的

InnoDB / MyISAM 仅支持 B-Tree索引

Memory/Heap 支持B-Tree索引和Hash索引

• B-Tree

  B-Tree是一种非常适合用于磁盘操作的数据结构。它是一棵多路平衡查找树。其高度一般在2-4，其非叶子节点，叶子节点，都会存储数据。其所有的叶子节点，都在同一层。下图是一颗B-Tree

•  B+ Tree：B+树是在B-Tree基础上的一种优化。它和B树的主要区别在于：B+树的数据全部存储在叶子节点中，且叶子节点被一个链表串了起来。下图是一颗B+树

InnoDB中一个页的大小为16KB（一个页即B+树上的一个节点），若表的主键为INT，大小为4字节，那一个节点也能够存储4K个键值，假设指针和键值都占相同大小，那么高度为3的B+树，第二层有2048个节点，第三层的叶子节点数为2048*2048 = 4194304，一个节点为16KB，则一共可容纳67108864KB，即65536MB，即64G的数据。

由于叶子节点是被一个链表串起来的，所以若order by 索引列，则默认已经是排好序的，所以效率会很高。

• MyISAM索引

  MyISAM的索引和数据是分开存放的。在MyISAM的主键索引中，B+树叶子节点里，存的是记录的地址，故MyISAM通过索引查询，需要经过2次IO

MyISAM的辅助索引和主键索引一样，唯一的区别是，辅助索引中的key可以重复，而主键索引的key不能重复

• InnoDB索引

  InnoDB的数据和索引是存放在一起的，又称聚集索引。数据通过主键索引，存放在主键索引B+树的叶子节点上。

  InnoDB主键索引，数据已经包含在了叶子节点中，即索引和数据存放在一起，是为聚集索引。

 InnoDB的辅助索引，叶子节点中存的是主键值，而不是地址。走辅助索引，需要检索2次。

InnoDB和MyISAM索引的区别：

• InnoDB使用聚集索引，其主键索引叶子节点中直接存储了数据，而其辅助索引中叶子节点存的是主键的值

• MyISAM使用非聚集索引，数据和索引不在同一个文件中，其主键索引中叶子节点上存的是该行记录所在的地址，其辅助索引中叶子节点上存的也是记录所在的地址，只是辅助索引的key可以重复，而主键索引的key不能重复

   

问题：

• InnoDB为什么不要使用过长的字段做主键？

  过长的主键，会使得辅助索引所占空间变得很大

• 为什么推荐InnoDB使用自增主键？

  若使用自增主键，则每次插入新的记录，就会顺序的将新记录python添加到当前索引节点的后续位置，一页写满了，才会进行开辟新的一页，这样使得索引结构很紧凑，且每次插入时不需要移动已有数据，非常高效。而如果不使用自增主键，则每次插入新记录时，都要选择一个插入位置，并且可能需要移动数据，使得效率不高，且索引结构不紧凑

• 为什么要用B+树，不用B树

索引存在哪儿？

• 索引本身也比较大，一般会存储在磁盘中，索引和数据可能是分开存放的（MyISAM的非聚集索引），也可能是一起存放的（InnoDB的聚集索引）

索引的优缺点?

• 优点
  • 降低IO成本，提高数据查询效率
  • 降低排序成本（被索引的列会自动排序，使用order by 效率会提高很多）
• 缺点
  • 索引会额外占据存储空间
  • 索引会降低更新表数据的效率。进行增删改操作时，不仅要保存数据，还要更新对应的索引

索引的分类

• 单列索引
  • 主键索引
  • 唯一索引
  • 普通索引
• 组合索引

 索引使用

• 建立索引

 CREATE INDEX index_name ON table_name(col_name);
-- 或者
ALTER TABLE table_name ADD INDEX index_name(col_name)

• 删除索引

DROP INDEX index_name ON table_name;

• 需要建立索引的场景

  • 频繁作为查询条件的列，需建索引
  • 多表关联中，关联字段需建索引
  • 查询中排序的字段，需建索引

• 不适用索引的场景

  开发者_Hive
  • 写多读少的表，不适合建索引
  • 频http://www.devze.com繁更新的字php段，不适合建索引

explain执行计划

现有一张user表，其索引如下所示

其中name,age,address 三个字段作为一个组合索引

可以使用explain对某个SQL语句进行性能分析

explain select * from user where name = 'am';

possible_keys

可能用到的索引

key

实际用到的索引

key_len

用于查询的索引的长度

ref

如果是等值查询，这里会会是const

rows

预计需要扫描的行数（不是精确值）

extra

额外信息，如

• using where

  表示存储引擎返回的结果，还需要在SQL Layer层过滤

• using index

  表示不需要回表查询，一般在使用了覆盖索引时会是这个值。覆盖索引指的是，select中的列，全是索引列。不需要回表查询指的是，直接走辅助索引，就能拿到索引列的值，不需要再去主键索引上取记录了

• using index condition

  MySQL 5.6.x之后支持ICP特性（Index Condition Pushdown），可以把检查条件下推到存储引擎层，不符合条件的记录，直接不读取，而不是像原来一样，先读取出来，再在SQL Layer层过滤，这样减少了存储引擎层扫描的行数

• using filesort

  排序时无法用到索引

type

• system : 表中只有1行数据，或空表

• const : 使用唯一索引或主键索引，且用where等值查询，返回记录是1行，又叫唯一索引扫描

• ref : 针对非唯一索引，使用等值where条件，或者最左前缀规则的查询。

下面是满足了最左前缀规则，即对idx_name_age_add来说，满足了最左前缀，第一个索引为name

• range：索引范围扫描，常见于>，<，between，in，like等查询

注意like时，通配符%不能放在开头，否则会导致全表扫描

• index ： 没有完全匹配上索引，但不用回表查询的

• all: 全表扫描，然后再在SQL Layer层过滤符合要求的记录

索引使用规范（索引失效分析）

1. 全值匹配

   在索引列上使用等值查询

explain 编程客栈select * from user where name = 'y' and age = 15;

2. 最左前缀

组合索引中，查询条件要从组合索引的最左列开始，如上述example中组合索引idx_name_age_add，是建立在三个列name，age，address的，若跳过name，直接用age查询，则会变为全表扫描

explain select * from user where age = 15;

3. 不要在索引列上做计算

4. 范围条件右侧的索引列会失效

看到第一个SQL语句，没有用上addresss索引

5. 尽量使用覆盖索引

explain select name,age from user where name = 'y' and age = 1;

可以避免回表查询

6. 索引字段不要使用不等（!= 或 <&http://www.devze.comgt;）,不要判断null（is null/ is not null）

会导致索引失效，转为全表扫描

7. 索引字段上使用like时，不要以%开头

8. 索引字段如果是字符串，记得加单引号

9. 索引字段不要用or

例子总结：

顺口溜：

全值匹配我最爱，最左前缀不放开。

带头大哥不能死，中间兄弟不能断。

索引列上不计算，范围查询后全断。

like百分号写最右，覆盖索引搞起来。

不等空值以及or，索引通通说拜拜。

到此这篇关于MySQL学习之索引及优化的文章就介绍到这了,更多相关MySQL索引及优化内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！