前言

这是一篇关于MySQL数据库索引的文章。该文章是黑马程序员—MySQL数据库索引视频的归纳总结和补充，同时也引用了公共仓库 - 智云知识的部分内容，仅用于个人技术归档和技术分享。

索引定义

索引是帮助MySQL高效获取数据的数据结构（有序）

例如：

  • 无索引时全局扫描

  • 有索引使二叉搜索（排序）树

优缺点

优点：

  1. 提高查询效率

  2. 提高排序效率

缺点：

  1. 索引列要占用磁盘空间

  2. 提高了查询效率，但是降低了增删改的效率

总结：空间换时间，优大于劣

索引结构

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，主要的索引有：

索引结构 描述
B+Tree 最常见的索引类型，大部分引擎都支持B+树索引
Hash 底层数据结构是用哈希表实现，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版本后支持 支持 不支持

B-Tree

二叉树：顺序插入时，会形成链表，查询性能降低。数据量较大时，层级深检索慢

image-20230619191853772

红黑树：解决了二叉树的缺点，但是也存在大数据情况下，层级深，检索慢的问题。

image-20230619192047771

B-Tree (多路平衡查找树)：

以一棵最大度数（max-degree，指一个节点的子节点个数）为5（5阶）的 b-tree 为例（每个节点最多存储4个key，5个指针）

image-20230619191621900

演示网站：https://www.cs.usfca.edu/~galles/visualization/BTree.html

B+Tree

以一棵最大度数（max-degree，指一个节点的子节点个数）为5（5阶）的 b-tree 为例（每个节点最多存储4个key，5个指针）

image-20230619192430994

与 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

MySQL优化

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。

image-20230619192636488

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（betwwn、>、<、…）
  • 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了，效率通常要高于 B+Tree 索引（不出现Hash碰撞）

存储引擎支持：

  • Memory
  • InnoDB: 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

思考

  1. 为什么 InnoDB 存储引擎选择使用 B+Tree 索引结构？
  • 相对于二叉树，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，指针也跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低
  • 相对于 Hash 索引，B+Tree 支持范围匹配及排序操作

索引分类

功能形式分类

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

存储形式分类

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/聚簇索引(Clustered Index) 将数据存储与索引放一块，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

组成索引的字段个数角度

  • 单列索引
  • 联合索引（复合索引）

组成索引的字段个数角度

  • 单列索引：只包含一列数据的索引
  • 联合索引（复合索引）：包含多列数据的索引，可以根据这些数据的组合快速定位到数据行

回表查询

image-20230619194523881

思考

  1. 以下 SQL 语句，哪个执行效率高？为什么？

    1
    select * from user where id = 10;select * from user where name = 'Arm';-- 备注：id为主键，name字段创建的有索引

    答：第一条语句，因为第二条需要回表查询，相当于两个步骤。

  2. InnoDB 主键索引的 B+Tree 高度为多少？

    image-20230619195355507

    答：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，主键假设为bigint，占用字节数为8（int则为4个字节）
    可得公式：n * 8 + (n + 1) * 6 = 16 * 1024，其中 8 表示 bigint 占用的字节数，n 表示当前节点存储的key的数量，(n + 1) 表示指针数量（比key多一个）。算出n约为1170。

​ 如果树的高度为2，那么他能存储的数据量大概为：1171 * 16 = 18736；

​ 如果树的高度为3，那么他能存储的数据量大概为：1171 * 1171 * 16 = 21939856。

​ 另外，如果有成千上万的数据，那么就要考虑分表，涉及运维篇知识。

索引语法

创建索引：

1
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name, ...);

如果不加 CREATE 后面不加索引类型参数，则创建的是常规索引

查看索引：

1
SHOW INDEX FROM table_name;

删除索引：

1
DROP INDEX index_name ON table_name;

案例：

1
2
3
4
5
6
7
8
9
10
-- 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手机号字段的值非空，且唯一，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_stat on tb_user(profession, age, status);
-- 为email建立合适的索引来提升查询效率
create index idx_user_email on tb_user(email);
-- 删除索引
drop index idx_user_email on tb_user;

SQL性能分析

查看访问频次

可以下面命令查看当前数据库的 INSERT, UPDATE, DELETE, SELECT访问频次：

  1. SHOW GLOBAL STATUS LIKE 'Com_______';
  2. SHOW SESSION STATUS LIKE 'Com_______';
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
show global status like 'Com_______';
# 输出样例
+---------------+-------+
| Variable_name | Value |
+---------------+-------+
| Com_binlog    | 0     |
| Com_commit    | 0     |
| Com_delete    | 0     |
| Com_import    | 0     |
| Com_insert    | 0     |
| Com_repair    | 0     |
| Com_revoke    | 0     |
| Com_select    | 93    |
| Com_signal    | 0     |
| Com_update    | 0     |
| Com_xa_end    | 0     |
+---------------+-------+
11 rows in set (0.00 sec)

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，如果是Window系统一般在安装路径下的my.ini文件中）中配置如下信息：

1
2
3
4
# 开启慢查询日志开关
slow_query_log=1
# 设置慢查询日志的时间为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

更改后记得重启MySQL服务（重启命令：systemctl restart mysqld，Windows PowerShell可以使用Restart-Service mysql），

慢查询日志文件位置：/var/lib/mysql/localhost-slow.log，Windows系统在\data\XXXX-slow.log

重新可以登录到MySQL后，我们可以使用show variables like 'slow_query_log';来查询慢查询日志是否开启

profile

profile配置

show profile 能在做SQL优化时帮我们了解时间都耗费在哪里。

通过 have_profiling 参数，能看到当前 MySQL 是否支持 profile 操作：

1
SELECT @@have_profiling;

profiling 默认关闭，可以通过set语句在session/global级别开启 profiling：

1
SET profiling = 1;

profile详情

1
2
3
4
5
6
7
8
#查看每一条SQL的耗时：
show profiles;

#查看指定query_id的SQL语句各个阶段的耗时：
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;

explain

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：

1
2
# 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 HWERE 条件;

EXPLAIN 各字段含义：

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，常见取值有 SIMPLE（简单表，即不适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，唯一索引一般是const，非唯一索引是ref，all是全表扫描，system使用了系统表，NULL一般是直接select 'ABC'即不查表。
possible_key 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

使用规则

最左前缀法则

如果索引关联了多列（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，索引将部分失效（后面的字段索引失效）。

总结一下：就是从左到右，跟单链表一样，断一个全断（查询条件不包含该索引，跟位置无关）

联合索引中，出现范围查询（<, >），范围查询右侧的列索引失效。可以用>=或者<=来规避索引失效问题。

联合索引:create index idx_user_pro_age_stat on tb_user(profession, age, status);

索引失效情况

  1. 在索引列上进行运算操作，索引将失效。如：explain select * from tb_user where substring(phone, 10, 2) = '15';
  2. 字符串类型字段使用时，不加引号，索引将失效。如：explain select * from tb_user where phone = 17799990015;，此处phone的值没有加引号
  3. 模糊查询中，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。如：explain select * from tb_user where profession like '%工程';，前后都有 % 也会失效。
  4. 用or 分割开的条件，如果 or其中一个条件的列没有索引，那么涉 及的索引都不会被用到。
  5. 如果 MySQL 评估使用索引比全表更慢，则不使用索引（大部分数据都符合条件，此时全表扫描会比索引更快）。

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。

1
2
3
4
5
6
#使用索引 use index：
select * from tb_user use index(idx_user_pro) where profession="软件工程";
#不使用哪个索引 ignore index：
select * from tb_user ignore index(idx_user_pro) where profession="软件工程";
#必须使用哪个索引 force index：
select * from tb_user force index(idx_user_pro) where profession="软件工程";

use 是建议，实际使用哪个索引 MySQL 还会自己权衡运行速度去更改，force就是无论如何都强制使用该索引。

覆盖索引&回表查询

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找到），减少 select *。

explain 中 extra 字段含义：

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

  1. 如果在聚集索引中直接能找到对应的行，则直接返回行数据，只需要一次查询，哪怕是select *；
  2. 如果在辅助索引中找聚集索引，如select id, name from xxx where name='xxx';，也只需要通过（二级索引）辅助索引(name)查找到对应的id，返回name和name索引对应的id即可，只需要一次查询；
  3. 如果是通过辅助索引查找其他字段（如后面例子字段中的gender），则需要回表查询，如select id, name, gender from xxx where name='xxx';

所以尽量不要用select *，容易出现回表查询，降低效率，除非有联合索引包含了所有字段

思考

一张表，有四个字段（id, username, password, status），由于数据量大，需要对以下SQL语句进行优化，该如何进行才是最优方案：
select id, username, password from tb_user where username='itcast';

答：给username和password字段建立联合索引，则不需要回表查询，直接覆盖索引

总结

覆盖索引就是建立索引覆盖要查询的内容，主要作用是避免回表查询，提高查找效率

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，此时可以只降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。

语法

1
create index idx_xxxx on table_name(columnn(n));

选择性

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，这是最好的索引选择性，性能也是最好的。
求选择性公式：

1
select count(distinct email) / count(*) from tb_user;select count(distinct substring(email, 1, 5)) / count(*) from tb_user;

show index里面的sub_part可以看到接取的长度

单列索引&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。避免回表查询

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

在下面的例子中，如果存在单列索引和联合索引的情况下，MySQL会优先选择单列索引（单次检索更快），但是这样会导致回表查询，导致查询效率更低，我们可以通过use index来指示MySQL使用联合索引。

1
2
3
4
#这句只会用到phone索引字段,会进行回表查询
explain select id, phone, name from tb_user where phone = '17799990010' and name = '韩信';
#使用联合索引避免回表查询
explain select id, phone, name from tb_user use index(idx_user_phone_name) where phone = '17799990010' and name = '韩信';

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
  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就越大，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