mysql-索引原理與慢查詢最佳化

標籤：作業系統   慢查詢   order   net   完全   檔案路徑   配置   函數   定義   

一 介紹

為何要有索引?

一般的應用系統，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現效能問題，在生產環境中，我們遇到最多的，也是最容易出問題的，還是一些複雜的查詢操作，因此對查詢語句的最佳化顯然是重中之重。說起加速查詢，就不得不提到索引了。

什麼是索引？

索引在MySQL中也叫做“鍵”，是儲存引擎用於快速找到記錄的一種資料結構。索引對於良好的效能
非常關鍵，尤其是當表中的資料量越來越大時，索引對於效能的影響愈發重要。
索引最佳化應該是對查詢效能最佳化最有效手段了。索引能夠輕易將查詢效能提高好幾個數量級。
索引相當於字典的音序表，如果要查某個字，如果不使用音序表，則需要從幾百頁中逐頁去查。

                      30        10                          40   5         15               35          661    6    11   19          21   39     55    100

  二 索引的原理

一 索引原理

索引的目的在於提高查詢效率，與我們查閱圖書所用的目錄是一個道理：先定位到章，然後定位到該章下的一個小節，然後找到頁數。相似的例子還有：查字典，查火車車次，飛機航班等

本質都是：通過不斷地縮小想要擷取資料的範圍來篩選出最終想要的結果，同時把隨機的事件變成順序的事件，也就是說，有了這種索引機制，我們可以總是用同一種尋找方式來鎖定資料。

資料庫也是一樣，但顯然要複雜的多，因為不僅面臨著等值查詢，還有範圍查詢(>、<、between、in)、模糊查詢(like)、並集查詢(or)等等。資料庫應該選擇怎麼樣的方式來應對所有的問題呢？我們回想字典的例子，能不能把資料分成段，然後分段查詢呢？最簡單的如果1000條資料，1到100分成第一段，101到200分成第二段，201到300分成第三段......這樣查第250條資料，只要找第三段就可以了，一下子去除了90%的無效資料。但如果是1千萬的記錄呢，分成幾段比較好？稍有演算法基礎的同學會想到搜尋樹，其平均複雜度是lgN，具有不錯的查詢效能。但這裡我們忽略了一個關鍵的問題，複雜度模型是基於每次相同的操作成本來考慮的。而資料庫實現比較複雜，一方面資料是儲存在磁碟上的，另外一方面為了提高效能，每次又可以把部分資料讀入記憶體來計算，因為我們知道訪問磁碟的成本大概是訪問記憶體的十萬倍左右，所以簡單的搜尋樹難以滿足複雜的應用情境。

二 磁碟IO與預讀

前面提到了訪問磁碟，那麼這裡先簡單介紹一下磁碟IO和預讀，磁碟讀取資料靠的是機械運動，每次讀取資料花費的時間可以分為尋道時間、旋轉延遲、傳輸時間三個部分，尋道時間指的是磁臂移動到指定磁軌所需要的時間，主流磁碟一般在5ms以下；旋轉延遲就是我們經常聽說的磁碟轉速，比如一個磁碟7200轉，表示每分鐘能轉7200次，也就是說1秒鐘能轉120次，旋轉延遲就是1/120/2 = 4.17ms；傳輸時間指的是從磁碟讀出或將資料寫入磁碟的時間，一般在零點幾毫秒，相對於前兩個時間可以忽略不計。那麼訪問一次磁碟的時間，即一次磁碟IO的時間約等於5+4.17 = 9ms左右，聽起來還挺不錯的，但要知道一台500 -MIPS（Million Instructions Per Second）的機器每秒可以執行5億條指令，因為指令依靠的是電的性質，換句話說執行一次IO的時間可以執行約450萬條指令，資料庫動輒十萬百萬乃至千萬級資料，每次9毫秒的時間，顯然是個災難。是電腦硬體延遲的對比圖，供大家參考：

 

考慮到磁碟IO是非常高昂的操作，電腦作業系統做了一些最佳化，當一次IO時，不光把當前磁碟地址的資料，而是把相鄰的資料也都讀取到記憶體緩衝區內，因為局部預讀性原理告訴我們，當電腦訪問一個地址的資料的時候，與其相鄰的資料也會很快被訪問到。每一次IO讀取的資料我們稱之為一頁(page)。具體一頁有多大資料跟作業系統有關，一般為4k或8k，也就是我們讀取一頁內的資料時候，實際上才發生了一次IO，這個理論對於索引的資料結構設計非常有協助。

 三 索引的資料結構

前面講了索引的基本原理，資料庫的複雜性，又講了作業系統的相關知識，目的就是讓大家瞭解，任何一種資料結構都不是憑空產生的，一定會有它的背景和使用情境，我們現在總結一下，我們需要這種資料結構能夠做些什麼，其實很簡單，那就是：每次尋找資料時把磁碟IO次數控制在一個很小的數量級，最好是常數數量級。那麼我們就想到如果一個高度可控的多路搜尋樹是否能滿足需求呢？就這樣，b+樹應運而生。

如，是一顆b+樹，關於b+樹的定義可以參見B+樹，這裡只說一些重點，淺藍色的塊我們稱之為一個磁碟塊，可以看到每個磁碟塊包含幾個資料項目（深藍色所示）和指標（黃色所示），如磁碟塊1包含資料項目17和35，包含指標P1、P2、P3，P1表示小於17的磁碟塊，P2表示在17和35之間的磁碟塊，P3表示大於35的磁碟塊。真實的資料存在於葉子節點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節點只不儲存真實的資料，只儲存指引搜尋方向的資料項目，如17、35並不真實存在於資料表中。

###b+樹的尋找過程
，如果要尋找資料項目29，那麼首先會把磁碟塊1由磁碟載入到記憶體，此時發生一次IO，在記憶體中用二分尋找確定29在17和35之間，鎖定磁碟塊1的P2指標，記憶體時間因為非常短（相比磁碟的IO）可以忽略不計，通過磁碟塊1的P2指標的磁碟地址把磁碟塊3由磁碟載入到記憶體，發生第二次IO，29在26和30之間，鎖定磁碟塊3的P2指標，通過指標載入磁碟塊8到記憶體，發生第三次IO，同時記憶體中做二分尋找找到29，結束查詢，總計三次IO。真實的情況是，3層的b+樹可以表示上百萬的資料，如果上百萬的資料尋找只需要三次IO，效能提高將是巨大的，如果沒有索引，每個資料項目都要發生一次IO，那麼總共需要百萬次的IO，顯然成本非常非常高。

###b+樹性質
1.索引欄位要盡量的小：通過上面的分析，我們知道IO次數取決於b+數的高度h，假設當前資料表的資料為N，每個磁碟塊的資料項目的數量是m，則有h=㏒(m+1)N，當資料量N一定的情況下，m越大，h越小；而m = 磁碟塊的大小 / 資料項目的大小，磁碟塊的大小也就是一個資料頁的大小，是固定的，如果資料項目占的空間越小，資料項目的數量越多，樹的高度越低。這就是為什麼每個資料項目，即索引欄位要盡量的小，比如int佔4位元組，要比bigint8位元組少一半。這也是為什麼b+樹要求把真實的資料放到葉子節點而不是內層節點，一旦放到內層節點，磁碟塊的資料項目會大幅度下降，導致樹增高。當資料項目等於1時將會退化成線性表。
2.索引的最左匹配特性：當b+樹的資料項目是複合的資料結構，比如(name,age,sex)的時候，b+數是按照從左至右的順序來建立搜尋樹的，比如當(張三,20,F)這樣的資料來檢索的時候，b+樹會優先比較name來確定下一步的所搜方向，如果name相同再依次比較age和sex，最後得到檢索的資料；但當(20,F)這樣的沒有name的資料來的時候，b+樹就不知道下一步該查哪個節點，因為建立搜尋樹的時候name就是第一個比較因子，必須要先根據name來搜尋才能知道下一步去哪裡查詢。比如當(張三,F)這樣的資料來檢索時，b+樹可以用name來指定搜尋方向，但下一個欄位age的缺失，所以只能把名字等於張三的資料都找到，然後再匹配性別是F的資料了， 這個是非常重要的性質，即索引的最左匹配特性。

 

三 MySQL索引管理

一 功能

#1. 索引的功能就是加速尋找#2. mysql中的primary key，unique，聯合唯一也都是索引，這些索引除了加速尋找以外，還有約束的功能

二 MySQL的索引分類

普通索引INDEX：加速尋找唯一索引：    -主鍵索引PRIMARY KEY：加速尋找+約束（不為空白、不能重複）    -唯一索引UNIQUE:加速尋找+約束（不能重複）聯合索引：    -PRIMARY KEY(id,name):聯合主鍵索引    -UNIQUE(id,name):聯合唯一索引    -INDEX(id,name):聯合普通索引

三 索引的兩大類型hash與btree

#我們可以在建立上述索引的時候，為其指定索引類型，分兩類hash類型的索引：查詢單條快，範圍查詢慢btree類型的索引：b+樹，層數越多，資料量指數級增長（我們就用它，因為innodb預設支援它）#不同的儲存引擎支援的索引類型也不一樣InnoDB 支援事務，支援行層級鎖定，支援 B-tree、Full-text 等索引，不支援 Hash 索引；MyISAM 不支援事務，支援表層級鎖定，支援 B-tree、Full-text 等索引，不支援 Hash 索引；Memory 不支援事務，支援表層級鎖定，支援 B-tree、Hash 等索引，不支援 Full-text 索引；NDB 支援事務，支援行層級鎖定，支援 Hash 索引，不支援 B-tree、Full-text 等索引；Archive 不支援事務，支援表層級鎖定，不支援 B-tree、Hash、Full-text 等索引；        

四 建立/刪除索引的文法

#方法一：建立表時    　　CREATE TABLE 表名 (                欄位名1  資料類型 [完整性條件約束條件…],                欄位名2  資料類型 [完整性條件約束條件…],                [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY                [索引名]  (欄位名[(長度)]  [ASC |DESC])                 );#方法二：CREATE在已存在的表上建立索引        CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名                      ON 表名 (欄位名[(長度)]  [ASC |DESC]) ;#方法三：ALTER TABLE在已存在的表上建立索引        ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX                             索引名 (欄位名[(長度)]  [ASC |DESC]) ;                             #刪除索引：DROP INDEX 索引名 ON 表名字;

  四 測試索引

1 準備

View Code

2 在沒有索引的前提下測試查詢速度

#無索引：從頭到尾掃描一遍，所以查詢速度很慢mysql> select * from s1 where id=333;+------+---------+--------+----------------+| id   | name    | gender | email          |+------+---------+--------+----------------+|  333 | egon333 | male   | [email protected] ||  333 | egon333 | f      | [email protected] ||  333 | egon333 | f      | [email protected] |+------+---------+--------+----------------+3 rows in set (0.32 sec)mysql> select * from s1 where email=‘[email protected]‘;....... rows in set (0.36 sec)

3 加上索引

#1. 一定是為搜尋條件的欄位建立索引，比如select * from t1 where age > 5;就需要為age加上索引#2. 在表中已經有大量資料的情況下，建索引會很慢，且佔用硬碟空間，插入刪除更新都很慢，只有查詢快比如create index idx on s1(id);會掃描表中所有的資料，然後以id為資料項目，建立索引結構，存放於硬碟的表中。建完以後，再查詢就會很快了#3. 需要注意的是：innodb表的索引會存放於s1.ibd檔案中，而myisam表的索引則會有單獨的索引檔案table1.MYI

ps：我們可以去mysql的data目錄下找到該表，可以看到佔用的硬碟空間多了

 五 正確使用索引

一 並不是說我們建立了索引就一定會加快查詢速度，如下索引未命中

select sql_no_cache * from s1 where email=‘xxx‘; #命中索引，速度很快select sql_no_cache * from s1 where email like ‘%old%‘; #無法使用索引，速度依然很慢

二 覆蓋索引與索引合并

#覆蓋索引：    - 在索引檔案中直接擷取資料    http://blog.itpub.net/22664653/viewspace-774667/#分析select * from s1 where id=123;該sql命中了索引，但未覆蓋索引。利用id=123到索引的資料結構中定位到該id在硬碟中的位置，或者說再資料表中的位置。但是我們select的欄位為*，除了id以外還需要其他欄位，這就意味著，我們通過索引結構取到id還不夠，還需要利用該id再去找到該id所在行的其他欄位值，這是需要時間的，很明顯，如果我們只select id，就減去了這份苦惱，如下select id from s1 where id=123;這條就是覆蓋索引了，命中索引，且從索引的資料結構直接就取到了id在硬碟的地址，速度很快

 

#索引合并：把多個單列索引合并使用#分析：複合式索引能做到的事情，我們都可以用索引合并去解決，比如create index ne on s1(name,email);#複合式索引我們完全可以單獨為name和email建立索引複合式索引可以命中：select * from s1 where name=‘egon‘ ;select * from s1 where name=‘egon‘ and email=‘adf‘;索引合并可以命中：select * from s1 where name=‘egon‘ ;select * from s1 where email=‘adf‘;select * from s1 where name=‘egon‘ and email=‘adf‘;乍一看好像索引合并更好了：可以命中更多的情況，但其實要分情況去看，如果是name=‘egon‘ and email=‘adf‘,那麼複合式索引的效率要高於索引合并，如果是單條件查，那麼還是用索引合并比較合理

三 若想利用索引達到預想的提高查詢速度的效果，我們在添加索引時，必須遵循以下原則

#1.最左首碼匹配原則，非常重要的原則，create index ix_name_email on s1(name,email,)- 最左首碼匹配：必須按照從左至右的順序匹配select * from s1 where name=‘egon‘; #可以select * from s1 where name=‘egon‘ and email=‘asdf‘; #可以select * from s1 where email=‘[email protected]‘; #不可以mysql會一直向右匹配直到遇到範圍查詢(>、<、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)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整。#2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢最佳化工具會幫你最佳化成索引可以識別的形式#3.盡量選擇區分度高的列作為索引,區分度的公式是count(distinct col)/count(*)，表示欄位不重複的比例，比例越大我們掃描的記錄數越少，唯一鍵的區分度是1，而一些狀態、性別欄位可能在大資料面前區分度就是0，那可能有人會問，這個比例有什麼經驗值嗎？使用情境不同，這個值也很難確定，一般需要join的欄位我們都要求是0.1以上，即平均1條掃描10條記錄#4.索引列不能參與計算，保持列“乾淨”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很簡單，b+樹中存的都是資料表中的欄位值，但進行檢索時，需要把所有元素都應用函數才能比較，顯然成本太大。所以語句應該寫成create_time = unix_timestamp(’2014-05-29’);#5.盡量的擴充索引，不要建立索引。比如表中已經有a的索引，現在要加(a,b)的索引，那麼只需要修改原來的索引即可

最左首碼示範

mysql> select * from s1 where id>3 and name=‘egon‘ and email=‘[email protected]‘ and gender=‘male‘;Empty set (0.39 sec)mysql> create index idx on s1(id,name,email,gender); #未遵循最左首碼Query OK, 0 rows affected (15.27 sec)Records: 0  Duplicates: 0  Warnings: 0mysql> select * from s1 where id>3 and name=‘egon‘ and email=‘[email protected]‘ and gender=‘male‘;Empty set (0.43 sec)mysql> drop index idx on s1;Query OK, 0 rows affected (0.16 sec)Records: 0  Duplicates: 0  Warnings: 0mysql> create index idx on s1(name,email,gender,id); #遵循最左首碼Query OK, 0 rows affected (15.97 sec)Records: 0  Duplicates: 0  Warnings: 0mysql> select * from s1 where id>3 and name=‘egon‘ and email=‘[email protected]‘ and gender=‘male‘;Empty set (0.03 sec)

索引無法命中的情況需要注意：

- like ‘%xx‘    select * from tb1 where email like ‘%cn‘;        - 使用函數    select * from tb1 where reverse(email) = ‘wupeiqi‘;        - or    select * from tb1 where nid = 1 or name = ‘[email protected]‘;            特別的：當or條件中有未建立索引的列才失效，以下會走索引            select * from tb1 where nid = 1 or name = ‘seven‘;            select * from tb1 where nid = 1 or name = ‘[email protected]‘ and email = ‘alex‘                        - 類型不一致    如果列是字串類型，傳入條件是必須用引號引起來，不然...    select * from tb1 where email = 999;    普通索引的不等於不會走索引- !=    select * from tb1 where email != ‘alex‘        特別的：如果是主鍵，則還是會走索引        select * from tb1 where nid != 123- >    select * from tb1 where email > ‘alex‘            特別的：如果是主鍵或索引是整數類型，則還是會走索引        select * from tb1 where nid > 123        select * from tb1 where num > 123                #排序條件為索引，則select欄位必須也是索引欄位，否則無法命中- order by    select name from s1 order by email desc;    當根據索引排序時候，select查詢的欄位如果不是索引，則不走索引    select email from s1 order by email desc;    特別的：如果對主鍵排序，則還是走索引：        select * from tb1 order by nid desc; - 複合式索引最左首碼    如果複合式索引為：(name,email)    name and email       -- 使用索引    name                 -- 使用索引    email                -- 不使用索引- count(1)或count(列)代替count(*)在mysql中沒有差別了- create index xxxx  on tb(title(19)) #text類型，必須制定長度

其他注意事項

- 避免使用select *- count(1)或count(列) 代替 count(*)- 建立表時盡量時 char 代替 varchar- 表的欄位順序固定長度的欄位優先- 複合式索引代替多個單列索引（經常使用多個條件查詢時）- 盡量使用短索引- 使用串連（JOIN）來代替子查詢(Sub-Queries)- 連表時注意條件類型需一致- 索引散列值（重複少）不適合建索引，例：性別不適合

  六 查詢最佳化神器-explain

關於explain命令相信大家並不陌生，具體用法和欄位含義可以參考官網explain-output，這裡需要強調rows是核心指標，絕大部分rows小的語句執行一定很快（有例外，下面會講到）。所以最佳化語句基本上都是在最佳化rows。

執行計畫：讓mysql預估執行操作(一般正確)    all < index < range < index_merge < ref_or_null < ref < eq_ref < system/const    id,email        慢：        select * from userinfo3 where name=‘alex‘                explain select * from userinfo3 where name=‘alex‘        type: ALL(全表掃描)            select * from userinfo3 limit 1;    快：        select * from userinfo3 where email=‘alex‘        type: const(走索引)

http://blog.itpub.net/29773961/viewspace-1767044/

 

七 慢查詢最佳化的基本步驟

0.先運行看看是否真的很慢，注意設定SQL_NO_CACHE1.where條件單表查，鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應用到表中返回的記錄數最小的表開始查起，單表每個欄位分別查詢，看哪個欄位的區分度最高2.explain查看執行計畫，是否與1預期一致（從鎖定記錄較少的表開始查詢）3.order by limit 形式的sql語句讓排序的表優先查4.瞭解業務方使用情境5.加索引時參照建索引的幾大原則6.觀察結果，不符合預期繼續從0分析

 八 慢日誌管理

        慢日誌            - 執行時間 > 10            - 未命中索引            - 記錄檔路徑                    配置：            - 記憶體                show variables like ‘%query%‘;                show variables like ‘%queries%‘;                set global 變數名 = 值            - 設定檔                mysqld --defaults-file=‘E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini‘                                my.conf內容：                    slow_query_log = ON                    slow_query_log_file = D:/....                                    注意：修改設定檔之後，需要重啟服務

日誌管理

 

九 參考部落格

https://tech.meituan.com/mysql-index.html 

http://blog.itpub.net/29773961/viewspace-1767044/
http://www.cnblogs.com/wupeiqi/articles/5716963.html

http://www.cnblogs.com/hustcat/archive/2009/10/28/1591648.html
http://www.cnblogs.com/mr-wid/archive/2013/05/09/3068229.html
http://www.cnblogs.com/kissdodog/p/4159176.html
http://blog.csdn.net/ggxxkkll/article/details/7551766
http://blog.itpub.net/26435490/viewspace-1133659/
http://pymysql.readthedocs.io/en/latest/user/examples.html
http://www.cnblogs.com/lyhabc/p/3793524.html
http://www.jianshu.com/p/ed32d69383d2
http://doc.mysql.cn/mysql5/refman-5.1-zh.html-chapter/
http://doc.mysql.cn/
http://www.php100.com/html/webkaifa/database/Mysql/2013/0316/12223.html
http://blog.csdn.net/ltylove2007/article/details/21084809
http://lib.csdn.net/base/mysql
http://blog.csdn.net/c_enhui/article/details/9021271
http://www.cnblogs.com/edisonchou/p/3878135.html?utm_source=tuicool&utm_medium=referral
http://www.cnblogs.com/ggjucheng/archive/2012/11/11/2765465.html
http://www.cnblogs.com/cchust/p/3444510.html
http://www.docin.com/p-705091183.html
http://www.open-open.com/doc/view/51f552745f514bbbaf0aaecf6c88509a
http://www.open-open.com/doc/view/f80947a5c805458db8cf929834d241bf
http://www.open-open.com/lib/view/open1435498096607.html
http://www.open-open.com/doc/view/48c510607ab84fd8b87b158c3fe9d177
http://www.open-open.com/lib/view/open1448032294072.html
http://www.open-open.com/lib/view/open1404887901263.html
http://www.cnblogs.com/cchust/p/3426927.html
http://wribao.php230.com/category/news/1138254.html
http://www.iqiyi.com/w_19rqqds1ut.html
http://wenku.baidu.com/link?url=7Grxv0cQ_a00Ni2ZEU_cbDk2Wd2VTzlnS2UPKST3OF4oDqoLUQ2rQpOmK8ap12RDnXbnNs6gbY8DXVvWmo9bMxjWGS_vkhYus22ghAZYuES
http://www.cnblogs.com/edisonchou/p/3878135.html
http://blog.chinaunix.net/uid-540802-id-3419311.html
http://my.oschina.net/scipio/blog/293052
http://blog.itpub.net/29773961/viewspace-1767044/
http://my.oschina.net/lionets/blog/407263

mysql-索引原理與慢查詢最佳化