数据结构MySQL —— 索引

Hgngy. 2023-12-08 原文

一、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：

`select * from user where age = 45;`

注意：上述二叉树索引结构的只是一个示意图，并不是真实的索引结构。

优缺点：

优势	劣势
提高数据检索的效率，提高数据库的0成本。通过索引对数据进行排序，降低数据排序的成本，降低CPU的消耗。	索引列也是占用空间的。索引大大提高了查询效率，同时却也降低更新表的速度，如对表印象INSERT、UPDATE、DELETE时，效率降低。

二、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结构，主要包含以下几种：

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。

B+Tree索引

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索引

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。

① Hash索引特点：

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了，效率通常要高于B+tree索引

② 存储引擎支持：在MsaL中，支持hash索引的是Memory引擎，而innoD8中具有自适应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：为什么InnoDB存储引擎选择使用B+Tree索引结构？（面试题）

相对于二叉树，层级更少，搜索效率越高。
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支持范围匹配以及排序操作。

三、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 lndex)

将数据存储与索引放到一块，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 lndex)

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。

回表查询：先根据二级索引拿到主键值，再根据主键值走聚集索引拿到这一行的数据。

思考：以下SQL语句中，哪个执行效率高？为什么？

解答：第一个执行效率高。根据 id 直接找聚集(主键)索引构造的B+Tree，直接找到行数据返回；根据 name字段需要先到二级索引的B+Tree上查找name对应的 primary key 的值，然后再回表查询去聚集索引的B+Tree上查找对应的行数据。

四、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;

示例练习：根据下列的需求，完成索引的创建

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。
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。
为 profession、age、status 创建联合索引。
为 email 建立合适的索引来提升查询效率。

show index from tb_user;

-- 1. 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);

-- 2. 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);

-- 3. 为 profession、age、status 创建联合索引。
create index idx_user_pro_age_stu on tb_user(profession,age,status);

-- 4. 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);

五、SQL性能分析

1. 查看执行频次

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、DELETE、SELECT的访问频次： SHOW GLOBAL STATUS LIKE ' Com_ _ _ _ _ '；（一个下划线一个字符）

通过这种方式查看SQL执行频率，为SQL优化提供支撑。

2. 慢查询日志

查看慢查询日志开启情况

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100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）中配置信息：

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/mysqL/localhost-slow.log。

3. show profiles指令

show profiles能够在做SQL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；

执行了一系列业务SQL的操作，然后通过如下指令查看指令的执行耗时：

4. 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执行计划各字段含义：

id：select查询的序列号，表示查询中执行select子句或者是操作表的顺序（id相同，执行顺序从上到下；id不同，值越大，越先执行）。

> 多对多的多表关联：id相同，执行顺序从上到下

> 子查询（查询选修了"MySQL"课程的学生）：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。
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_key：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。
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。

六、索引使用规则

1. 验证索引效率

在未创立索引之前，执行如下SQL语句，查看SQL的耗时：SELECT *FROM tb_sku WHERE sn = '100000003145001' ;

我们发现执行一条数据的查询用时20.78秒，效率极低，原因在于：因为表中 id 为主键，默认主键索引，而 sn字段没有索引，所以效率低。

针对字段创建索引：create index idx_sku_sn on tb_sku(sn) ;（构建B+Tree索引结构）

然后再次执行相同的SQL语句，再次查看SQL的耗时：SELECT *FROM tb_sku WHERE sn = '100000003145001' ;

PS：以上证明了索引对于查询效率的提升。

2. 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，索引将部分失效(后面的字段索引失效)。
与存放位置无关，只要存在即可。

示例：联合索引idx_user_pro_age_sta

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

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

explain select * from tb_user where age = 31 and status = '10';

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

3. 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。

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

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

4. 索引失效情况

不要在索引列上进行运算操作，索引将失效。

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

字符串类型字段使用时，不加引号，索引将失效。

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

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。

explain select * from tb_user where profession like '软件%';

explain select * from tb_user where profession like '%工程';

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，那么涉及的索引都不会用到。

explain select * from tb_user where id = 10 or age = 23;

由于age没有索引，即使id有索引，索引也会失效，索引需要针对于age也要建立索引。

5. SQL提示

通过小例子了解SQL提示：

已知profession查询会用到复合索引，那么如果我们再创建单列索引。
create index idx_user _pro on tb_user (profession);
那么当我们再次查询时，那么将会选择用复合索引还是单列索引呢？

因此：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：建议使用某个索引

ignore index：忽略使用某个索引

force index：强制使用某个索引

6. 覆盖索引

之前我们在基础篇中提到，尽量不要使用select * ，一方面不直观，可读性差，另一方面效率低下。所以尽量使用覆盖索引（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够找到）。

explain select id,pofession,age,status from tb_user 
where profession = '软件工程' and age = 31 and status = '0';

解释：id,pofession,age之间存在联合索引，属于二级索引，可以拿到我们想要找到的数据直接返回，不需要再查找聚集索引。

explain select id,profession,age,status, name from tb_user 
where profession = '软件工程' and age = 31 and status = '0';

解释：id,profession,age,status通过二级索引都可以查询到，但是name字段不可以，需要通过id再到聚集索引中进行查找name字段即回表查询。

知识小贴纸：

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数据。

7. 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lO，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，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 xooxx 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。
公式：

select count(distinct ermail) / count(*)

from tb_user ;

select coint(distinct substring(email,1,5)) / count(*)