mysql 索引長度和區分度

標籤：count   欄位   alt   mysql   tab   使用者表   http   log   排序   

首先  索引長度和區分度是相互矛盾的，

索引長度太短，那麼區分度就很低，吧索引長度加長，區分度就高，但是索引也是要佔記憶體的，所以我們需要找到一個平衡點；

那麼這個平衡點怎麼來定？

 

比如使用者表有個欄位 username ，要給他加索引，問題是索引長度多少合適？

其實我們知道 百家姓裡面有百多個姓 ，但是大多數人的姓 集中在前十多個；如果我設定索引索引長度為1，對染占記憶體少，但是區分度低，

區分度低索引的效率越低。太長則占記憶體；

 

首先你要知道 mysql的索引都是排好序的。如果區分度高排序越快，區分度越低，排序慢；

舉個例子：  （張，張三，張三哥），如果索引長度取1的話，那麼每一行的索引都是 張 這個字，完全沒有區分度，你讓他怎麼排序？結果這樣三行完全是隨機排的，因為索引都一樣；

如果長度取2，那麼排序的時候至少前兩個是排對了的，如果取3，區分度達到100%，排序完全正確；

等等，那你說是不是索引越長越好？  答案肯定是錯的，比如 (張,李,王)  和 （張三啦啦啦，張三呵呵呵，張三呼呼呼）；前者在記憶體中排序佔得空間少，排序也快，後者明顯更慢更占記憶體，在大資料應用中這一點點都是很恐怖的；

 

所以要做一個取捨；這個取捨不是沒有一個固定的量；需要跟你自己的資料庫裡面的資料來判斷；比較常規的公式是：

test是要加索引的欄位，5是索引長度，

select count(distinct left(test,5))/count(*) from table;   

求出一個浮點數，這個浮點數是逐漸趨向1的，網上找了個圖片來分析下；

這個地方觀察到，當索引長度達到4的時候就已經趨向1了，所以長度設為4是最佳的，在大點增加的索引效果已經很小了，這個地方不是說必須接近1才行；

其實這個值達到0.1就已經可以接受了；總之要找一個平衡點；

 

還有一些特殊的欄位常規方法用起不太順暢，比如有一個url欄位，絕大部分的url都是 http://www. 開頭的

這種情況下索引長度取取到11都是無效的，需要更長的索引，那麼有沒有優雅的方式來解決呢；

第一種方法： 可以將資料倒序存入資料庫；

第二種方法：對字串進行crc32雜湊處理；

兩種方法都不錯，當然要配合用戶端程式完成；

mysql 索引長度和區分度