索引概述
-
介绍
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。
-
优缺点
| 优势 | 劣势 |
| 提高数据检索的效率，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序，降低数据排序的成本，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 |
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+Tree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MySAM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LUC饿呢，Solr，ES |
我们平常所说的索引，如果没有特别指明，都是B+树结构组织的索引。
-
二叉树
二叉树缺点：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。
红黑树（本质也是一个二叉树）：大数据量情况下，层级较深，检索速度慢。
-
B-Tree（多路平衡查找树）
以一颗最大度数为5（5阶）的b-tree为例（每个节点最多存储4个key，5个指针）：
树的度数指的是一个节点的子节点个数。
具体动态变化的过程可以参考网站：B-Tree Visualization
-
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。
相对于B-Tree区别：
- 所有的数据都会出现在叶子节点
- 叶子节点形成单向链表
- 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。
hash索引特点
- 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引擎，而InnoDB中具有自适应的hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。
面试题：为什么InnoDB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；
-
索引分类
| 分类 | 含义 | 特点 | 关键字 |
| 主键索引 | 针对与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 | 快速定位特定数据 | 可以有多个 | |
| 全文索引 | 全文索引查找的是文本中的关键词，而不是比较索引中的值 | 可以有多个 | FULLTEXT |
在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：
| 分类 | 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
回表查询：先根据二级索引拿到主键值，再根据主键值走聚集索引拿到这一行的数据
思考题：
-
以下SQL语句，那个执行效率高？为什么？
select * from user where id=10；
select * from user where name='arm'；
-
- 第一个执行效率高，因为根据id查找，只需进行一次聚集索引查找就OK；
- 第二个先根据name索引进行二级索引查找对应的id，在根据id进行聚集索引查找对应的数据。
-
InnoDB主键索引的B+tree高度为多高呢？
假设：
一行数据大小为1K,一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
高度为2：
n * 8 +（n + 1）6 = 16 * 1024，算出n约为1170 （n为键值，所以会有1171个指针）
1171 * 16 = 18736 （两层可以存放18736数据）
高度为3：
1171 * 1171 * 16 = 21939856 （当数据更多时要考虑分库分表）
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tb_user，有字段name，phone，email，profestion，age，status
- 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)；
- 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)；
- 为profestion、age、status创建联合索引
-
- create index idx_user_pro_age_sta on tb_user(profestion、age、status)； （在联合索引中字段的顺序是有讲究的）
- 为email建立合适的索引来提升查询效率
-
- create index idx_user_email on tb_user(email)；
- 查看索引
-
- show index from tb_user；
- 删除索引
-
- drop index idx_user_email on tb_user；
SQL性能分析
-
SQL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______'；
-
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，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：
- 开启MySQL慢日志查询开关
- slow_query_log=1
- 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
-
- long_query_time=2
-
profile详情
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；
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
- show profile for query query_id；
- 查看指定query_id的SQL语句CPU的 使用情况
- show profile cpu for query query_id；
-
explain执行计划
explain或者desc命令获取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。
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；
explain执行计划各字段含义：
- 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）。
- select_type
- 表示select的类型，常见的取值有Simple（简单表，既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
- 表示连接类型，性能由好到差的连接类型为null、system、const、eq_ref、ref、range、index、all。
- possible_key
- 显示可能应用在这张表上的索引，一个或多个。
- Key
- 实际使用的索引，如果为null，则没有使用索引。
- Key_len
- 表示索引中使用的字节数，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。
- rows
- MySQL认为必须要执行查询的行数，在InnoDB引擎的表中，是一个估计值，可能并不总是准确的。
- 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。
索引使用（索引优化）
-
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。
- select * from tb_sku where sn='100000293'； （20s）
针对字段创建索引
- create Index idx_sku_sn on tb_sku(sn)；
然后再次执行相同的SQL语句，再次查看SQL的耗时。
- select * from tb_sku where sn='100000293'； （0.01s）
-
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。
- explain select * from tb_user where age=31 and status='0' and profession='软件工程'；
- 上述代码用到之前的联合索引（idx_user_pro_age_sta），会走索引，所以最左前缀法则具体指字段必须存在。
如果跳跃某一列，索引将部分失效（后面的字段索引失效 ）。
-
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效
- explain select * from tb_user where profession='软件工程' and age > 30 and status='0' ；
- status索引失效
- 规避方法：业务允许的情况下，尽量使用（>=，）
-
索引列运算
不要在索引列上进行运算操作（substring、like），索引将失效。
-
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。
-
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。
-
or连接的条件
用or分隔开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及到的索引都不会被用到。
解决方法：保证or前后的字段都有索引，一方没有则建立索引
-
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。
-
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。
use index：使用该索引
ignore index：不使用该索引
force index：必须使用该索引
- explain select * from tb_user force index(idx_user_pro) where profession='软件工程'；
-
覆盖索引
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 *；
知识小贴士：
using index condition：查找使用了索引，但是需要回表查询数据
using where; using index：查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据
-
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：
- create index idx_xxxx on table_name(columb(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；
-
单列索引与联合索引
单列索引：即一个索引只包含单个列。
联合索引：即一个索引只包含了多个列。
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。
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，它可以更好的确定那个索引最有效地用于查询。