《SQL基础》11. 索引

---

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。

演示：

注：上述二叉树索引结构只是示意图，并不是真实的索引结构。

索引优缺点：

优点	缺点
提高数据检索的效率，降低数据库的IO成本	索引列要占用空间
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

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索引结构，主要包含以下几种：

优点	缺点
B+Tree索引	最常见的索引类型，大部分引擎都支持B+树索引
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MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
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：

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索引	5.6版本之后支持	支持	不支持

我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。

以一颗最大度数（max-degree）为5（5阶）的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

度数指一个节点的子节点个数。

B+Tree

B+Tree是B-Tree的变种

以一颗最大度数为4的b+tree为例，其结构示意图：

• 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
• 红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

B+Tree相对于B-Tree的区别：

• 所有的数据都会出现在叶子节点。
• 叶子节点形成一个单向链表。
• 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

上述结构是标准的B+Tree数据结构。

MySQL中优化之后的B+Tree：

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

Hash

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。

特点：

• Hash索引只能用于对等比较（=，in），不支持范围查询（between，>，<，…）
• 无法利用索引完成排序操作
• 查询效率高，通常只需要一次检索就可以，效率通常要高于B+tree索引

存储引擎支持：
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InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

思考

为什么InnoDB存储引擎选择使用B+tree索引结构？

• 对于二叉树，层级更少，搜索效率高
• 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低
• 相对Hash索引，B+tree支持范围匹配及排序操作

分类

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词，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）	将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据	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，索引结构的叶子节点关联的是对应的主键	可以存在多个

聚集索引选取规则：

• 如果存在主键，主键索引就是聚集索引。
• 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
• 如果表没有主键，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。

聚集索引和二级索引的具体结构示例如下：

• 聚集索引的叶子节点下挂的是这一行的数据。
• 二级索引的叶子节点下挂的是该字段值对应的主键值。

这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，称为回表查询。

思考：
以下两条SQL语句，那个执行效率高？注：id为主键，name字段创建的有索引；
A. select * from user where id = 10;
B. select * from user where name = ‘Arm’;
答：
A语句的执行性能要高于B语句。

思考：
InnoDB主键索引的B+tree高度为多高？
假设：
一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
若高度为2：
n * 8 + (n + 1) * 6 = 16 * 1024，算出n约为1170
1171 * 16 = 18736
也就是说，如果树的高度为2，则可以存储 18000 多条记录。
若高度为3：
1171 * 1171 * 16 = 21939856
也就是说，如果树的高度为3，则可以存储 2200w 左右的记录。

语法

创建常规索引：
CREATE INDEX 索引名 ON 表名 (字段1, ..., 字段n);

创建唯一索引：
CREATE UNIQUE INDEX 索引名 ON 表名 (字段1, ..., 字段n);

创建全文索引：
CREATE FULLTEXT INDEX 索引名 ON 表名 (字段1, ..., 字段n);

一个索引可以关联多个字段。
若一个索引只关联一个字段，称为单列索引。
若关联多个字段，则称为联合索引或组合索引。

查看索引：
SHOW INDEX FROM 表名;

删除索引：
DROP INDEX 索引名 ON 表名;

示例：

CREATE TABLE tb_user(id INT PRIMARY KEY AUTO_INCREMENT COMMENT '主键',name VARCHAR(50) NOT NULL COMMENT '用户名',phone VARCHAR(11) NOT NULL COMMENT '手机号',email VARCHAR(100) COMMENT '邮箱',profession VARCHAR(11) COMMENT '专业',age TINYINT UNSIGNED COMMENT '年龄',gender CHAR(1) COMMENT '性别, 1: 男, 2: 女',user_status CHAR(1) COMMENT '状态',createtime DATETIME COMMENT '创建时间'
) COMMENT '系统用户表';INSERT INTO tb_user (name, phone, email, profession, age, gender, user_status, createtime) 
VALUES ('吕布', '17799990000', '[e-mail]', '软件工程', 23, '1', '6', '2001-02-02 00:00:00'), ('曹操', '17799990001', '[e-mail]', '通讯工程', 33, '1', '0', '2001-03-05 00:00:00'), ('赵云', '17799990002', '[e-mail]', '英语', 34, '1', '2', '2002-03-02 00:00:00'), ('孙悟空', '17799990003', '[e-mail]', '工程造价', 54, '1', '0', '2001-07-02 00:00:00'), ('花木兰', '17799990004', '[e-mail]', '软件工程', 23, '2', '1', '2001-04-22 00:00:00'), ('大乔', '17799990005', '[e-mail]', '舞蹈', 22, '2', '0', '2001-02-07 00:00:00'), ('露娜', '17799990006', '[e-mail]', '应用数学', 24, '2', '0', '2001-02-08 00:00:00'), ('程咬金', '17799990007', '[e-mail]', '化工', 38, '1', '5', '2001-05-23 00:00:00'), ('项羽', '17799990008', '[e-mail]', '金属材料', 43, '1', '0', '2001-09-18 00:00:00'), ('白起', '17799990009', '[e-mail]', '机械工程及其自动化', 27, '1', '2', '2001-08-16 00:00:00'), ('韩信', '17799990010', '[e-mail]', '无机非金属材料工程', 27, '1', '0', '2001-06-12 00:00:00'), ('荆轲', '17799990011', '[e-mail]', '会计', 29, '1', '0', '2001-05-11 00:00:00'), ('兰陵王', '17799990012', '[e-mail]', '工程造价', 44, '1', '1', '2001-04-09 00:00:00'), ('狂铁', '17799990013', '[e-mail]', '应用数学', 43, '1', '2', '2001-04-10 00:00:00'), ('貂蝉', '17799990014', '[e-mail]', '软件工程', 40, '2', '3', '2001-02-12 00:00:00'), ('妲己', '17799990015', '[e-mail]', '软件工程', 31, '2', '0', '2001-01-30 00:00:00'), ('芈月', '17799990016', '[e-mail]', '工业经济', 35, '2', '0', '2000-05-03 00:00:00'), ('嬴政', '17799990017', '[e-mail]', '化工', 38, '1', '1', '2001-08-08 00:00:00'), ('狄仁杰', '17799990018', '[e-mail]', '国际贸易', 30, '1', '0', '2007-03-12 00:00:00'), ('安琪拉', '17799990019', '[e-mail]', '城市规划', 51, '2', '0', '2001-08-15 00:00:00'), ('典韦', '17799990020', '[e-mail]', '城市规划', 52, '1', '2', '2000-04-12 00:00:00'), ('廉颇', '17799990021', '[e-mail]', '土木工程', 19, '1', '3', '2002-07-18 00:00:00'), ('后羿', '17799990022', '[e-mail]', '城市园林', 20, '1', '0', '2002-03-10 00:00:00'), ('姜子牙', '17799990023', '[e-mail]', '工程造价', 29, '1', '4', '2003-05-26 00:00:00');# name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
CREATE INDEX idx_user_name ON tb_user(name);# phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);# 为profession、age、status创建联合索引。
CREATE INDEX idx_user_pro_age_sta ON tb_user(profession, age, user_status);# 为email建立合适的索引来提升查询效率。
CREATE INDEX idx_email ON tb_user(email);# 完成上述的需求之后，查看tb_user表的所有的索引数据。
SHOW INDEX FROM tb_user;

SQL性能分析

SQL执行频率

查看数据库当前会话的访问频次：
SHOW SESSION STATUS LIKE 'Com_______';

查看数据库全局数据的访问频次：
SHOW GLOBAL STATUS LIKE 'Com_______';

• Com_delete：删除次数
• Com_insert：插入次数
• Com_select：查询次数
• Com_update：更新次数

通过上述指令，可以查看当前数据库是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。
如果是以增删改为主，可以考虑不对其进行索引的优化。如果是以查询为主，那么就要考虑对数据库的索引进行优化。

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。

查看慢查询日志是否开启：
SHOW VARIABLES LIKE 'slow_query_log';

如果要开启慢查询日志，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：

# 开启MySQL慢日志查询开关
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，通过以下指令（Linux系统）重新启动MySQL服务器进行测试：
systemctl restart mysqld

慢日志文件保存：/var/lib/mysql/localhost-slow.log

profile详情

show profiles 能够帮助我们在做SQL优化时了解时间都耗费到哪里去了。

查看当前MySQL是否支持profile操作：
SELECT @@have_profiling;

查看profile是否开启：
SELECT @@profiling;

在当前会话开启profile：
SET SESSION profiling = 1;

全局开启profile：
SET GLOBAL profiling = 1;

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 指定query_id;

查看指定query_id的SQL语句CPU的使用情况：
SHOW profile cpu FOR query 指定query_id;

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。

语法：
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;
（直接在select语句之前加上关键字EXPLAIN或者DESC）

以语法示例中创建的tb_user表为例：

EXPLAIN SELECT * FROM tb_user WHERE id = 1;

Explain执行计划中各个字段的含义：

字段	含义
id	select查询的序列号，表示查询中执行select子句或者操作表的顺序（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
table	操作的表
partitions	匹配的分区
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_keys	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
ref	显示索引的哪一列被使用了，如果可能的话，是一个常数
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占需读取行数的百分比，filtered的值越大越好
extra	包含不适合在其它列中显示但十分重要的额外信息

索引失效情况

索引失效指没有用到索引，走的是全表扫描

范围查询

联合索引中，出现范围查询（>或<），范围查询右侧的列索引失效。

以语法示例中创建的tb_user表以及其联合索引为例：

explain select * from tb_user where profession = '软件工程' and age > 30 and user_status = '0';

当范围查询使用 > 或 < 时，走联合索引了，但是索引的长度为49，就说明范围查询右边的user_status字段是没有走索引的。

explain select * from tb_user where profession = '软件工程' and age >= 30 and user_status = '0';

当范围查询使用 >= 或 <= 时，走联合索引了，索引的长度为54，说明所有的字段都是走索引的。

所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 < 。

索引列运算

不要在索引列上进行运算操作，索引将失效。

以语法示例中创建的tb_user表以及其phone字段单列索引为例：

explain select * from tb_user where substring(phone,10,2) = '15';

根据phone字段进行函数运算操作之后，索引失效。

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。

以语法示例中创建的tb_user表以及其联合索引为例：

# 索引生效
explain select * from tb_user where profession like '软件%';# 索引失效
explain select * from tb_user where profession like '%工程';

or连接条件

当or连接的条件，左右两侧字段都有索引时，索引才会生效。

数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。
查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引，走全表扫描。

使用规则

最左前缀法则

如果索引了多列（联合索引），要遵守最左前缀法则。

最左前缀法则指的是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，索引将会部分失效（后面的字段索引失效）。

以语法示例中创建的tb_user表以及其联合索引为例：

explain select * from tb_user where profession = '软件工程' and age = 31 and user_status = '0';

explain select * from tb_user where profession = '软件工程' and age = 31;

explain select * from tb_user where profession = '软件工程';

以上的这三组测试中，发现只要联合索引最左边的字段profession存在，索引就会生效，只不过索引的长度不同。而且由以上三组测试，也可以推测出profession字段索引长度为47、age字段索引长度为2、user_status字段索引长度为5。

explain select * from tb_user where age = 31 and user_status = '0';

通过上面这次测试，可以看到索引并未生效，原因是不满足最左前缀法则，联合索引最左边的列profession不存在。

explain select * from tb_user where profession = '软件工程' and user_status = '0';

上述的测试，存在profession字段，最左边的列是存在的，索引满足最左前缀法则的基本条件。但是查询时跳过了age列，所以后面的列索引是不会使用的，也就是索引部分生效，所以索引的长度就是47。

最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段（即是第一个字段）必须存在，与我们编写SQL时条件编写的先后顺序无关。

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。
比如一个字段既有单列索引又有联合索引，则可以指定使用哪个索引。

建议MySQL使用指定索引完成此次查询：
SELECT 字段列表 FROM 表名 USE INDEX(索引名) WHERE 条件;

仅仅是建议，mysql内部还会再次进行评估

忽略指定的索引：
SELECT 字段列表 FROM 表名 IGNORE INDEX(索引名) WHERE 条件;

强制使用索引：
SELECT 字段列表 FROM 表名 FORCE INDEX(索引名) WHERE 条件;

覆盖索引

尽量使用覆盖索引，减少 select *。
覆盖索引是指查询使用了索引，并且需要返回的列在该索引中已经全部能够找到。
这样可以避免回表查询（见分类中的例子）

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，不需要回表查询数据。
Using index condition：查找使用了索引，但是需要回表查询数据

前缀索引

当字段类型为字符串（varchar，text，longtext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，可以节约索引空间，从而提高索引效率。

用前n个字符创建索引：
CREATE INDEX 索引名 ON 表名 (字段(n));

前缀长度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，是最好的索引选择性，性能也是最好的。

以语法示例中创建的tb_user表为例：

# 查询email是否有重复
SELECT COUNT(DISTINCT email) / COUNT(*) FROM tb_user;# 查询email前五个字符的选择性
SELECT COUNT(DISTINCT SUBSTRING(email, 1, 5)) / COUNT(*) FROM tb_user;

设计原则

• 针对于数据量较大，且查询比较频繁的表建立索引。
• 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。
• 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。
• 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。
• 尽量使用联合索引，减少单列索引，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，提高查询效率。
• 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就越大，会影响增删改的效率。
• 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。