mysql 索引

2022-01-13/2022-01-14

参考文献:
MySQL索引原理以及查询优化
mysql - 降序索引
mysql覆盖索引与回表

1. 介绍

1.1 什么是索引?

一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。说起加速查询,就不得不提到索引了。

1.2 为什么要有索引呢?

  • 索引在MySQL中也叫做“键”,是存储引擎用于快速找到记录的一种数据结构。
  • 索引对于良好的性能非常关键,尤其是当表中的数据量越来越大时,索引对于性能的影响愈发重要。
  • 索引优化应该是对查询性能优化最有效的手段了。
  • 索引能够轻易将查询性能提高好几个数量级。
  • 索引相当于字典的音序表,如果要查某个字,如果不使用音序表,则需要从几百页中逐页去查。

2. 索引的原理

2.1 索引原理

索引的目的在于提高查询效率,与我们查阅图书所用的目录是一个道理:先定位到章,然后定位到该章下的一个小节,然后找到页数。相似的例子还有:查字典,查火车车次,飞机航班等

本质都是:通过不断地缩小想要获取数据的范围来筛选出最终想要的结果,同时把随机的事件变成顺序的事件,也就是说,有了这种索引机制,我们可以总是用同一种查找方式来锁定数据。

数据库也是一样,但显然要复杂的多,因为不仅面临着等值查询,还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢?我们回想字典的例子,能不能把数据分成段,然后分段查询呢?最简单的如果1000条数据,1到100分成第一段,101到200分成第二段,201到300分成第三段......这样查第250条数据,只要找第三段就可以了,一下子去除了90%的无效数据。但如果是1千万的记录呢,分成几段比较好?稍有算法基础的同学会想到搜索树,其平均复杂度是lgN,具有不错的查询性能。但这里我们忽略了一个关键的问题,复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂,一方面数据是保存在磁盘上的,另外一方面为了提高性能,每次又可以把部分数据读入内存来计算,因为我们知道访问磁盘的成本大概是访问内存的十万倍左右,所以简单的搜索树难以满足复杂的应用场景。

2.2 磁盘 IO 与预读

考虑到磁盘 IO 是非常高昂的操作,计算机操作系统做了一些优化,当一次 IO 时,不光把当前磁盘地址的数据,而是把相邻的数据也都读取到内存缓冲区内,因为局部预读性原理告诉我们,当计算机访问一个地址的数据的时候,与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关,一般为4k或8k,也就是我们读取一页内的数据时候,实际上才发生了一次IO,这个理论对于索引的数据结构设计非常有帮助。

3. 索引的数据结构

任何一种数据结构都不是凭空产生的,一定会有它的背景和使用场景,我们现在总结一下,我们需要这种数据结构能够做些什么,其实很简单,那就是:每次查找数据时把磁盘IO次数控制在一个很小的数量级,最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢?就这样,b+树应运而生。

1184802-20170912211249219-1576835998

如上图,是一颗b+树,关于b+树的定义可以参见B+树,这里只说一些重点,浅蓝色的块我们称之为一个磁盘块,可以看到每个磁盘块包含几个数据项(深蓝色所示)和指针(黄色所示),如磁盘块1包含数据项17和35,包含指针P1、P2、P3,P1表示小于17的磁盘块,P2表示在17和35之间的磁盘块,P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据,只存储指引搜索方向的数据项,如17、35并不真实存在于数据表中。

3.1 b+ 树的查找过程

如图所示,如果要查找数据项29,那么首先会把磁盘块1由磁盘加载到内存,此时发生一次IO,在内存中用二分查找确定29在17和35之间,锁定磁盘块1的P2指针,内存时间因为非常短(相比磁盘的IO)可以忽略不计,通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存,发生第二次IO,29在26和30之间,锁定磁盘块3的P2指针,通过指针加载磁盘块8到内存,发生第三次IO,同时内存中做二分查找找到29,结束查询,总计三次IO。真实的情况是,3层的b+树可以表示上百万的数据,如果上百万的数据查找只需要三次IO,性能提高将是巨大的,如果没有索引,每个数据项都要发生一次IO,那么总共需要百万次的IO,显然成本非常非常高。

3.2 b+ 树的性质

1**.索引字段要尽量的小**:

通过上面的分析,我们知道 IO 次数取决于 b+ 数的高度 h,假设当前数据表的数据为 N,每个磁盘块的数据项的数量是 m,则有 h=㏒(m+1)N,当数据量 N 一定的情况下,m 越大,h 越小;

而 (m = 磁盘块的大小 / 数据项的大小),磁盘块的大小也就是一个数据页的大小,是固定的,如果数据项占的空间越小,数据项的数量越多,树的高度越低。这就是为什么每个数据项,即索引字段要尽量的小,比如int占4字节,要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点,一旦放到内层节点,磁盘块的数据项会大幅度下降,导致树增高。当数据项等于1时将会退化成线性表。

2.索引的最左匹配特性(即从左往右匹配):

当 b+ 树的数据项是复合的数据结构,比如 (name,age,sex) 的时候,b+ 树是按照从左到右的顺序来建立搜索树的,比如当 (张三,20,F) 这样的数据来检索的时候, b+ 树会优先比较 name 来确定下一步的所搜方向,如果 name 相同再依次比较 age 和 sex,最后得到检索的数据;但当 (20,F) 这样的没有 name 的数据来的时候,b+ 树就不知道下一步该查哪个节点,因为建立搜索树的时候 name 就是第一个比较因子,必须要先根据 name 来搜索才能知道下一步去哪里查询。比如当 (张三,F) 这样的数据来检索时,b+ 树可以用 name 来指定搜索方向,但下一个字段 age 的缺失,所以只能把名字等于张三的数据都找到,然后再匹配性别是 F 的数据了, 这个是非常重要的性质,即索引的最左匹配特性。

4. mysql 索引管理

4.1 功能

  1. 索引的功能就是加速查找
  2. mysql 中的 primary key、unique、联合、唯一也都是索引,这些索引除了加速查找以外,还有约束的功能

4.2 mysql 索引分类

  1. 普通索引index :加速查找
  2. 唯一索引
    主键索引:primary key :加速查找+约束(不为空且唯一)
    唯一索引:unique:加速查找+约束 (唯一)
  3. 联合索引
    • primary key(id,name): 联合主键索引
    • unique(id,name): 联合唯一索引
    • index(id,name): 联合普通索引
  4. 全文索引 fulltext :用于搜索很长一篇文章的时候,效果最好。
  5. 空间索引 spatial :了解就好,几乎不用

应用场景

举个例子来说,比如你在为某商场做一个会员卡的系统。
这个系统有一个会员表
有下列字段:

  • 会员编号 INT
  • 会员姓名 VARCHAR(10)
  • 会员身份证号码 VARCHAR(18)
  • 会员电话 VARCHAR(10)
  • 会员住址 VARCHAR(50)
  • 会员备注信息 TEXT

那么这个 会员编号,作为主键,使用 PRIMARY
会员姓名, 如果要建索引的话,那么就是普通的 INDEX
会员身份证号码, 如果要建索引的话,那么可以选择 UNIQUE (唯一的,不允许重复)

除此之外还有全文索引,即 FULLTEXT
会员备注信息 , 如果需要建索引的话,可以选择全文搜索。
用于搜索很长一篇文章的时候,效果最好。

用在比较短的文本,如果就一两行字的,普通的 INDEX 也可以。
但其实对于全文搜索,我们并不会使用 MySQL 自带的该索引,而是会选择第三方软件如 Sphinx,专门来做全文搜索。

其他的如空间索引SPATIAL,了解即可,几乎不用

4.3 索引的两大类型

hash 和 btree

我们可以在创建上述索引的时候,为其指定索引类型,分两类

  • hash类型的索引:查询单条快,范围查询慢
  • btree类型的索引:b+树,层数越多,数据量指数级增长(我们就用它,因为innodb默认支持它)

不同的存储引擎支持的索引类型也不一样

  • InnoDB 支持事务,支持行级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;
  • MyISAM 不支持事务,支持表级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;
  • Memory 不支持事务,支持表级别锁定,支持 B-tree、Hash 等索引,不支持 Full-text 索引;
  • NDB 支持事务,支持行级别锁定,支持 Hash 索引,不支持 B-tree、Full-text 等索引;
  • Archive 不支持事务,支持表级别锁定,不支持 B-tree、Hash、Full-text 等索引;

4.4 创建/删除索引的语法

创建表时

1CREATE TABLE 表名 (
2    字段名1  数据类型 [完整性约束条件…],
3    字段名2  数据类型 [完整性约束条件…],
4    [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY [索引名]  (字段名[(长度)]  [ASC |DESC]) 
5);

在已存在的表上创建索引

1CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名  ON 表名 (字段名[(长度)]  [ASC |DESC]) ;
2ALTER TABLE 表名 ADD [UNIQUE | FULLTEXT | SPATIAL ] INDEX  [索引名]  (字段名[(长度)]  [ASC |DESC])

删除索引

1DROP INDEX 索引名 ON 表名字;

5. 测试索引

5.1 准备表

1CREATE TABLE `tb_user_disorder` (
2  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
3  `name` varchar(5) NOT NULL,
4  `sex` tinyint(1) NOT NULL,
5  `email` varchar(128) NOT NULL,
6  `time` bigint(20) unsigned NOT NULL,
7  PRIMARY KEY (`id`)
8) ENGINE=InnoDB AUTO_INCREMENT=1000002 DEFAULT CHARSET=utf8mb4;

准备了五百多万条数据。

5.2 测试

在没有索引的情况下测试查询速度

1SELECT * FROM tb_user WHERE email='tcf8ssbbyu@hotmail.com'

查询时间 1.307 s

加上索引

查询时间 0.001 s

6. 正确使用索引

6.1 回表查询

6.1.1 介绍

这先要从 InnoDB 的索引实现说起,InnoDB 有两大类索引:

  • 聚集索引 (clustered index)
  • 普通索引 (secondary index)

InnoDB 聚集索引和普通索引有什么差异?

InnoDB 聚集索引的叶子节点存储行记录,因此, InnoDB 必须要有,且只有一个聚集索引:

  1. 如果表定义了 PK,则 PK 就是聚集索引;
  2. 如果表没有定义 PK,则第一个 not NULL unique 列是聚集索引;
  3. 否则,InnoDB 会创建一个隐藏的 row-id 作为聚集索引;

画外音:所以 PK 查询非常快,直接定位行记录。

InnoDB 普通索引的叶子节点存储主键值。

画外音:注意,不是存储行记录头指针,MyISAM 的索引叶子节点存储记录指针。

6.1.2 例子

举个栗子,不妨设有表:

t(id PK, name KEY, sex, flag);

画外音:id 是聚集索引,name 是普通索引。

表中有四条记录:

11, shenjian, m, A
23, zhangsan, m, A
35, lisi, m, A
49, wangwu, f, B

4459024-8636fab05de6780b

两个B+树索引分别如上图:

  • id 为 PK,聚集索引,叶子节点存储行记录;
  • name 为 KEY,普通索引,叶子节点存储 PK 值,即 id;

既然从普通索引无法直接定位行记录,那普通索引的查询过程是怎么样的呢?

通常情况下,需要扫码两遍索引树。

例如:

1select * from t where name='lisi';

是如何执行的呢?

4459024-a75e767d0198a6a4

粉红色路径,需要扫码两遍索引树:

  1. 先通过普通索引定位到主键值 id=5;
  2. 在通过聚集索引定位到行记录;

这就是所谓的回表查询,先定位主键值,再定位行记录,它的性能较扫一遍索引树更低。

6.2 覆盖索引

什么是索引覆盖?

MySQL 官网,类似的说法出现在 explain 查询计划优化章节,即 explain 的输出结果 Extra 字段为 Using index 时,能够触发索引覆盖。

表达了:只需要在一棵索引树上就能获取 SQL 所需的所有列数据,无需回表,速度更快。

如何实现索引覆盖?

常见的方法是:将被查询的字段,建立到联合索引里去。

1create table user (
2	id int primary key,
3	name varchar(20),
4	sex varchar(5),
5	index(name)
6)engine=innodb;

第一个SQL语句:

4459024-9e1c684ef3808d5f

1select id,name from user where name='shenjian';

能够命中 name 索引,索引叶子节点存储了主键 id,通过 name 的索引树即可获取 id 和 name,无需回表,符合索引覆盖,效率较高。

画外音,Extra:Using index

第二个SQL语句:

4459024-8dcf28741073e0d0

1select id,name,sex from user where name='shenjian';

能够命中 name 索引,索引叶子节点存储了主键 id,但 sex 字段必须回表查询才能获取到,不符合索引覆盖,需要再次通过 id 值扫码聚集索引获取 sex 字段,效率会降低。

画外音,Extra:Using index condition

如果把(name)单列索引升级为联合索引(name, sex)就不同了。

4459024-55b74f7a1cdd1249

可以看到:

1select id,name where name='shenjian';
2
3select id,name,sex where name='shenjian';

都能够命中索引覆盖,无需回表。

画外音,Extra:Using index

6.3 联合索引

普通联合索引包含主键索引没有意义

  • 普通索引 b+ 树叶子节点存储的 value 就是主键索引
  • 因为联合索引是为了快速确定一条数据,主键索引已经可以确定,主键索引和普通联合索引(包含主键)都存在的时候,只会走主键索引

没有索引

1SELECT SQL_NO_CACHE * FROM tb_user WHERE name='谭梳卷' and email='tcf8ssbbyu@hotmail.com'

查询时间:1.347 s

有索引

1CREATE index idx on tb_user(name,email);
2SELECT SQL_NO_CACHE * FROM tb_user WHERE name='谭梳卷' and email='tcf8ssbbyu@hotmail.com';
3SELECT SQL_NO_CACHE * FROM tb_user WHERE email='tcf8ssbbyu@hotmail.com' and name='谭梳卷';

查询时间 0.000s

6.4 索引合并

索引合并:把多个单列索引合并使用

组合索引能做到的事情,我们都可以用索引合并去解决,比如

1create index idx on tb_user(name,email); #组合索引

我们完全可以单独为 name 和 email 创建索引

组合索引可以命中

1select * from tb_user where name='egon' ;
2select * from tb_user where name='egon' and email='adf';  # 无论 and 顺序,mysql 会为我们自动排序

索引合并可以命中:

1select * from s1 where name='egon' ;
2select * from s1 where email='adf';
3select * from s1 where name='egon' and email='adf';

乍一看好像索引合并更好了:可以命中更多的情况,但其实要分情况去看,如果是 name='egon' and email='adf',
那么组合索引的效率要高于索引合并,如果是单条件查,那么还是用索引合并比较合理。

  • 组合索引所用时间:0.000 s
  • 索引合并所用时间:0.001 s

7. 最左前缀

7.1 介绍

最左前缀匹配原则,非常重要的原则

1CREATE index idx on tb_user(name,email);

最左前缀匹配:必须按照从左到右的顺序匹配

1select * from s1 where name='egon'; #可以
2select * from s1 where name='egon' and email='asdf'; #可以
3select * from s1 where email='asdf' and name='egon'; #可以
4select * from s1 where email='alex@oldboy.com'; #不可以

mysql 会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配。

比如 a = 1 and b = 2 and c > 3 and d = 4 如果建立 (a,b,c,d) 顺序的索引,d 是用不到索引的,如果建立 (a,b,d,c) 的索引则都可以用到,a,b,d 的顺序可以任意调整。

=和in可以乱序

比如a = 1 and b = 2 and c = 3 建立 (a,b,c) 索引可以任意顺序,mysql 的查询优化器会帮你优化成索引可以识别的形式

尽量选择区分度高的列作为索引

区分度的公式是 count(distinct col)/count(*)
表示字段不重复的比例,比例越大我们扫描的记录数越少,唯一键的区分度是1,而一些状态、性别字段可能在大数据面前区分度就是0,那可能有人会问,这个比例有什么经验值吗?

使用场景不同,这个值也很难确定,一般需要 join 的字段我们都要求是 0.1 以上,即平均 1 条扫描 10 条记录。

索引列不能参与计算

保持列“干净”,比如

1SELECT * FROM tb_user WHERE FROM_UNIXTIME(time)='2014-05-29'

就不能使用到索引,原因很简单,b+ 树中存的都是数据表中的字段值,但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。

所以语句应该写成

1SELECT * FROM tb_user WHERE time=unix_timestamp(2014-05-29);

7.2 最左前缀示范

对比

未遵循最左前缀

1select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
2Empty set (0.39 sec)
3
4create index idx on s1(id,name,email,gender); #未遵循最左前缀
5Query OK, 0 rows affected (15.27 sec)
6Records: 0  Duplicates: 0  Warnings: 0
7
8select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
9Empty set (0.43 sec)

遵循最左前缀

1select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
2Empty set (0.39 sec)
3
4create index idx on s1(name,email,gender,id); #遵循最左前缀
5Query OK, 0 rows affected (15.97 sec)
6Records: 0  Duplicates: 0  Warnings: 0
7
8select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
9Empty set (0.03 sec)

命中索引

 1最左前缀匹配
 2index(id,age,email,name)   # 注意索引的顺序
 3
 4#条件中一定要出现id (只要出现 id 就会提升速度)
 5id  		# 很快 (只查一行)
 6id age 		# 很快 (只查一行)
 7id email	# 较快,id 会使用索引筛选出一部分,然后遍历,寻找 email 对应的
 8id name		# 较快,id 会使用索引筛选出一部分,然后遍历,寻找 name 对应的
 9email 		#不行  如果单独这个开头就不能提升速度了
10
11select count(*) from s1 where id=3000;
121 row in set (0.11 sec)
13 
14create index xxx on s1(id,name,age,email);
15select count(*) from s1 where id=3000;
161 row in set (0.00 sec)
17 
18
19select count(*) from s1 where name='egon';
201 row in set (0.16 sec)
21 
22select count(*) from s1 where email='egon3333@oldboy.com';
231 row in set (0.15 sec)
24
25select count(*) from s1 where id=1000 and age=18;
261 row in set (0.00 sec)
27
28
29select count(*) from s1 where id=1000 and email='egon3333@oldboy.com';
301 row in set (0.01 sec)
31
32select count(*) from s1 where email='egon3333@oldboy.com' and id=3000;
331 row in set (0.01 sec)

不能使用索引的情况

 1- like '%xx'
 2    select * from tb1 where email like '%cn';
 3    
 4    
 5- 使用函数
 6    select * from tb1 where reverse(email) = 'wupeiqi';
 7
 8    
 9- or
10    select * from tb1 where nid = 1 or name = 'seven@live.com';
11    
12    特别的:当or条件中有未建立索引的列才失效,以下会走索引
13            primary key(nid)
14            index(name,eamil)
15            select * from tb1 where nid = 1 or name = 'seven';
16            select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'
17            
18            
19- 类型不一致
20    如果列是字符串类型,传入条件是必须用引号引起来,不然...
21    select * from tb1 where email = 999;
22    
23
24- != 普通索引的不等于不会走索引
25    select * from tb1 where email != 'alex'
26    
27    特别的:如果是主键,则还是会走索引
28        select * from tb1 where nid != 123
29
30- >
31    select * from tb1 where email > 'alex'
32    
33    特别的:如果是主键或索引是整数类型,则还是会走索引
34        select * from tb1 where nid > 123
35        select * from tb1 where num > 123
36        
37# 排序条件为索引,则select字段必须也是索引字段,否则无法命中
38- order by
39    index(email)
40    当根据索引排序时候,select查询的字段如果不是索引,则不走索引
41    select name from s1 order by email desc;
42    走索引
43    select email from s1 order by email desc;
44    特别的:如果对主键排序,则还是走索引:
45        select * from tb1 order by nid desc;
46 
47- 组合索引最左前缀
48    如果组合索引为:(name,email)
49    name and email       -- 使用索引
50    name                 -- 使用索引
51    email                -- 不使用索引
52
53
54- count(1)count()代替count(*)mysql中没有差别了
55
56- create index xxxx  on tb(title(19)) #text类型,必须制定长度
  • 避免使用select *
  • count(1)或count(列) 代替 count(*)
  • 创建表时尽量用 char 代替 varchar
  • 表的字段顺序固定长度的字段优先(char 的效率大于 varchar)
  • 组合索引代替多个单列索引(经常使用多个条件查询时)
  • 尽量使用短索引
  • 使用连接(JOIN)来代替子查询(Sub-Queries)
  • 连表时注意条件类型需一致

8. 查询优化

  • 先运行看看是否真的很慢,注意设置SQL_NO_CACHE
  • where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高
  • explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)
  • order by limit 形式的sql语句让排序的表优先查

9. 倒序索引

mysql8.0 新增了降序索引,从语法上来说,早在 mysql5 版本的初期,已经支持 index idx_c1_c2(c1,c2 desc) 的语法,但实际上它的降序排序是不生效的。

9.1 降序索引的作用

如有有个查询,需要对多个列进行排序,而且排序条件不一致,这种情况下,数据库会进行 filesort 排序。这时候就可以使用降序索引进行优化了。

mysql 5.7

查询语句:select * from index_sort_test order by c1,c2 desc;

explain 以下该语句,果然用到了filesort

mysql 8.0

explain 并未使用 filesort,在数据量很大的情况下,减少排序操作会极大加速sql的执行速度

9.2 降序索引是否能应用于单列排序的场景?

mysql 5.7

1select * from index_sort_test order by c1;
2
3select * from index_sort_test order by c1 desc; #c1进行倒序排序

modb_20210806_bd648c04-f68c-11eb-ab80-00163e068ecd

两条sql执行计划一致。c1 是建表默认的升序索引,对单列排序(无论升序或降序),都不需要进行额外排序。

实际上,对于索引,mysql 不仅支持正向扫描,还可以反向扫描。而且反向扫描的性能同样不差,下面贴个 mysql 官方的压测结果:

有两列(a,b),一个联合索引(a desc,b asc)

modb_20210806_bdc4a5a8-f68c-11eb-ab80-00163e068ecd

mysql 8.0

再来看下8.0里有什么不一样的地方modb_20210806_be0aa2d8-f68c-11eb-ab80-00163e068ecd

在降序排序的场景下,extra中多了个 Backward index scan
状态,这只是用来提醒你,mysql对该索引进行了反向扫描。

9.3 group by 排序

mysql 5.7 中,group by 会隐形排序(filesort),mysql 8.0 不会。

评论
发表评论
       
       
取消