MySQL索引原理学习教程

目录

- - -

-

-

-

-

-

-

-

-

一、初识索引

1.1 为什么要有索引？

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。

1.2 什么是索引？

索引在MySQL中也叫是一种“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。

1.3 你是否对索引存在误解？

索引是应用程序设计和开发的一个重要方面。若索引太多，应用程序的性能可能会受到影响。而索引太少，对查询性能又会产生影响，要找到一个平衡点，这对应用程序的性能至关重要。一些开发人员总是在事后才想起添加索引—-我一直认为，这源于一种错误的开发模式。如果知道数据的使用，从一开始就应该在需要处添加索引。开发人员往往对数据库的使用停留在应用的层面，比如编写SQL语句、存储过程之类，他们甚至可能不知道索引的存在，或认为事后让相关DBA加上即可。DBA往往不够了解业务的数据流，而添加索引需要通过监控大量的SQL语句进而从中找到问题，这个步骤所需的时间肯定是远大于初始添加索引所需的时间，并且可能会遗漏一部分的索引。当然索引也并不是越多越好，我曾经遇到过这样一个问题：某台MySQL服务器iostat显示磁盘使用率一直处于100%，经过分析后发现是由于开发人员添加了太多的索引，在删除一些不必要的索引之后，磁盘使用率马上下降为20%。可见索引的添加也是非常有技术含量的。

二、索引的原理

2.1 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。

2.2 磁盘IO与预读

前面提到了访问磁盘，那么这里先简单介绍一下磁盘IO和预读，磁盘读取数据靠的是机械运动，每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分，寻道时间指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下；旋转延迟就是我们经常听说的磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，也就是说1秒钟能转120次，旋转延迟就是1/120/2 = 4.17ms；传输时间指的是从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒，相对于前两个时间可以忽略不计。那么访问一次磁盘的时间，即一次磁盘IO的时间约等于5+4.17 = 9ms左右，听起来还挺不错的，但要知道一台500 -MIPS（Million Instructions Per Second）的机器每秒可以执行5亿条指令，因为指令依靠的是电的性质，换句话说执行一次IO的时间可以执行约450万条指令，数据库动辄十万百万乃至千万级数据，每次9毫秒的时间，显然是个灾难。下图是计算机硬件延迟的对比图，供大家参考：



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

MySQL索引的数据结构-B+树介绍：

四、MySQL索引管理

4.1 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

4.2 MySQL常用的索引

• 普通索引INDEX：加速查找

• 唯一索引：

  • 主键索引PRIMARY KEY：加速查找+约束（不为空、不能重复）

  • 唯一索引UNIQUE:加速查找+约束（不能重复）

  • 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

  4.3 各个索引应用场景

  举个例子来说，比如你在为某商场做一个会员卡的系统。

  这个系统有一个会员表

  有下列字段：

  会员编号 INT

  会员姓名 VARCHAR(10)

  会员身份证号码 VARCHAR(18)

  会员电话 VARCHAR(10)

  会员住址 VARCHAR(50)

  会员备注信息 TEXT

  那么这个 会员编号，作为主键，使用 PRIMARY

  会员姓名 如果要建索引的话，那么就是普通的 INDEX

  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）

  除此之外还有全文索引，即FULLTEXT

  会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。

  用于搜索很长一篇文章的时候，效果最好。

  用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。

  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。

  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

  各个索引的应用场景

  4.4 索引的两大类型hash与btree

  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：

  1. hash类型的索引：查询单条快，范围查询慢
  2. 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；

  4.5 创建/删除索引的语法

  12345678910111213141516171819

  # 方法一：创建表时    　　CREATE TABLE 表名 (                字段名1  数据类型 [完整性约束条件…],                字段名2  数据类型 [完整性约束条件…],                [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY                [索引名]  (字段名[(长度)]  [ASC |DESC])                 );  # 方法二：CREATE在已存在的表上创建索引        CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名                      ON 表名 (字段名[(长度)]  [ASC |DESC]) ;  # 方法三：ALTER TABLE在已存在的表上创建索引        ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX                             索引名 (字段名[(长度)]  [ASC |DESC]) ; # 删除索引：DROP INDEX 索引名 ON 表名字;

  方法一：创建表时

  
  　　CREATE TABLE 表名 (
              字段名1  数据类型 [完整性约束条件…],
              字段名2  数据类型 [完整性约束条件…],
              [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
              [索引名]  (字段名[(长度)]  [ASC |DESC]) 
              );
  

  方法二：CREATE在已存在的表上创建索引

  
      CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 
                   ON 表名 (字段名[(长度)]  [ASC |DESC]) ;
  

  方法三：ALTER TABLE在已存在的表上创建索引

  
      ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
                           索引名 (字段名[(长度)]  [ASC |DESC]) ;
                           
  

  删除索引：DROP INDEX 索引名 ON 表名字;

  4.6 示例

  123456789101112131415161718192021222324252627282930313233343536373839

  # 方式一create table t1(    id int,    name char,    age int,    sex enum('male','female'),    unique key uni_id(id),    index ix_name(name) # index没有key);create table t1(    id int,    name char,    age int,    sex enum('male','female'),    unique key uni_id(id),    index(name) # index没有key);  # 方式二create index ix_age on t1(age);  # 方式三alter table t1 add index ix_sex(sex);alter table t1 add index(sex); # 查看mysql show create table t1;| t1    | CREATE TABLE `t1` (  `id` int(11) DEFAULT NULL,  `name` char(1) DEFAULT NULL,  `age` int(11) DEFAULT NULL,  `sex` enum('male','female') DEFAULT NULL,  UNIQUE KEY `uni_id` (`id`),  KEY `ix_name` (`name`),  KEY `ix_age` (`age`),  KEY `ix_sex` (`sex`)) ENGINE=InnoDB DEFAULT CHARSET=latin1

  方式一

  create table t1(
  id int,
  name char,
  age int,
  sex enum(‘male’,’female’),
  unique key uni_id(id),
  index ix_name(name) # index没有key
  );
  create table t1(
  id int,
  name char,
  age int,
  sex enum(‘male’,’female’),
  unique key uni_id(id),
  index(name) # index没有key
  );

  方式二

  create index ix_age on t1(age);

  方式三

  alter table t1 add index ix_sex(sex);
  alter table t1 add index(sex);

  查看

  mysql show create table t1;
  | t1 | CREATE TABLE t1 (
  id int(11) DEFAULT NULL,
  name char(1) DEFAULT NULL,
  age int(11) DEFAULT NULL,
  sex enum(‘male’,’female’) DEFAULT NULL,
  UNIQUE KEY uni_id ( id),
  KEY ix_name ( name),
  KEY ix_age ( age),
  KEY ix_sex ( sex)
  ) ENGINE=InnoDB DEFAULT CHARSET=latin1

  五、测试索引

  5.1 数据准备

  12345678910111213141516171819202122232425

  # 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(i3000000)do        insert into s1 values(i,'eva','female',concat('eva',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();

  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(i3000000)do
  insert into s1 values(i,’eva’,’female’,concat(‘eva’,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();

  1、在没有索引的前提下测试查询速度

  无索引：mysql根本就不知道到底是否存在id等于333333333的记录，只能把数据表从头到尾扫描一遍，此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢

  12

  mysql select * from s1 where id=333333333;Empty set (0.33 sec)

  mysql select * from s1 where id=333333333;
  Empty set (0.33 sec)

  2、在表中已经存在大量数据的前提下，为某个字段段建立索引，建立速度会很慢

  

  3、在索引建立完毕后，以该字段为查询条件时，查询速度提升明显

  

  注意：

  1. mysql先去索引表里根据b+树的搜索原理很快搜索到id等于333333333的记录不存在，IO大大降低，因而速度明显提升
  2. 我们可以去mysql的data目录下找到该表，可以看到占用的硬盘空间多了
  3. 需要注意，如下图
  

  5.2 小结

  1. 一定是为搜索条件的字段创建索引，比如 select * from s1 where id = 333;就需要为id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，建完后查询速度加快，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

  MySAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而在innodb中，表数据文件本身就是按照B+Tree（BTree即Balance True）组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此innodb表数据文件本身就是主索引。

  因为inndob的数据文件要按照主键聚集，所以innodb要求表必须要有主键（Myisam可以没有），如果没有显式定义，则mysql系统会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则mysql会自动为innodb表生成一个隐含字段作为主键，这字段的长度为6个字节，类型为长整型.

  六、正确使用索引

  6.1 索引未命中

  并不是说我们创建了索引就一定会加快查询速度，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，必须遵循以下问题：

  1、范围问题，或者说条件不明确，条件中出现这些符号或关键字：、=、、=、!= 、between…and…、like、大于号、小于号

  

  不等于！=

  

  between …and…

  

  like

  

  2、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。

  先把表中的索引都删除，让我们专心研究区分度的问题：

  1234567891011121314151617181920212223242526272829

  mysql desc s1;+--------+-------------+------+-----+---------+-------+| Field  | Type        | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id     | int(11)     | YES  | MUL | NULL    |       || name   | varchar(20) | YES  |     | NULL    |       || gender | char(5)     | YES  |     | NULL    |       || email  | varchar(50) | YES  | MUL | NULL    |       |+--------+-------------+------+-----+---------+-------+rows in set (0.00 sec) mysql drop index a on s1;Query OK, 0 rows affected (0.20 sec)Records: 0  Duplicates: 0  Warnings: 0 mysql drop index d on s1;Query OK, 0 rows affected (0.18 sec)Records: 0  Duplicates: 0  Warnings: 0 mysql desc s1;+--------+-------------+------+-----+---------+-------+| Field  | Type        | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id     | int(11)     | YES  |     | NULL    |       || name   | varchar(20) | YES  |     | NULL    |       || gender | char(5)     | YES  |     | NULL    |       || email  | varchar(50) | YES  |     | NULL    |       |+--------+-------------+------+-----+---------+-------+rows in set (0.00 sec)

  mysql desc s1;
  +——–+————-+——+—–+———+——-+
  | Field | Type | Null | Key | Default | Extra |
  +——–+————-+——+—–+———+——-+
  | id | int(11) | YES | MUL | NULL | |
  | name | varchar(20) | YES | | NULL | |
  | gender | char(5) | YES | | NULL | |
  | email | varchar(50) | YES | MUL | NULL | |
  +——–+————-+——+—–+———+——-+
  rows in set (0.00 sec)

  mysql drop index a on s1;
  Query OK, 0 rows affected (0.20 sec)
  Records: 0 Duplicates: 0 Warnings: 0

  mysql drop index d on s1;
  Query OK, 0 rows affected (0.18 sec)
  Records: 0 Duplicates: 0 Warnings: 0

  mysql desc s1;
  +——–+————-+——+—–+———+——-+
  | Field | Type | Null | Key | Default | Extra |
  +——–+————-+——+—–+———+——-+
  | id | int(11) | YES | | NULL | |
  | name | varchar(20) | YES | | NULL | |
  | gender | char(5) | YES | | NULL | |
  | email | varchar(50) | YES | | NULL | |
  +——–+————-+——+—–+———+——-+
  rows in set (0.00 sec)

  

  分析原因：

  我们编写存储过程为表s1批量添加记录，name字段的值均为egon，也就是说name这个字段的区分度很低（gender字段也是一样的，我们稍后再搭理它）

  回忆b+树的结构，查询的速度与树的高度成反比，要想将树的高低控制的很低，需要保证：在某一层内数据项均是按照从左到右，从小到大的顺序依次排开，即左1左2左3…

  而对于区分度低的字段，无法找到大小关系，因为值都是相等的，毫无疑问，还想要用b+树存放这些等值的数据，只能增加树的高度，字段的区分度越低，则树的高度越高。极端的情况，索引字段的值都一样，那么b+树几乎成了一根棍。本例中就是这种极端的情况，name字段所有的值均为’nick’

  现在我们得出一个结论：为区分度低的字段建立索引，索引树的高度会很高，然而这具体会带来什么影响呢？？？

  1. 如果条件是name=’xxxx’,那么肯定是可以第一时间判断出’xxxx’是不在索引树中的（因为树中所有的值均为’nick’），所以查询速度很快
  2. 如果条件正好是name=’nick’,查询时，我们永远无法从树的某个位置得到一个明确的范围，只能往下找，往下找，往下找。。。这与全表扫描的IO次数没有多大区别，所以速度很慢

  3、索引列不能在条件中参与计算，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’)

  

  4、and/or

• and与or的逻辑
  1. 条件1 and 条件2：所有条件都成立才算成立，但凡要有一个条件不成立则最终结果不成立 1. 条件1 or 条件2：只要有一个条件成立则最终结果就成立
• and的工作原理
  1. 条件：`a = 10 and b = 'xxx' and c 3 and d =4` 1. 索引：制作联合索引(d,a,b,c) 1. 工作原理：对于连续多个and：mysql会按照联合索引，从左到右的顺序找一个区分度高的索引字段(这样便可以快速锁定很小的范围)，加速查询，即按照d—a-b-c的顺序
• or的工作原理
  1. 条件：a = 10 or b = 'xxx' or c 3 or d =4 1. 索引：制作联合索引(d,a,b,c) 1. 工作原理：对于连续多个or：mysql会按照条件的顺序，从左到右依次判断，即a-b-c-d


在左边条件成立但是索引字段的区分度低的情况下（name与gender均属于这种情况），会依次往右找到一个区分度高的索引字段，加速查询。



经过分析，在条件为name=’nick’ and gender=’male’ and id333 and email=’xxx’的情况下，我们完全没必要为前三个条件的字段加索引，因为只能用上email字段的索引，前三个字段的索引反而会降低我们的查询效率



5、最左前缀匹配原则，非常重要的原则，对于组合索引mysql会一直向右匹配直到遇到范围查询(、、between、like)就停止匹配(指的是范围大了，有索引速度也慢)，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。



6、其他情况

12345678910111213141516171819202122232425

- 使用函数    select * from tb1 where reverse(email) = 'nick'; - 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; #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，则速度仍然很慢    select email from s1 order by email desc;    特别的：如果对主键排序，则还是速度很快：        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       -- 命中索引    name                 -- 命中索引    email                -- 未命中索引  - 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

• 使用函数
  select * from tb1 where reverse(email) = ‘nick’;

• 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;

#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，则速度仍然很慢
  select email from s1 order by email desc;
  特别的：如果对主键排序，则还是速度很快：
  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 – 命中索引
  name – 命中索引
  email – 未命中索引

• 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

6.2 其他注意事项

• 避免使用select *
• 使用count(*)
• 创建表时尽量使用 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（由于mysql中每次只能使用一个索引，所以经常使用多个条件查询时更适合使用组合索引）
• 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、联合索引和覆盖索引

7.1 联合索引

联合索引是指对表上的多个列合起来做一个索引。联合索引的创建方法与单个索引的创建方法一样，不同之处仅在于有多个索引列，如下：

1234567

mysql create table t(    - a int,    - b int,    - primary key(a),    - key idx_a_b(a,b)    - );Query OK, 0 rows affected (0.11 sec)

mysql create table t(
- a int,
- b int,
- primary key(a),
- key idx_a_b(a,b)
- );
Query OK, 0 rows affected (0.11 sec)

那么何时需要使用联合索引呢？在讨论这个问题之前，先来看一下联合索引内部的结果。从本质上来说，联合索引就是一棵B+树，不同的是联合索引的键值得数量不是1，而是=2。接着来讨论两个整型列组成的联合索引，假定两个键值得名称分别为a、b如图：



可以看到这与我们之前看到的单个键的B+树并没有什么不同，键值都是排序的，通过叶子结点可以逻辑上顺序地读出所有数据，就上面的例子来说，即（1,1），（1,2），（2,1），（2,4），（3,1），（3,2），数据按（a,b）的顺序进行了存放。

因此，对于查询select * from table where a=xxx and b=xxx, 显然是可以使用(a,b) 这个联合索引的，对于单个列a的查询select * from table where a=xxx,也是可以使用（a,b）这个索引的。

但对于b列的查询select * from table where b=xxx,则不可以使用（a,b） 索引，其实你不难发现原因，叶子节点上b的值为1、2、1、4、1、2显然不是排序的，因此对于b列的查询使用不到(a,b) 索引

联合索引的第二个好处是在第一个键相同的情况下，已经对第二个键进行了排序处理，例如在很多情况下应用程序都需要查询某个用户的购物情况，并按照时间进行排序，最后取出最近三次的购买记录，这时使用联合索引可以帮我们避免多一次的排序操作，因为索引本身在叶子节点已经排序了，如下

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263

# ===========准备表==============create table buy_log(    userid int unsigned not null,    buy_date date); insert into buy_log values(1,'2009-01-01'),(2,'2009-01-01'),(3,'2009-01-01'),(1,'2009-02-01'),(3,'2009-02-01'),(1,'2009-03-01'),(1,'2009-04-01'); alter table buy_log add key(userid);alter table buy_log add key(userid,buy_date); # ===========验证==============mysql show create table buy_log;| buy_log | CREATE TABLE `buy_log` (  `userid` int(10) unsigned NOT NULL,  `buy_date` date DEFAULT NULL,  KEY `userid` (`userid`),  KEY `userid_2` (`userid`,`buy_date`)) ENGINE=InnoDB DEFAULT CHARSET=utf8 | # 可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2,但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多mysql explain select * from buy_log where userid=2;+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+| id | select_type | table   | type | possible_keys   | key    | key_len | ref   | rows | Extra |+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+|  1 | SIMPLE      | buy_log | ref  | userid,userid_2 | userid | 4       | const |    1 |       |+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+row in set (0.00 sec) # 接着假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了，因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了mysql explain select * from buy_log where userid=1 order by buy_date desc limit 3;+--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+|id|select_type|table  |type|possible_keys  | key    |key_len|ref  |rows| Extra                  |+--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+| 1|SIMPLE     |buy_log|ref |userid,userid_2|userid_2| 4     |const|  4 |Using where; Using index|+--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+row in set (0.00 sec) # ps：如果extra的排序显示是Using filesort，则意味着在查出数据后需要二次排序(如下查询语句，没有先用where userid=3先定位范围，于是即便命中索引也没用，需要二次排序)mysql explain select * from buy_log order by buy_date desc limit 3;+--+-----------+-------+-----+-------------+--------+-------+----+----+---------------------------+|id|select_type| table |type |possible_keys|key     |key_len|ref |rows|Extra                      |+--+-----------+-------+-----+-------------+--------+-------+----+----+---------------------------+| 1|SIMPLE     |buy_log|index| NULL        |userid_2| 8     |NULL|  7 |Using index; Using filesort|+--+-----------+-------+-----+-------------+--------+-------+----+----+---------------------------+  # 对于联合索引（a,b）,下述语句可以直接使用该索引，无需二次排序select ... from table where a=xxx order by b; # 然后对于联合索引(a,b,c)来首，下列语句同样可以直接通过索引得到结果select ... from table where a=xxx order by b;select ... from table where a=xxx and b=xxx order by c; # 但是对于联合索引(a,b,c)，下列语句不能通过索引直接得到结果，还需要自己执行一次filesort操作，因为索引（a，c)并未排序select ... from table where a=xxx order by c;

===========准备表==============

create table buy_log(
userid int unsigned not null,
buy_date date
);

insert into buy_log values
(1,’2009-01-01’),
(2,’2009-01-01’),
(3,’2009-01-01’),
(1,’2009-02-01’),
(3,’2009-02-01’),
(1,’2009-03-01’),
(1,’2009-04-01’);

alter table buy_log add key(userid);
alter table buy_log add key(userid,buy_date);

===========验证==============

mysql show create table buy_log;
| buy_log | CREATE TABLE buy_log (
userid int(10) unsigned NOT NULL,
buy_date date DEFAULT NULL,
KEY userid ( userid),
KEY userid_2 ( userid, buy_date)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 |

可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2,但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多

mysql explain select * from buy_log where userid=2;
+—-+————-+———+——+—————–+——–+———+——-+——+——-+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+—-+————-+———+——+—————–+——–+———+——-+——+——-+
| 1 | SIMPLE | buy_log | ref | userid,userid_2 | userid | 4 | const | 1 | |
+—-+————-+———+——+—————–+——–+———+——-+——+——-+
row in set (0.00 sec)

接着假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了，因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了

mysql explain select * from buy_log where userid=1 order by buy_date desc limit 3;
+–+———–+——-+—-+—————+——–+——-+—–+—-+————————+
|id|select_type|table |type|possible_keys | key |key_len|ref |rows| Extra |
+–+———–+——-+—-+—————+——–+——-+—–+—-+————————+
| 1|SIMPLE |buy_log|ref |userid,userid_2|userid_2| 4 |const| 4 |Using where; Using index|
+–+———–+——-+—-+—————+——–+——-+—–+—-+————————+
row in set (0.00 sec)

ps：如果extra的排序显示是Using filesort，则意味着在查出数据后需要二次排序(如下查询语句，没有先用where userid=3先定位范围，于是即便命中索引也没用，需要二次排序)

mysql explain select * from buy_log order by buy_date desc limit 3;
+–+———–+——-+—–+————-+——–+——-+—-+—-+—————————+
|id|select_type| table |type |possible_keys|key |key_len|ref |rows|Extra |
+–+———–+——-+—–+————-+——–+——-+—-+—-+—————————+
| 1|SIMPLE |buy_log|index| NULL |userid_2| 8 |NULL| 7 |Using index; Using filesort|
+–+———–+——-+—–+————-+——–+——-+—-+—-+—————————+

对于联合索引（a,b）,下述语句可以直接使用该索引，无需二次排序

select … from table where a=xxx order by b;

然后对于联合索引(a,b,c)来首，下列语句同样可以直接通过索引得到结果

select … from table where a=xxx order by b;
select … from table where a=xxx and b=xxx order by c;

但是对于联合索引(a,b,c)，下列语句不能通过索引直接得到结果，还需要自己执行一次filesort操作，因为索引（a，c)并未排序

select … from table where a=xxx order by c;

7.2 覆盖索引

InnoDB存储引擎支持覆盖索引（covering index，或称索引覆盖），即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录。

使用覆盖索引的一个好处是：辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作。

注意：覆盖索引技术最早是在InnoDB Plugin中完成并实现，这意味着对于InnoDB版本小于1.0的，或者MySQL数据库版本为5.0以下的，InnoDB存储引擎不支持覆盖索引特性。

对于InnoDB存储引擎的辅助索引而言，由于其包含了主键信息，因此其叶子节点存放的数据为（primary key1，priamey key2，…,key1，key2，…）。例如：

12345678910111213141516171819202122232425262728293031323334353637383940

select age from s1 where id=123 and name = 'nick'; #id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。最牛逼的情况是，索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了mysql desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | NO | | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+rows in set (0.21 sec) mysql explain select name from s1 where id=1000; #没有任何索引+--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+|id|select_type|table|partitions|type|possible_keys|key |key_len|ref | rows  |filtered| Extra     |+--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+| 1| SIMPLE    | s1  | NULL     |ALL | NULL        |NULL| NULL  |NULL|2688336| 10.00  |Using where|+--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+row in set, 1 warning (0.00 sec) mysql create index idx_id on s1(id); #创建索引Query OK, 0 rows affected (4.16 sec)Records: 0 Duplicates: 0 Warnings: 0 mysql explain select name from s1 where id=1000; #命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name+--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+|id|select_type|table|partitions|type|possible_keys|   key|key_len| ref |rows|filtered|Extra|+--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+| 1| SIMPLE    | s1  | NULL     | ref| idx_id      |idx_id| 4     |const| 1  | 100.00 | NULL|+--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+row in set, 1 warning (0.08 sec) mysql explain select id from s1 where id=1000; #在辅助索引中就找到了全部信息，Using index代表覆盖索引+--+-----------+-----+----------+----+-------------+------+-------+-------+------+----------+-----+|id|select_type|table|partitions|type|possible_keys| key  |key_len| ref |rows|filtered| Extra     |+--+-----------+-----+----------+----+--------------------+-------+-------+------+----------+-----+| 1| SIMPLE    | s1  | NULL     | ref| idx_id      |idx_id|  4    |const| 1  | 100.00 |Using index|+--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----------+row in set, 1 warning (0.03 sec)

select age from s1 where id=123 and name = ‘nick’; #id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。
最牛逼的情况是，索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了
mysql desc s1;
+——–+————-+——+—–+———+——-+
| Field | Type | Null | Key | Default | Extra |
+——–+————-+——+—–+———+——-+
| id | int(11) | NO | | NULL | |
| name | varchar(20) | YES | | NULL | |
| gender | char(6) | YES | | NULL | |
| email | varchar(50) | YES | | NULL | |
+——–+————-+——+—–+———+——-+
rows in set (0.21 sec)

mysql explain select name from s1 where id=1000; #没有任何索引
+–+———–+—–+———-+—-+————-+—-+——-+—-+——-+——–+———–+
|id|select_type|table|partitions|type|possible_keys|key |key_len|ref | rows |filtered| Extra |
+–+———–+—–+———-+—-+————-+—-+——-+—-+——-+——–+———–+
| 1| SIMPLE | s1 | NULL |ALL | NULL |NULL| NULL |NULL|2688336| 10.00 |Using where|
+–+———–+—–+———-+—-+————-+—-+——-+—-+——-+——–+———–+
row in set, 1 warning (0.00 sec)

mysql create index idx_id on s1(id); #创建索引
Query OK, 0 rows affected (4.16 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql explain select name from s1 where id=1000; #命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name
+–+———–+—–+———-+—-+————-+——+——-+—–+—-+——–+—–+
|id|select_type|table|partitions|type|possible_keys| key|key_len| ref |rows|filtered|Extra|
+–+———–+—–+———-+—-+————-+——+——-+—–+—-+——–+—–+
| 1| SIMPLE | s1 | NULL | ref| idx_id |idx_id| 4 |const| 1 | 100.00 | NULL|
+–+———–+—–+———-+—-+————-+——+——-+—–+—-+——–+—–+
row in set, 1 warning (0.08 sec)

mysql explain select id from s1 where id=1000; #在辅助索引中就找到了全部信息，Using index代表覆盖索引
+–+———–+—–+———-+—-+————-+——+——-+——-+——+———-+—–+
|id|select_type|table|partitions|type|possible_keys| key |key_len| ref |rows|filtered| Extra |
+–+———–+—–+———-+—-+——————–+——-+——-+——+———-+—–+
| 1| SIMPLE | s1 | NULL | ref| idx_id |idx_id| 4 |const| 1 | 100.00 |Using index|
+–+———–+—–+———-+—-+————-+——+——-+—–+—-+——–+———–+
row in set, 1 warning (0.03 sec)

覆盖索引的另外一个好处是对某些统计问题而言的。基于上一小结创建的表buy_log，查询计划如下：

1234567

mysql explain select count(*) from buy_log;+--+-----------+-------+-----+-------------+------+-------+----+----+-----------+|id|select_type|table  | type|possible_keys|key   |key_len|ref |rows|Extra      |+--+-----------+-------+-----+-------------+------+-------+----+----+-----------+| 1| SIMPLE    |buy_log|index| NULL        |userid| 4     |NULL|  7 |Using index|+--+-----------+-------+-----+-------------+------+-------+----+----+-----------+row in set (0.00 sec)

mysql explain select count(*) from buy_log;
+–+———–+——-+—–+————-+——+——-+—-+—-+———–+
|id|select_type|table | type|possible_keys|key |key_len|ref |rows|Extra |
+–+———–+——-+—–+————-+——+——-+—-+—-+———–+
| 1| SIMPLE |buy_log|index| NULL |userid| 4 |NULL| 7 |Using index|
+–+———–+——-+—–+————-+——+——-+—-+—-+———–+
row in set (0.00 sec)

innodb存储引擎并不会选择通过查询聚集索引来进行统计。由于buy_log表有辅助索引，而辅助索引远小于聚集索引，选择辅助索引可以减少IO操作，故优化器的选择如上key为userid辅助索引

对于（a,b）形式的联合索引，一般是不可以选择b中所谓的查询条件。但如果是统计操作，并且是覆盖索引，则优化器还是会选择使用该索引，如下：

12345678

# 联合索引userid_2（userid,buy_date）,一般情况，我们按照buy_date是无法使用该索引的，但特殊情况下：查询语句是统计操作，且是覆盖索引，则按照buy_date当做查询条件时，也可以使用该联合索引mysql explain select count(*) from buy_log where buy_date = '2011-01-01' and buy_date  '2011-02-01';+--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+|id|select_type| table |type |possible_keys| key    |key_len|ref |rows|Extra                   |+--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+| 1| SIMPLE    |buy_log|index| NULL        |userid_2| 8     |NULL|  7 |Using where; Using index|+--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+row in set (0.00 sec)

联合索引userid_2（userid,buy_date）,一般情况，我们按照buy_date是无法使用该索引的，但特殊情况下：查询语句是统计操作，且是覆盖索引，则按照buy_date当做查询条件时，也可以使用该联合索引

mysql explain select count(*) from buy_log where buy_date = ‘2011-01-01’ and buy_date ‘2011-02-01’;
+–+———–+——-+—–+————-+——–+——-+—-+—-+————————+
|id|select_type| table |type |possible_keys| key |key_len|ref |rows|Extra |
+–+———–+——-+—–+————-+——–+——-+—-+—-+————————+
| 1| SIMPLE |buy_log|index| NULL |userid_2| 8 |NULL| 7 |Using where; Using index|
+–+———–+——-+—–+————-+——–+——-+—-+—-+————————+
row in set (0.00 sec)

7.3 合并索引

1234567

mysql explain select count(email) from index_t where   id = 1000000  or email='eva100000@oldboy';+--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+| id | select_type| table  | type                | possible_keys                              | key                   | key_len | ref    |rows | Extra                                                           |+--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+|  1 | SIMPLE      | index_t| index_merge | PRIMARY,email,ind_id,ind_email | PRIMARY,email | 4,51   |NULL|   2    |Using union(PRIMARY,email); Using where |+--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+row in set (0.01 sec)

mysql explain select count(email) from index_t where id = 1000000 or email=‘eva100000@oldboy’;
+–+———–+——+————–+——————————–+—————+——–+—–+—-+—————————————–+
| id | select_type| table | type | possible_keys | key | key_len | ref |rows | Extra |
+–+———–+——+————–+——————————–+—————+——–+—–+—-+—————————————–+
| 1 | SIMPLE | index_t| index_merge | PRIMARY,email,ind_id,ind_email | PRIMARY,email | 4,51 |NULL| 2 |Using union(PRIMARY,email); Using where |
+–+———–+——+————–+——————————–+—————+——–+—–+—-+—————————————–+
row in set (0.01 sec)

八、查询优化神器-explain

MySQL性能分析之Explain：

九、慢查询优化的基本步骤

1. 先运行看看是否真的很慢，注意设置SQL_NO_CACHE
2. 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
3. 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）
4. order by limit 形式的sql语句让排序的表优先查
5. 了解业务方使用场景
6. 加索引时参照建索引的几大原则
7. 观察结果，不符合预期继续从0分析

十、慢日志管理

123456789101112131415161718

慢日志            - 执行时间  10            - 未命中索引            - 日志文件路径         配置：            - 内存                show variables like '%query%';                show variables like '%queries%';                set global 变量名 = 值            - 配置文件                mysqld --defaults-file='E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'                 my.conf内容：                    slow_query_log = ON                    slow_query_log_file = D:/....                 注意：修改配置文件之后，需要重启服务

慢日志
- 执行时间 10
- 未命中索引
- 日志文件路径

    配置：
        - 内存
            show variables like '%query%';
            show variables like '%queries%';
            set global 变量名 = 值
        - 配置文件
            mysqld --defaults-file='E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'
            
            my.conf内容：
                slow_query_log = ON
                slow_query_log_file = D:/....
                
            注意：修改配置文件之后，需要重启服务

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960

MySQL日志管理========================================================错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作查询日志: 记录查询的信息慢查询日志: 记录执行时间超过指定时间的操作中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放通用日志： 审计哪个账号、在哪个时段、做了哪些事件事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等========================================================一、bin-log1. 启用# vim /etc/my.cnf[mysqld]log-bin[=dir\[filename]]# service mysqld restart2. 暂停//仅当前会话SET SQL_LOG_BIN=0;SET SQL_LOG_BIN=1;3. 查看查看全部：# mysqlbinlog mysql.000002按时间：# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56"# mysqlbinlog mysql.000002 --stop-datetime="2012-12-05 11:02:54"# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" --stop-datetime="2012-12-05 11:02:54"  按字节数：# mysqlbinlog mysql.000002 --start-position=260# mysqlbinlog mysql.000002 --stop-position=260# mysqlbinlog mysql.000002 --start-position=260 --stop-position=9304. 截断bin-log（产生新的bin-log文件）a. 重启mysql服务器b. # mysql -uroot -p123 -e 'flush logs'5. 删除bin-log文件# mysql -uroot -p123 -e 'reset master'   二、查询日志启用通用查询日志# vim /etc/my.cnf[mysqld]log[=dir\[filename]]# service mysqld restart 三、慢查询日志启用慢查询日志# vim /etc/my.cnf[mysqld]log-slow-queries[=dir\[filename]]long_query_time=n# service mysqld restartMySQL 5.6:slow-query-log=1slow-query-log-file=slow.loglong_query_time=3  单位为秒查看慢查询日志测试:BENCHMARK(count,expr)SELECT BENCHMARK(50000000,2*3);

MySQL日志管理

错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息
二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作
查询日志: 记录查询的信息
慢查询日志: 记录执行时间超过指定时间的操作
中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放
通用日志： 审计哪个账号、在哪个时段、做了哪些事件
事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等
========================================================
一、bin-log

1. 启用

   vim /etc/my.cnf

   [mysqld]
   log-bin[=dir[filename]]

   service mysqld restart

2. 暂停
   //仅当前会话
   SET SQL_LOG_BIN=0;
   SET SQL_LOG_BIN=1;
3. 查看
   查看全部：

   mysqlbinlog mysql.000002

   按时间：

   mysqlbinlog mysql.000002 –start-datetime=”2012-12-05 10:02:56”

   mysqlbinlog mysql.000002 –stop-datetime=”2012-12-05 11:02:54”

   mysqlbinlog mysql.000002 –start-datetime=”2012-12-05 10:02:56” –stop-datetime=”2012-12-05 11:02:54”

按字节数：

mysqlbinlog mysql.000002 –start-position=260

mysqlbinlog mysql.000002 –stop-position=260

mysqlbinlog mysql.000002 –start-position=260 –stop-position=930

4. 截断bin-log（产生新的bin-log文件）
   a. 重启mysql服务器
   b. # mysql -uroot -p123 -e ‘flush logs’
5. 删除bin-log文件

   mysql -uroot -p123 -e ‘reset master’

二、查询日志
启用通用查询日志

vim /etc/my.cnf

[mysqld]
log[=dir[filename]]

service mysqld restart

三、慢查询日志
启用慢查询日志

vim /etc/my.cnf

[mysqld]
log-slow-queries[=dir[filename]]
long_query_time=n

service mysqld restart

MySQL 5.6:
slow-query-log=1
slow-query-log-file=slow.log
long_query_time=3 单位为秒
查看慢查询日志
测试:BENCHMARK(count,expr)
SELECT BENCHMARK(50000000,2*3);

原文始发于：