MySQL索引原理以及查詢最佳化

標籤：提升   add   儲存   gen   http   參與   ref   show   原因   

一、介紹

1.什麼是索引？

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。

2.為什麼要有索引呢？

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。

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

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

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（即從左往右匹配）：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。

四、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

索引分類1.普通索引index :加速尋找2.唯一索引    主鍵索引：primary key ：加速尋找+約束（不為空白且唯一）    唯一索引：unique：加速尋找+約束 （唯一）3.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4.全文索引fulltext :用於搜尋很長一篇文章的時候，效果最好。5.空間索引spatial :瞭解就好，幾乎不用

 1 舉個例子來說，比如你在為某商場做一個會員卡的系統。 2  3 這個系統有一個會員表 4 有下欄欄位： 5 會員編號 INT 6 會員姓名 VARCHAR(10) 7 會員社會安全號碼碼 VARCHAR(18) 8 會員電話 VARCHAR(10) 9 會員住址 VARCHAR(50)10 會員備忘資訊 TEXT11 12 那麼這個 會員編號，作為主鍵，使用 PRIMARY13 會員姓名 如果要建索引的話，那麼就是普通的 INDEX14 會員社會安全號碼碼 如果要建索引的話，那麼可以選擇 UNIQUE （唯一的，不允許重複）15 16 #除此之外還有全文索引，即FULLTEXT17 會員備忘資訊 ， 如果需要建索引的話，可以選擇全文檢索搜尋。18 用於搜尋很長一篇文章的時候，效果最好。19 用在比較短的文本，如果就一兩行字的，普通的 INDEX 也可以。20 但其實對於全文檢索搜尋，我們並不會使用MySQL內建的該索引，而是會選擇第三方軟體如Sphinx，專門來做全文檢索搜尋。21 22 #其他的如空間索引SPATIAL，瞭解即可，幾乎不用

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

1 #方法一：建立表時 2     　　CREATE TABLE 表名 ( 3                 欄位名1  資料類型 [完整性條件約束條件…], 4                 欄位名2  資料類型 [完整性條件約束條件…], 5                 [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY 6                 [索引名]  (欄位名[(長度)]  [ASC |DESC])  7                 ); 8  9 10 #方法二：CREATE在已存在的表上建立索引11         CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 12                      ON 表名 (欄位名[(長度)]  [ASC |DESC]) ;13 14 15 #方法三：ALTER TABLE在已存在的表上建立索引16         ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX17                              索引名 (欄位名[(長度)]  [ASC |DESC]) ;18                              19 #刪除索引：DROP INDEX 索引名 ON 表名字;

 

善用協助文檔help createhelp create index==================1.建立索引    -在建立表時就建立（需要注意的幾點）    create table s1(    id int ,#可以在這加primary key    #id int index #不可以這樣加索引，因為index只是索引，沒有約束一說，    #不能像主鍵，還有唯一約束一樣，在定義欄位的時候加索引    name char(20),    age int,    email varchar(30)    #primary key(id) #也可以在這加    index(id) #可以這樣加    );    -在建立表後在建立    create index name on s1(name); #添加普通索引    create unique age on s1(age);添加唯一索引    alter table s1 add primary key(id); #添加住建索引，也就是給id欄位增加一個主鍵約束    create index name on s1(id,name); #添加普通聯合索引2.刪除索引    drop index id on s1;    drop index name on s1; #刪除普通索引    drop index age on s1; #刪除唯一索引，就和普通索引一樣，不用在index前加unique來刪，直接就可以刪了    alter table s1 drop primary key; #刪除主鍵(因為它添加的時候是按照alter來增加的，那麼我們也用alter來刪)

協助查看

五、測試索引

1、準備

#1. 準備表create table s1(id int,name varchar(20),gender char(6),email varchar(50));#2. 建立預存程序，實現批量插入記錄delimiter $$ #聲明預存程序的結束符號為$$create procedure auto_insert1()BEGIN    declare i int default 1;    while(i<3000000)do        insert into s1 values(i,concat(‘egon‘,i),‘male‘,concat(‘egon‘,i,‘@oldboy‘));        set i=i+1;    end while;END$$ #$$結束delimiter ; #重新聲明分號為結束符號#3. 查看預存程序show create procedure auto_insert1\G #4. 調用預存程序call auto_insert1();

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] |+------+---------+--------+----------------+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

六、正確使用索引

一、覆蓋索引

#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

二、聯合索引

三、索引合并

#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’);

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]dboy.com‘ 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)

1 6. 最左首碼匹配 2 index(id,age,email,name) 3 #條件中一定要出現id(只要出現id就會提升速度) 4 id 5 id age 6 id email 7 id name 8  9 email #不行  如果單獨這個開頭就不能提升速度了10 mysql> select count(*) from s1 where id=3000;11 +----------+12 | count(*) |13 +----------+14 |        1 |15 +----------+16 1 row in set (0.11 sec)17 18 mysql> create index xxx on s1(id,name,age,email);19 Query OK, 0 rows affected (6.44 sec)20 Records: 0  Duplicates: 0  Warnings: 021 22 mysql>  select count(*) from s1 where id=3000;23 +----------+24 | count(*) |25 +----------+26 |        1 |27 +----------+28 1 row in set (0.00 sec)29 30 mysql>  select count(*) from s1 where name=‘egon‘;31 +----------+32 | count(*) |33 +----------+34 |   299999 |35 +----------+36 1 row in set (0.16 sec)37 38 mysql>  select count(*) from s1 where email=‘[email protected]‘;39 +----------+40 | count(*) |41 +----------+42 |        1 |43 +----------+44 1 row in set (0.15 sec)45 46 mysql>  select count(*) from s1 where id=1000 and email=‘[email protected]‘;47 +----------+48 | count(*) |49 +----------+50 |        0 |51 +----------+52 1 row in set (0.00 sec)53 54 mysql>  select count(*) from s1 where email=‘[email protected]‘ and id=3000;55 +----------+56 | count(*) |57 +----------+58 |        0 |59 +----------+60 1 row in set (0.00 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

 

- 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

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

MySQL索引原理以及查詢最佳化