8. 索引

1. 索引概述

1. 索引是帮助 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询算法，这种数据结构就是索引。

2. 优点：

• 提高数据检索效率，降低数据库的IO成本
  
• 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

3. 缺点：

• 索引列也是要占用空间的
• 索引大大提高了查询效率，但降低了更新的速度，比如 INSERT、UPDATE、DELETE

2. 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。

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

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

2.1 B-Tree

二叉树

1. 二叉树缺点：顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级较深，检索速度慢。

2. 二叉树形成链表的缺点可以用红黑树来解决：

红黑树

3. 红黑树也存在大数据量情况下，层级较深，检索速度慢的问题。

4. 为了解决上述问题，可以使用 B-Tree 结构。

5. B-Tree (多路平衡查找树)

   1. 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）

B-Tree结构

B-Tree 的数据插入过程动画参照：https://www.bilibili.com/video/BV1Kr4y1i7ru?p=68 演示地址：https://www.cs.usfca.edu/~galles/visualization/BTree.html

2.2 B+Tree

结构图：

B+Tree结构图

演示地址：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

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 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。

MySQL B+Tree 结构图

2.3 Hash

1. 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。
2. 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索引原理图

3. 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

4. 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

2.4 面试题

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

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 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

演示图：

大致原理

演示图

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

3.1 思考题

1. 以下 SQL 语句，哪个执行效率高？为什么？

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？

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.
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。

4. 索引语法

1. 创建索引：

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

2. 查看索引：

   SHOW INDEX FROM table_name;

3. 删除索引：

DROP INDEX index_name ON table_name;

案例：

-- 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 users(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 users (phone);
-- 为profession, age, status创建联合索引
create index idx_user_pro_age_stat on users(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 users(email);

-- 删除索引  
drop index idx_user_email on users;  

5. 性能分析

5.1 查看执行频次

查看当前数据库的 INSERT, UPDATE, DELETE, SELECT 访问频次：

SHOW GLOBAL STATUS LIKE 'Com_______';
-- or
SHOW SESSION STATUS LIKE 'Com_______';
-- 例：
show global status like 'Com_______'

5.2 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， ubuntu在/etc/mysql/mysql.cnf）中配置如下信息：

# 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，日志文件位置：/var/lib/mysql/localhost-slow.log

如果不在这个文件夹下，可以在mysql数据库里面输入命令 show variables like 'slow_query_log_file'; 来查找慢查询日志存放地址

查看慢查询日志开关状态：

show variables like 'slow_query_log';

5.3 profile

1. 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：

   SELECT @@have_profiling;

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

select @@profilling; -- 查看是否开启
SET profiling = 1; -- 手动开启

3. 查看所有语句的耗时：

show profiles;

4. 查看指定query_id的SQL语句各个阶段的耗时：

show profile for query query_id;

5. 查看指定query_id的SQL语句CPU的使用情况

show profile cpu for query query_id;

5.4 explain

1. 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： 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;  

2. EXPLAIN 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
• 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

6. 使用规则

6.1 最左前缀法则

1. 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。
   

2. 如果跳跃某一列，索引将部分失效（后面的字段索引失效）。跳过的话，后面的排序就无从说起了。最左前缀法则在用select的时候，和放的位置是没有关系的，只要存在就行。

3. 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。

6.2 索引失效情况

1. 在索引列上进行运算操作，索引将失效。
   1. 如：explain select * from tb_user where substring(phone, 10, 2) = '15';
   2. 换成 explain select * from tb_user where phone = '17799990015';这是可以的。
      
2. 字符串类型字段使用时，不加引号，索引将失效。
   1. 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，索引不会是失效；如果是头部模糊匹配，索引失效。
   1. 如：explain select * from tb_user where profession like '%工程';，
   2. 前后都有 % 也会失效。
   3. explain select * from tb_user where profession like '软件%'; 这个是不会失效的，只有前面加了%才会失效。
      
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。
   1. 因为只要有一个没有索引，另外一个用不用索引都没有意义，都要进行全表扫描。所以就无需用索引。

6.3 SQL 提示

1. 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。

• 例如，使用索引： explain select * from tb_user use index(idx_user_pro) where profession="软件工程";
• 不使用哪个索引： explain select * from tb_user ignore index(idx_user_pro) where profession="软件工程";
• 必须使用哪个索引： explain select * from tb_user force index(idx_user_pro) where profession="软件工程";

2. 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。

6.4 覆盖索引&回表查询

1. 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 *。

2. explain 中 extra 字段含义：

   1. using index condition：查找使用了索引，但是需要回表查询数据
   2. 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

3. 覆盖索引：

   1. 如果在生成的二级索引（辅助索引）中可以一次性获得select所需要的字段，不需要回表查询。
   2. 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 *；
      
   3. 如果在辅助索引（二级索引）中找聚集索引，如select id, name from xxx where name='xxx';，也只需要通过辅助索引(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；
   4. 如果是通过辅助索引查找其他字段，则需要回表查询，如select id, name, gender from xxx where name='xxx';

4. 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

5. 面试题：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';

• 解：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。 username和password字段建立联合索引的叶子节点挂的就是 id 所以不需要三者同时建索引。

6.5 前缀索引

1. 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。

2. 语法：create index idx_xxxx on table_name(columnn(n));
   

3. 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。

4. 求选择性公式：

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

5. 前缀索引中是有可能碰到相同的索引的情况的（因为选择性可能不为1），所以使用前缀索引进行查询的时候，mysql 会有一个回表查询的过程，确定是否为所需数据。如图中的查询到lvbu6之后还要进行回表，回表完再查xiaoy，看到xiaoy是不需要的数据，则停止查下一个。

6. show index 里面的sub_part可以看到接取的长度

6.6 单列索引&联合索引

1. 单列索引：即一个索引只包含单个列

2. 联合索引：即一个索引包含了多个列

3. 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。

4. 单列索引情况：

explain select id, phone, name from tb_user where phone = '17799990010' and name = '韩信';

• phone 和 name 都建立了索引情况下，这句只会用到phone索引字段。

5. 联合索引的数据组织图：

注意事项

• 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。

7. 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询