MySQL的索引原理以及查询优化详解

目录

• 一、介绍
  • 1.什么是索引？
  • 2.为什么要有索引呢？
• 二、索引的原理
  • 一 索引原理
  • 二 磁盘io与预读
• 三、索引的数据结构
• 四、mysql索引管理
  • 一、功能
  • 二、mysql的索引分类
  • 三、 索引的两大类型hash与btree
  • 四、创建/删除索引的语法
• 五、测试索引
  • 1、准备
  • 2 、在没有索引的前提下测试查询速度
  • 3、 加上索引
• 六、正确使用索引
  • 一、覆盖索引
  • 二、联合索引
  • 三、索引合并
• 七、慢查询优化的基本步骤
• 总结

一、介绍

1.什么是索引？

一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，在生产环境中，我们遇到最多的，也是最容易出问题的，还是一些复杂的查询操作，因此对查询语句的优化显然是重中之重。说起加速查询，就不得不提到索引了。

2.为什么要有索引呢？

索引在mysql中也叫做“键”，是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能

非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。

索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。

索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查。

二、索引的原理

一 索引原理

索引的目的在于提高查询效率，与我们查阅图书所用的目录是一个道理：先定位到章，然后定位到该章下的一个小节，然后找到页数。相似的例子还有：查字典，查火车车次，飞机航班等

本质都是：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂的多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段......这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。但如果是1千万的记录呢，分成几段比较好？稍有算法基础的同学会想到搜索树，其平均复杂度是lgn，具有不错的查询性能。但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂，一方面数据是保存在磁盘上的，另外一方面为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树难以满足复杂的应用场景。

二 磁盘io与预读

考虑到磁盘io是非常高昂的操作，计算机操作系统做了一些优化，当一次io时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次io读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次io，这个理论对于索引的数据结构设计非常有帮助。

三、索引的数据结构

任何一种数据结构都不是凭空产生的，一定会有它的背景和使用场景，我们现在总结一下，我们需要这种数据结构能够做些什么，其实很简单，那就是：每次查找数据时把磁盘io次数控制在一个很小的数量级，最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢？就这样，b+树应运而生。

如上图，是一颗b+树，关于b+树的定义可以参见b+树，这里只说一些重点，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针p1、p2、p3，p1表示小于17的磁盘块，p2表示在17和35之间的磁盘块，p3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

###b+树的查找过程

如图所示，如果要查找数据项29，那么首先会把磁盘块1由磁盘加载到内存，此时发生一次io，在内存中用二分查找确定29在17和35之间，锁定磁盘块1的p2指针，内存时间因为非常短（相比磁盘的io）可以忽略不计，通过磁盘块1的p2指针的磁盘地址把磁盘块3由磁盘加载到内存，发生第二次io，29在26和30之间，锁定磁盘块3的p2指针，通过指针加载磁盘块8到内存，发生第三次io，同时内存中做二分查找找到29，结束查询，总计三次io。真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次io，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次io，那么总共需要百万次的io，显然成本非常非常高。

###b+树性质

1.索引字段要尽量的小：通过上面的分析，我们知道io次数取决于b+数的高度h，假设当前数据表的数据为n，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)n，当数据量n一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。

2.索引的最左匹配特性（即从左往右匹配）：当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，b+数是按照从左到右的顺序来建立搜索树的，比如当(张三,20,f)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,f)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,f)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是f的数据了， 这个是非常重要的性质，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查找

#2. mysql中的primary key，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能

二、mysql的索引分类

?

1 2 3 4 5 6 7 8 9 10 11

索引分类 1.普通索引 index :加速查找 2.唯一索引      主键索引： primary key ：加速查找+约束（不为空且唯一）      唯一索引： unique ：加速查找+约束 （唯一） 3.联合索引      - primary key (id, name ):联合主键索引      - unique (id, name ):联合唯一索引      - index (id, name ):联合普通索引 4.全文索引fulltext :用于搜索很长一篇文章的时候，效果最好。 5.空间索引spatial :了解就好，几乎不用

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

1 举个例子来说，比如你在为某商场做一个会员卡的系统。   2   3 这个系统有一个会员表   4 有下列字段：   5 会员编号 int   6 会员姓名 varchar (10)   7 会员身份证号码 varchar (18)   8 会员电话 varchar (10)   9 会员住址 varchar (50) 10 会员备注信息 text 11 12 那么这个 会员编号，作为主键，使用 primary 13 会员姓名 如果要建索引的话，那么就是普通的 index 14 会员身份证号码 如果要建索引的话，那么可以选择 unique （唯一的，不允许重复） 15 16 #除此之外还有全文索引，即fulltext 17 会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。 18 用于搜索很长一篇文章的时候，效果最好。 19 用在比较短的文本，如果就一两行字的，普通的 index 也可以。 20 但其实对于全文搜索，我们并不会使用mysql自带的该索引，而是会选择第三方软件如sphinx，专门来做全文搜索。 21 22 #其他的如空间索引spatial，了解即可，几乎不用 各个索引的应用场景

三、 索引的两大类型hash与btree

?

1 2 3 4 5 6 7 8 9

#我们可以在创建上述索引的时候，为其指定索引类型，分两类 hash类型的索引：查询单条快，范围查询慢 btree类型的索引：b+树，层数越多，数据量指数级增长（我们就用它，因为innodb默认支持它） #不同的存储引擎支持的索引类型也不一样 innodb 支持事务，支持行级别锁定，支持 b-tree、 full -text 等索引，不支持 hash 索引； myisam 不支持事务，支持表级别锁定，支持 b-tree、 full -text 等索引，不支持 hash 索引； memory 不支持事务，支持表级别锁定，支持 b-tree、hash 等索引，不支持 full -text 索引； ndb 支持事务，支持行级别锁定，支持 hash 索引，不支持 b-tree、 full -text 等索引； archive 不支持事务，支持表级别锁定，不支持 b-tree、hash、 full -text 等索引；

四、创建/删除索引的语法

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

1 #方法一：创建表时   2     　　 create table 表名 (   3                 字段名1  数据类型 [完整性约束条件…],   4                 字段名2  数据类型 [完整性约束条件…],   5                 [ unique | fulltext | spatial ]   index | key   6                 [索引名]  (字段名[(长度)]  [ asc | desc ])   7                 );   8   9 10 #方法二： create 在已存在的表上创建索引 11         create  [ unique | fulltext | spatial ]  index  索引名 12                      on 表名 (字段名[(长度)]  [ asc | desc ]) ; 13 14 15 #方法三： alter table 在已存在的表上创建索引 16         alter table 表名 add  [ unique | fulltext | spatial ] index 17                              索引名 (字段名[(长度)]  [ asc | desc ]) ; 18                              19 #删除索引： drop index 索引名 on 表名字; 创建/删除索引的语法

创建/删除索引的语法

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

善用帮助文档 help create help create index ================== 1.创建索引      -在创建表时就创建（需要注意的几点）      create table s1(      id int ,#可以在这加 primary key      #id int index #不可以这样加索引，因为 index 只是索引，没有约束一说，      #不能像主键，还有唯一约束一样，在定义字段的时候加索引      name char (20),      age int ,      email varchar (30)      # primary key (id) #也可以在这加      index (id) #可以这样加      );      -在创建表后在创建      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，也就是给id字段增加一个主键约束      create index name on s1(id, name ); #添加普通联合索引 2.删除索引      drop index id on s1;      drop index name on s1; #删除普通索引      drop index age on s1; #删除唯一索引，就和普通索引一样，不用在 index 前加 unique 来删，直接就可以删了      alter table s1 drop primary key ; #删除主键(因为它添加的时候是按照 alter 来增加的，那么我们也用 alter 来删)

帮助查看

五、测试索引

1、准备

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

#1. 准备表 create table s1( id int , name varchar (20), gender char (6), email varchar (50) ); #2. 创建存储过程，实现批量插入记录 delimiter $$ #声明存储过程的结束符号为$$ 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 $$ #$$结束 delimiter ; #重新声明分号为结束符号 #3. 查看存储过程 show create procedure auto_insert1\g #4. 调用存储过程 call auto_insert1();

2 、在没有索引的前提下测试查询速度

?

1 2 3 4 5 6 7 8 9 10 11 12 13

#无索引：从头到尾扫描一遍，所以查询速度很慢 mysql> select * from s1 where id=333; + ------+---------+--------+----------------+ | id   | name    | gender | email          | + ------+---------+--------+----------------+ |  333 | egon333 | male   | 333@oldboy.com | |  333 | egon333 | f      | alex333@oldboy | |  333 | egon333 | f      | alex333@oldboy | + ------+---------+--------+----------------+ rows in set (0.32 sec) mysql> select * from s1 where email= 'egon333@oldboy' ; .... ... rows in set (0.36 sec)

3、 加上索引

?

1 2 3 4 5

#1. 一定是为搜索条件的字段创建索引，比如 select * from t1 where age > 5;就需要为age加上索引 #2. 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，插入删除更新都很慢，只有查询快 比如 create index idx on s1(id);会扫描表中所有的数据，然后以id为数据项，创建索引结构，存放于硬盘的表中。 建完以后，再查询就会很快了 #3. 需要注意的是：innodb表的索引会存放于s1.ibd文件中，而myisam表的索引则会有单独的索引文件table1.myi

六、正确使用索引

一、覆盖索引

?

1 2 3 4 5 6 7 8 9

#分析 select * from s1 where id=123; 该sql命中了索引，但未覆盖索引。 利用id=123到索引的数据结构中定位到该id在硬盘中的位置，或者说再数据表中的位置。 但是我们 select 的字段为*，除了id以外还需要其他字段，这就意味着，我们通过索引结构取到id还不够， 还需要利用该id再去找到该id所在行的其他字段值，这是需要时间的，很明显，如果我们只 select id， 就减去了这份苦恼，如下 select id from s1 where id=123; 这条就是覆盖索引了，命中索引，且从索引的数据结构直接就取到了id在硬盘的地址，速度很快

二、联合索引

三、索引合并

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

#索引合并：把多个单列索引合并使用 #分析： 组合索引能做到的事情，我们都可以用索引合并去解决，比如 create index ne on s1( name ,email);#组合索引 我们完全可以单独为 name 和email创建索引 组合索引可以命中： 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：可以命中更多的情况，但其实要分情况去看，如果是 name = 'egon' and email= 'adf' , 那么组合索引的效率要高于索引合并，如果是单条件查，那么还是用索引合并比较合理

若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下原则

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

#1.最左前缀匹配原则，非常重要的原则， create index ix_name_email on s1( name ,email,) - 最左前缀匹配：必须按照从左到右的顺序匹配 select * from s1 where name = 'egon' ; #可以 select * from s1 where name = 'egon' and email= 'asdf' ; #可以 select * from s1 where email= 'alex@oldboy.com' ; #不可以 mysql会一直向右匹配直到遇到范围查询(>、<、 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)顺序的索引， d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。 #2.=和 in 可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器 会帮你优化成索引可以识别的形式 #3.尽量选择区分度高的列作为索引,区分度的公式是 count ( distinct col)/ count (*)， 表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、 性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同， 这个值也很难确定，一般需要 join 的字段我们都要求是0.1以上，即平均1条扫描10条记录 #4.索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = '2014-05-29' 就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值， 但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。 所以语句应该写成create_time = unix_timestamp( '2014-05-29' );

最左前缀示范

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

mysql> select * from s1 where id>3 and name = 'egon' and email= 'alex333@oldboy.com' and gender= 'male' ; empty set (0.39 sec) mysql> create index idx on s1(id, name ,email,gender); #未遵循最左前缀 query ok, 0 rows affected (15.27 sec) records: 0  duplicates: 0  warnings: 0 mysql> select * from s1 where id>3 and name = 'egon' and email= 'alex333@oldboy.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: 0 mysql> create index idx on s1( name ,email,gender,id); #遵循最左前缀 query ok, 0 rows affected (15.97 sec) records: 0  duplicates: 0  warnings: 0 mysql> select * from s1 where id>3 and name = 'egon' and email= 'alex333@oldboy.com' and gender= 'male' ; empty set (0.03 sec)

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61

1 6. 最左前缀匹配   2 index (id,age,email, name )   3 #条件中一定要出现id(只要出现id就会提升速度)   4 id   5 id age   6 id email   7 id name   8   9 email #不行  如果单独这个开头就不能提升速度了 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: 0 21 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= 'egon3333@oldboy.com' ; 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= 'egon3333@oldboy.com' ; 47 + ----------+ 48 | count (*) | 49 + ----------+ 50 |        0 | 51 + ----------+ 52 1 row in set (0.00 sec) 53 54 mysql>  select count (*) from s1 where email= 'egon3333@oldboy.com' and id=3000; 55 + ----------+ 56 | count (*) | 57 + ----------+ 58 |        0 | 59 + ----------+ 60 1 row in set (0.00 sec) 建联合索引，最左匹配

索引无法命中的情况需要注意：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

- like '%xx'      select * from tb1 where email like '%cn' ;      - 使用函数      select * from tb1 where reverse(email) = 'wupeiqi' ;      - or      select * from tb1 where nid = 1 or name = 'seven@live.com' ;           特别的：当 or 条件中有未建立索引的列才失效，以下会走索引              select * from tb1 where nid = 1 or name = 'seven' ;              select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'              - 类型不一致      如果列是字符串类型，传入条件是必须用引号引起来，不然...      select * from tb1 where email = 999; 普通索引的不等于不会走索引 - !=      select * from tb1 where email != 'alex'      特别的：如果是主键，则还是会走索引          select * from tb1 where nid != 123 - >      select * from tb1 where email > 'alex'           特别的：如果是主键或索引是整数类型，则还是会走索引          select * from tb1 where nid > 123          select * from tb1 where num > 123          #排序条件为索引，则 select 字段必须也是索引字段，否则无法命中 - order by      select name from s1 order by email desc ;      当根据索引排序时候， select 查询的字段如果不是索引，则不走索引      select email from s1 order by email desc ;      特别的：如果对主键排序，则还是走索引：          select * from tb1 order by nid desc ; - 组合索引最左前缀      如果组合索引为：( 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中没有差别了 - create index xxxx  on tb(title(19)) #text类型，必须制定长度

?

1 2 3 4 5 6 7 8 9

- 避免使用 select * - count (1)或 count (列) 代替 count (*) - 创建表时尽量时 char 代替 varchar - 表的字段顺序固定长度的字段优先 - 组合索引代替多个单列索引（经常使用多个条件查询时） - 尽量使用短索引 - 使用连接（ join ）来代替子查询(sub-queries) - 连表时注意条件类型需一致 - 索引散列值（重复少）不适合建索引，例：性别不适合

七、慢查询优化的基本步骤

?

1 2 3 4 5 6 7

0.先运行看看是否真的很慢，注意设置sql_no_cache 1. where 条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的 where 都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高 2.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询） 3. order by limit 形式的sql语句让排序的表优先查 4.了解业务方使用场景 5.加索引时参照建索引的几大原则 6.观察结果，不符合预期继续从0分析

总结

本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注服务器之家的更多内容!

原文链接：https://www.cnblogs.com/bypp/p/7755307.html