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。
优势 | 劣势 |
提高数据检索效率 | 索引列也是要占用空间的 |
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、UPDATA、DELETE时,效率降低 |
2、索引结构
MySQL的索引是在引擎层实现的,不同的存储引擎有不同的结构,主要包括以下几种:
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+树索引 |
Hash索引 | 底层数据结构使用哈希表来实现的,只有精确匹配索引列的查询才有效,不支持范围查询 |
R-tree索引(空间索引) | 空间索引是MyISAM引擎的一种特殊索引类型,主要用于地理空间数据类型,通常使用较少 |
Full-text索引(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 |
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 | 支持 | 支持 | 不支持 |
我们平常说的索引,如果没有特别指明,都是指B+tree结构组织的索引
不选择二叉树的原因:顺序插入时,会形成一个链表,查询性能大大降低。大量数据情况下,层级较深,检索速度慢;而红黑树本质上还是一个二叉树,在大量数据的情况下,层级越深,检索速度越慢。
· B-tree(多路平衡查找树)
以一颗最大度数(max-degree)为5(5阶)的B-tree为例(每个节点最多存储4个key,5个指针)
树的度数指的是一个节点的子节点个数
插入 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 数据为例
可以在这个网站自行尝试: B-Tree Visualization (usfca.edu)
· B+tree
以一颗最大度数(max-degree)为4(4阶)的B+tree为例:
插入 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 数据为例
具体动态操作参考网站:B+ Tree Visualization (usfca.edu)
相对于B-tree的区别:
1、所有的数据都会出现在叶子节点上(非叶子节点仅仅起到索引的作用)
2、叶子节点形成一个单向链表
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。
· 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。
hash索引的特点:
1、hash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
在MySQL中,支持hash索引的是Memory引擎,而InnoDB中具有自适应hash功能,hash索引时存储引擎根据B+tree索引在指定条件下自动构建的。
为什么InnoDB存储引擎选择使用B+tree索引结构?
1、相对于二叉树,层级更少,搜索效率高;
2、相对于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(并且在B+tree索引中形成了一个双向链表,便于范围搜索和排序);
3、相对于hash索引,B+tree索引支持范围匹配和排序操作。
3、索引分类
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起,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,将使用第一个唯一索引作为聚集索引;
如果表没有主键,也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。
1、以下SQL语句,那个执行效率高?为什么?
select * from user where id=10;
select * from user where name='张三';
备注:id为主键,name字段创建的有索引
第一个一次索引扫描就完成了,而第二种情况,是先到name字段的二级索引去查找的,查找到对应的id值再根据id值到聚集索引当中去查询,涉及到回表查询。因此根据id索引执行效率更高。
2、InnoDB主键索引的B+tree高度为多高?
假设一行数据大小为1k,一页中可以存放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,占用字节为8。
假设高度为2:
n*8+(n+1)*6=16*1024,算出n约为1170,因此有1171个指针
能够存储数据:1171*16=18736
高度为3:
能够存储数据:1171*1171*16=21939856
4、索引语法
· 创建索引
CREATE [UNIQUE|FULLTEXT] INDEX index_name ON table_name(index_col_name,...);
· 查看索引
SHOW INDEX FROM table_name;
· 删除索引
DROP INDEX index_name ON table_name;
5、SQL性能分析
· SQL执行频率
MySQL客户端连接成功后,通过show[session/global] status命令可以提供服务器状态信息。通过如下指令,可以查看当前数据库的INSERT、UPDATE、SELECT、DELETE的访问频次。
sql">show global status like 'com_______';
· 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,默认是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慢日志查询开关
slow_query_log=1;
#设置慢查询的时间为两秒,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,通过以下指令重新启动MySQL服务器进行测试,查看慢日志文件中记录的信息/var
/lib/sql>mysql/localhost-slow.log。
sql">#慢查询日志
set global slow_query_log ='ON';
set long_query_time=2;
show variables like 'slow_query_log_file';
select * from emp;
+----+--------+------+----------+--------+------------+-----------+---------+
| id | name | age | job | salary | entrydate | managerid | dept_id |
+----+--------+------+----------+--------+------------+-----------+---------+
| 1 | 金庸 | 66 | 总裁 | 20000 | 2000-01-01 | NULL | 5 |
| 2 | 张无忌 | 20 | 项目经理 | 12500 | 2005-12-05 | 1 | 1 |
| 3 | 杨逍 | 33 | 开发 | 8400 | 2000-11-03 | 4 | 1 |
| 4 | 韦一笑 | 48 | 开发 | 11000 | 2002-02-05 | 4 | 1 |
| 5 | 常遇春 | 43 | 开发 | 10500 | 2004-09-07 | 2 | 1 |
+----+--------+------+----------+--------+------------+-----------+---------+
5 rows in set (0.00 sec)
select sleep(3);
+----------+
| sleep(3) |
+----------+
| 0 |
+----------+
1 row in set (3.01 sec)
· profile详情
show profiles能够在做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:
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;
SET profiling=1;
执行一系列的业务SQL的操作,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语句的CPU的使用情况
show profile cpu for query 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/DESC SELECT 字段列表 FROM 表名 WHERE 条件;
sql"> explain select * from tb_user where id=1;
+----+-------------+---------+------------+-------+---------------+---------+---------+-------+------+----------+-------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+---------+------------+-------+---------------+---------+---------+-------+------+----------+-------+
| 1 | SIMPLE | tb_user | NULL | const | PRIMARY | PRIMARY | 4 | const | 1 | 100.00 | NULL |
+----+-------------+---------+------------+-------+---------------+---------+---------+-------+------+----------+-------+
1 row in set, 1 warning (0.00 sec)
EXPLAIN执行计划个字段含义;
id:
select查询的序列号,查询表中执行select子句或者是操作表的顺序(id相同,执行顺序从上到下;id相同,值越大,越先执行)
sql">explain select * from student s where s.id in(select studentid from student_course sc where sc.id=(select id from course c where c.name='sql>mysql'));
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(不访问任何表)、system(系统表)、const(主键或唯一索引)、eq_ref(非唯一索引)、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:
实际用到的索引。
key_len:
表示索引中使用的字节数,改制为索引字段最大可能长度,并非实际使用长度,再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,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。
6、索引使用
· 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,并且不能跳过索引中的列。如果跳跃某一列,索引将部分失效(后面的字段索引失效)。
sql">show index from tb_user;
create unique index tb_user_phone on tb_user(phone);
create index tb_user_age_gender_pro on tb_user(age,gender,profession);
select * from tb_user where age=55 && gender=1;
explain select * from tb_user where age=55 && gender=1 &&profession='软件工程';
explain select * from tb_user where age=55;
#仅仅在大数据量的情况下
· 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 。
索引失效的情况:
· 索引列运算
不要再索引列上进行运算,索引将会失效
sql">explain select * from tb_user where phone='15538655111';
#用到了索引:tb_user_phone
explain select * from tb_user where substring(phone,10,2)='11';
#索引失效,因为我们进行了函数运算
· 字符串不加引号
字符串字段类型使用时,不加引号,索引将失效 。
sql">explain select * from tb_user where phone=15538655111;
#可以查询出信息,但不会用到索引
· 模糊查询
如果仅仅是尾部模糊查询,索引不会失效,如果是头部模糊匹配,索引失效。
sql">explain select * from tb_user where phone like '%11';
#头部模糊匹配,索引失效
explain select * from tb_user where phone like '11%';
#索引不会失效
· 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,那么设计的索引都不会被用到。
· 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。
· SQL提示
sql">explain select * from tb_user where profession='软件工程';
create index tb_user_pro on tb_user(profession);
explain select * from tb_user where profession='软件工程';
#一个是单列索引一个是联合索引,MySQL优化器会自动选择结果
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。
use index:
explain select * from use index(index_name) where 条件;
ignore index:
explain select * from ignore index(index_name) where 条件;
force index:
explain select * from force index(index_name) where 条件;
· 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,在该索引中已将全部能够找到),减少select *。
sql">explain select id,profession from tb_user where profession='软件工程';
额外信息出现using where、using index性能更高;而出现using condition性能更低(MySQL版本不同所展示的信息也不同)
using condition:查找使用了索引但需要回表查询数据
usi:ng 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。
之所以避免使用select *是因为很容易出现覆盖索引导致回表查询(除非及其他字段建立联合索引),从而降低查询性能
思考:一张表,有四个字段(id,username,password,status)由于数据量大,需要对SQL语句优化,如何才能最优:
select id,username,password from tb_user where username='test';
最佳方案是username于password建立一个联合索引,能够大量减少回表查询。
· 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。此时可以之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。
语法:
create index idx_xxxx on table_name(column(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,这是最好的索引选择性,性能也是最好的。
select count(distinct email)/count(*) from tb_user;
select count(distinct substring(email,1,5))/count(*) from tb_user;
· 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:即一个索引包括了多个列。
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。
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也就越大,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询。