MySQL实战之深入浅出索引（下）

1.前言

在上一篇文章中，我们介绍了InnoDB索引的数据结构模型，今天我们再继续聊一下跟MySQL索引有关的概念。

在介绍之前，我们先看一个问题：

表初始化语句

mysql> create table T (
ID int primary key,
k int NOT NULL DEFAULT 0, 
s varchar(16) NOT NULL DEFAULT '',
index k(k))
engine=InnoDB;insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');

如果我们执行select * from T where k between 3 and 5，需要执行几次树的搜索操作，会扫描多少行？

下面是该表的索引数据结构

1.在k索引树上找到k=3的记录，取得ID=300
2.在到ID索引树查到ID=300对应的行记录
3.在k索引树去下一个值k=5，取得ID=500
4.再回到ID索引树查到ID=500对应的行记录
5.在k索引树取下一个值k=6，不满足条件，循环结束

在这个过程中，回到主键索引树搜索的过程，叫做回表。可以看到，查询过程读了k索引树的3条记录（步鄹1、3和5），回表了两次（2和4）

在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表。那么，有没有可能经过索引优化，避免回表过程呢？

2.覆盖索引

假设执行的语句是select ID from T where k between 3 and 5,这时只需要查ID的值，而ID的值在k索引树了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引k已经覆盖了查询的需求，称之为覆盖索引。

由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

需要注意的是，在引擎内部使用覆盖索引在索引k上其实读取了三个记录，但是对于MySQL的server层来说，它就是找引擎拿到了两条记录，因此MySQL认为扫描行数是2.

基于上面覆盖索引，我们来讨论一个问题：在一个市民信息表，是否有必要将身份证号和名字简历联合索引？
市民表的建表语句

CREATE TABLE `tuser` (`id` int(11) NOT NULL,`id_card` varchar(32) DEFAULT NULL,`name` varchar(32) DEFAULT NULL,`age` int(11) DEFAULT NULL,`ismale` tinyint(1) DEFAULT NULL,PRIMARY KEY (`id`),KEY `id_card` (`id_card`),KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB

我们知道，身份证号是市民的唯一标识，也就是说，如果根据身份证号查询市民信息的需求，我们只要在身份证号字段上建立索引就够了。而再建立一个（身份证号、姓名）的联合索引，是不是浪费空间？

如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意以了。它可以在这个高频请求上用到覆盖索引，不再需要回表查整行记录，减少语句的执行时间。

当然，索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了

3.最左前缀原则

看到这里你一定有一个疑问，如果为每一种查询都设计一个索引，索引是不是太多了。如果我现在要按照市民的身份证号去查他的家庭地址呢？虽然这个查询需求在业务中出现的概率不高，但总不能让它走全表扫描吧？反过来说，单独为一个不频繁的请求创建一个（身份证号，地址）的索引又感觉有点浪费，mysql应该怎么做呢？

我们先说结论，B+树这种索引结构，可以利用索引的最左前缀，来定位记录。

为了直观的说明这个概念，我们用（name，age）这个联合索引来分析。

可以看到，索引项是按照索引定义里面出现的字段顺序排序的。

当你的逻辑需求是查到所有名字是张三的人时，可以快速定位到ID4，然后向后遍历得到所有需要的结果。

如果你要查的是所有第一个字是张的人，你的SQL语句的条件是where name like ”张%“。这时，你也能够用上这个索引，查找到第一个符合条件的记录是ID3，然后向后遍历直到不满足条件为止。

可以看到，不只是索引全部定义，只要满足最左前缀，就可以利用索引来加快检索。这个最左前缀可以是联合索引的最左N个字段，也可以是字符串索引的最左N个字符。

基于上面对最左前缀索引的说明，我们来讨论一个问题：在建立联合索引的时候，如何安排索引内的字段顺序。

这里我们的评估标准是，索引的复用能力。因为支持最左前缀，所以当已经有了（a,b）这个联合索引后，一般就不需要单独在a上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。

所以现在知道了，这篇开头的问题里，我们要为高频请求创建（身份证号，姓名）这个联合索引，并用这个索引支持根据身份证号查询地址的需求。

那么如果既有联合查询，又有基于a、b各自查询的呢？查询条件里面只有b的语句，是无法使用(a,b)这个联合索引的，这时候你就不得不维护另外一个索引b。

这时候，我们就要考虑的原则就是空间了。比如上面这个市民表的情况，name字段是比age字段大的，那我就建议创建一个(name,age)的联合索引和一个（age）的索引。

4.索引下推

上面我们说了最左前缀原则，如果遇到不满足最左前缀的部分，又会怎么样呢？

我们还是以市民表的联合索引（name，age）为例。如果我现在有一个需求：检索出表中名字第一个字是张，并且年龄是10岁的所有男孩，SQL书写如下

select * from tuser where name like "张%" and age = 10 and ismale = 1;

我们已经知道了最左前缀原则，上面的SQL语句，只能用张，找到第一个满足条件的记录ID3。

然后呢？

当然是判断其他条件是否满足。

在MySQL5.6之前，只能从ID3开始一个个回表。到主键索引上找出数据行，在对比字段值。

而MySQL5.6引入了索引下推优化，可以在索引变量过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。下图是两个执行的过程图


上面每个虚线箭头标识回表一次。

第一个图，在（name，age）索引里面我特意去掉了age的值，这个过程InnoDB并不会去看age的值，只是按顺序把name第一个字是张的记录一条条取出来回表。因此需要回表4次。

第二个图，InnoDB在（name，age）索引内部就判断了age是否等于10，对于不等于10的记录，直接判断并跳过。这这个例子中，只需要对ID4、ID5这两条记录回表取数据判断，只需要回表2次。

5.小结

今天这篇文章，我们讨论了InnoDB索引的一些概念，包括覆盖索引、前缀索引、索引下推。可以看到，在满足语句需求的情况下，尽量少的访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标