【MySQL学习笔记】MySQL的索引

1、索引概述

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。

索引的优点：
1- 提高数据检索的效率，降低数据库的IO成本；
2- 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。

索引的缺点：
1- 索引列也是要占用空间的。
2- 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。

2、 索引的数据结构

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MySQL引擎的一个特殊索引类型，主要用于地理空间数据类型，通常很少使用
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Lucene，Solr，ES

存储引擎对索引的支持情况

索引	InnoDB	MyISAM	Memory
B+Tree索引	支持	支持	支持
Hash索引	不支持	不支持	支持
R-Tree索引	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

2.1 B+Tree索引结构

B+Tree的每个节点存储多个key与指针，假设key的个数为n，则指针的个数为n+1。key用于控制范围，指针指向下一个节点。
在B+Tree中，所有的元素都会出现在叶子结点，且数据只存储在叶子结点，所有的叶子结点形成单向链表。非叶子结点不存储数据，只起到索引的作用。这就使结点中的指针数量增加，树的高度降低。

而MySQL对经典B+Tree进行了优化，增加了一个指向相邻叶子结点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。
B+Tree结构示意图：

MySQL索引数据结构的B+Tree：

2.2 Hash索引结构

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索引在存储的时候是没有顺序的
hash索引特点：
1- hash索引只能用于对等比较（in，=），不支持范围查询（between，>，<，…）
2- 无法利用索引完成排序操作
3- 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
由于hash索引在存储的时候是没有顺序的，导致特点1，2。

在MySQL中，支持hash索引的是Memory存储引擎，而InnoDB中具有自适应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。

2.3 InnoDB选择B+Tree的原因

为什么InnoDB存储引擎选择使用B+Tree索引结构，而不选择二叉树，红黑树，B-Tree，hash表？
首先要分析二叉树、红黑树、B-Tree存在的问题。
二叉树问题：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。
红黑树问题：虽然解决了二叉树形成链表的问题，但本质还是二叉树，大数据量情况下，层级深，检索速度慢。
B-Tree问题：在MySQL中，每个节点存储在一页中，页的大小固定为16k，B树节点中不仅存储了键值，还存储了数据，导致存储的键值减少，指针也减少。要保存同样大小的数据，只能增加树的高度，导致性能降低。
hash表：只能满足等值查询，不支持范围匹配。无法对数据进行排序操作。

因此可以得到以 下三点：
1- 相对于二叉树，红黑树，B+Tree层级少，搜索效率高。
2- 对于B-Tree，无论是叶子结点还是非叶子结点，都会保存数据，而每个节点是保存在一个页中，这样导致一页中存储的键值减少，指针跟着减少，要保存同样大小的数据，只能增加树的高度，导致性能降低；而B+Tree在B-Tree的基础上进行优化，只在叶子结点上存储数据，并且在相邻的叶子结点之间增加指针，形成双向链表，提高性能。
3- Hash索引只能支持等值操作，而B+Tree还支持范围匹配及排序操作。

3、索引分类

索引主要分为四类：

分类	含义	特点	关键字
主键索引	针对于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字，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）	将数据存储于索引放到一块，索引结构的叶子结点保存了行数据	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，索引结构的叶子结点关联的是对应的主键	可以存在多个

聚集索引选取规则：
1- 如果存在主键，主键索引就是聚集索引；
2- 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引；
3- 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。

4、索引的语法

-- 创建索引
-- [unique | fulltext]：指定索引类型，可选
-- index_name：定义索引名，自定义
-- index_col：创建索引的字段，可选多个，如果同时指定多个，则称为联合索引，如果只指定一个，则称为单列索引
create [unique | fulltext] index index_name on table_name (index_col,...);-- 查看索引
show index from table_name;-- 删除索引
-- 从 table_name 表中删除 index_name 索引
drop index index_name on table_name;

5、SQL性能分析

SQL性能分析主要是为SQL优化做准备，因此需要明确要为哪类SQL进行优化。一般而言，主要对DQL（也就是查询语句）这类SQL进行优化，对增删改的优化是次要的。

5.1 SQL执行频率

分析SQL执行频率。
MySQL客户端连接成功后，通过下面的命令可以提供服务器状态信息：

-- 查看服务器状态信息
-- session：指当前会话
-- global：指定全局
show [session | global] status;

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：

-- 查看当前数据库增删改查的访问频次
-- Com后面是下划线，一个下划线代表一个字符
-- insert --> com_insert
-- update --> com_update
-- delete --> com_delete
-- select --> com_select
show global status like 'Com_______';

5.2 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慢查询日志开关
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

配置完毕之后，重新启动MySQL服务器进行测试，查看慢查询日志文件中记录的信息 localhost-slow.log，可以知道哪些SQL执行耗时过长，针对这些SQL进行优化。

5.3 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：

-- 查看是否支持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：

-- 开启profiling
set [session | global] profiling = 1;

在开启profiling后就可以执行一系列业务SQL操作，然后通过如下指令查看指令的执行耗时：

-- 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;

5.4 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。

-- 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;

执行计划会返回很多信息（id、select_type、table、partitions、type、possible_keys、key、key_len、ref、rows、filtered、extra），下面一一介绍：

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，即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站需要读取行数的百分比，filtered的值越大越好。
• extra：额外信息。

6、索引使用规则

6.1 最左前缀法则

如果索引了多列（联合索引），要遵循最左前缀法则。
最左前缀法则：查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，索引将部分失效（后面的字段索引失效）。
要满足最左前缀法则，只需要最左列存在，不关心位置。
举例：
若创建如下联合索引：

-- 在 user 表中根据 name，age，address 这三个字段创建联合索引
-- 最左列为 name ，要使用该索引，则需要存在 name 的条件
create index idx_user_name_age_address on user(name, age, address);

那么不同的查询语句使用 idx_user_name_age_address 索引有多种情况：

-- 使用 idx_user_name_age_address 索引，并且使用到了索引的全字段
select * from user where name = '张三' and age = 18 and address = '北京';-- 使用 idx_user_name_age_address 索引，但是没有使用address字段，因为sql语句中没有 address 条件
select * from user where name = '张三' and age = 18;-- 使用 idx_user_name_age_address 索引，只使用了 name 字段，因为sql语句中没有 age 和 address 条件
select * from user where name = '张三';-- 使用 idx_user_name_age_address 索引，但只使用了 name 字段，因为跳跃了 age 这一列，使后面的字段失效
select * from user where name = '张三' and address = '北京';-- 使用 idx_user_name_age_address 索引，并且使用了全字段，虽然 name 位置不在第一个，但是存在 name 字段条件
select * from user where age = 18 and address = '北京' and name = '张三';-- 未使用 idx_user_name_age_address 索引，因为不满足最左前缀法则，条件没有 name 字段。
select * from user where age = 18 and address = '北京';

6.2 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。
举例：
若创建如下联合索引：

-- 在 user 表中根据 job，age，address 这三个字段创建联合索引
-- 最左列为 job，要使用该索引，则需要存在 job 的条件
create index idx_user_job_age_address on user(job, age, address);

分析如下 sql 语句的索引使用情况：

-- 使用 idx_user_job_age_address 索引，但未使用 address 字段，这是因为 age > 25 为范围查询，范围查询右侧的列索引失效
select * from user where job = '程序员' and age > 25 and address = '北京';-- 使用 idx_user_job_age_address 索引，并且使用了所有的字段，这是因为 age >= 25 规避了范围查询
select * from user where job = '程序员' and age >= 25 and address = '北京';

从上面的案例中可以受到启发，在项目开发中，在满足业务需求的情况下，尽量使用 >=，<=，而不是用 >，<。

6.3索引失效情况

索引列运算：不要在索引列上进行运算操作，否则索引将失效。

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 分割开的条件，如果 or 前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。只有 or 两侧都有索引时，才会生效。

数据分布影响：如果MySQL评估使用索引比全表扫描慢，则不使用索引。

6.4 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。这个提示是指开发者给MySQL的提示。
语法：
在表后面加 use/ignore/force index(指定index)

-- use index：建议使用指定索引，但MySQL可以根据实际情况分析，是否使用该索引
explain select * from user use index(idx_user_name) where name = '张三';-- ignore index: 忽略索引，不使用指定索引
explain select * from user ignore index(idx_user_name) where name = '张三';-- force index：强制使用指定索引
explain select * from user force index(idx_user_name) where name = '张三';

6.5 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）。减少使用 select * 的情况。

覆盖索引是研究返回字段对查询性能的影响。

研究如下几条 SQL，他们的 where 条件相同，但返回的字段不同：
前提：创建了如下几个索引

-- 在 user 表上给 job，age，gender 字段创建了联合索引 idx_user_job_age_gender 
create index idx_user_job_age_gender on user(job, age, gender);
-- 在 user 表上给 name 字段创建索引 idx_user_name 
create index idx_user_name on user(name);

分析 SQL：

-- 执行计划 extra 字段提示：using where; using index
-- 因为建立了 job，age，gender 这三个字段联合索引，联合索引中包含了查询返回的 id 和 job 数据，只需要一次二级查询即可。
explain select id, job from user where job = '程序员' and age = 25 and gender = 1;-- 执行计划 extra 字段提示：using where; using index
-- 因为建立了 job，age，gender 这三个字段联合索引，联合索引中包含了查询返回的 id，job，age，gender 数据，只需要一次二级查询即可。
explain select id, job, age, gender from user where job = '程序员' and age = 25 and gender = 1;-- 执行计划 extra 字段提示：using index condition
-- 虽然建立了 job，age，gender 这三个字段联合索引，但是索引列中不包含 name 字段，查询返回 name 字段需要根据 id 进行回表查询，性能降低。
explain select id, job, age, gender, name from user where job = '程序员' and age = 25 and gender = 1;-- 执行计划 extra 字段提示：using index condition
-- * 通配表中所有字段，而 idx_user_job_age_gender 索引中只包含 id，job，age，gender数据，因此需要回表查询。
explain select * from user where job = '程序员' and age = 25 and gender = 1;

知识补充：
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。
using where; using index 的性能高于 using index condition

6.6 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。

建立前缀索引的语法：

-- idx_xxx：自定义索引名
-- table_name：表名
-- column：字段，一般为varchar，text等类型
-- n：前缀长度，截取字符串的长度
create index idx_xxx on table_name(column(n))

如何确定前缀？
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。
可以通过下面的 sql 来计算选择性;

-- 这里以 user 表中的 email 字段为例，使用 email 的全部字符计算选择性
select count(distinct email) / count(*) from user;
-- 截取 email 字段的前5个字符计算选择性
select count(distinct substring(email, 1, 5)) / count(*) from user;

6.7 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。
多条件联合查询时，MySQL优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询。

7、索引设计原则

1. 针对于数据量较大，且查询比较频繁的表建立索引。
2. 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。
3. 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。
4. 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。
5. 尽量使用联合索引，减少使用单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表查询，提高查询效率。
6. 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越大，会影响增删改的效率。
7. 如果索引列不能存储 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，它可以更好地确定哪个索引最有效地用于查询。