目錄

為什么要有索引

索引原理

磁盤IO與預讀

索引的數(shù)據(jù)結(jié)構(gòu)

b 樹的查找過程

b 樹性質(zhì)

MySQL的索引分類

索引的兩大類型hash與btree

添加索引，必須遵循原則

慢查詢優(yōu)化的基本步驟

歡迎關(guān)注筆者，優(yōu)質(zhì)文章都在這里等你。

一、為什么要有索引

索引在MySQL中也叫做“鍵”，是存儲引擎用于快速找到記錄的一種數(shù)據(jù)結(jié)構(gòu)。索引對于良好的性能非常關(guān)鍵，尤其是當表中的數(shù)據(jù)量越來越大時，索引對于性能的影響愈發(fā)重要。

索引優(yōu)化應該是對查詢性能優(yōu)化最有效的手段了。索引能夠輕易將查詢性能提高好幾個數(shù)量級。索引相當于字典的音序表，如果要查某個字，如果不使用音序表，則需要從幾百頁中逐頁去查。

一般的應用系統(tǒng)，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現(xiàn)性能問題，在生產(chǎn)環(huán)境中，我們遇到最多的，也是最容易出問題的，還是一些復雜的查詢操作，因此對查詢語句的優(yōu)化顯然是重中之重。說起加速查詢，就不得不提到索引了。

二、索引的原理

一 索引原理

索引的目的在于提高查詢效率，與我們查閱圖書所用的目錄是一個道理：先定位到章，然后定位到該章下的一個小節(jié)，然后找到頁數(shù)。相似的例子還有：查字典，查火車車次，飛機航班等

本質(zhì)都是：通過不斷地縮小想要獲取數(shù)據(jù)的范圍來篩選出最終想要的結(jié)果，同時把隨機的事件變成順序的事件，也就是說，有了這種索引機制，我們可以總是用同一種查找方式來鎖定數(shù)據(jù)。

數(shù)據(jù)庫也是一樣，但顯然要復雜的多，因為不僅面臨著等值查詢，還有范圍查詢(>、<、between、in)、模糊查詢(like)、并集查詢(or)等等。數(shù)據(jù)庫應該選擇怎么樣的方式來應對所有的問題呢？我們回想字典的例子，能不能把數(shù)據(jù)分成段，然后分段查詢呢？最簡單的如果1000條數(shù)據(jù)，1到100分成第一段，101到200分成第二段，201到300分成第三段......這樣查第250條數(shù)據(jù)，只要找第三段就可以了，一下子去除了90%的無效數(shù)據(jù)。

但如果是1千萬的記錄呢，分成幾段比較好？稍有算法基礎(chǔ)的同學會想到搜索樹，其平均復雜度是lgN，具有不錯的查詢性能。

但這里我們忽略了一個關(guān)鍵的問題，復雜度模型是基于每次相同的操作成本來考慮的。而數(shù)據(jù)庫實現(xiàn)比較復雜，一方面數(shù)據(jù)是保存在磁盤上的，另外一方面為了提高性能，每次又可以把部分數(shù)據(jù)讀入內(nèi)存來計算，因為我們知道訪問磁盤的成本大概是訪問內(nèi)存的十萬倍左右，所以簡單的搜索樹難以滿足復雜的應用場景。

二 磁盤IO與預讀

磁盤IO的性能開銷遠大于內(nèi)存IO, 每次查找數(shù)據(jù)時把磁盤IO次數(shù)控制在一個很小的數(shù)量級，最好是常數(shù)數(shù)量級。

考慮到磁盤IO是非常高昂的操作，計算機操作系統(tǒng)做了一些優(yōu)化，當一次IO時，不光把當前磁盤地址的數(shù)據(jù)，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)，因為局部預讀性原理告訴我們，當計算機訪問一個地址的數(shù)據(jù)的時候，與其相鄰的數(shù)據(jù)也會很快被訪問到。

每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)。具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k，也就是我們讀取一頁內(nèi)的數(shù)據(jù)時候，實際上才發(fā)生了一次IO，這個理論對于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計非常有幫助。

三、索引的數(shù)據(jù)結(jié)構(gòu)

任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的，一定會有它的背景和使用場景，我們現(xiàn)在總結(jié)一下，我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么，其實很簡單，那就是：每次查找數(shù)據(jù)時把磁盤IO次數(shù)控制在一個很小的數(shù)量級，最好是常數(shù)數(shù)量級。那么我們就想到如果一個高度可控的多路搜索樹是否能滿足需求呢？就這樣，b 樹應運而生。

如上圖，是一顆b 樹，關(guān)于b 樹的定義可以參見B 樹，這里只說一些重點，淺藍色的塊我們稱之為一個磁盤塊，可以看到每個磁盤塊包含幾個數(shù)據(jù)項（深藍色所示）和指針（黃色所示），如磁盤塊1包含數(shù)據(jù)項17和35，包含指針P1、P2、P3，P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊。

真實的數(shù)據(jù)存在于葉子節(jié)點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節(jié)點只不存儲真實的數(shù)據(jù)，只存儲指引搜索方向的數(shù)據(jù)項，如17、35并不真實存在于數(shù)據(jù)表中。

b 樹的查找過程

如圖所示，如果要查找數(shù)據(jù)項29，那么首先會把磁盤塊1由磁盤加載到內(nèi)存，此時發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內(nèi)存時間因為非常短（相比磁盤的IO）可以忽略不計，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內(nèi)存，發(fā)生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內(nèi)存，發(fā)生第三次IO，同時內(nèi)存中做二分查找找到29，結(jié)束查詢，總計三次IO。

真實的情況是，3層的b 樹可以表示上百萬的數(shù)據(jù)，如果上百萬的數(shù)據(jù)查找只需要三次IO，性能提高將是巨大的，如果沒有索引，每個數(shù)據(jù)項都要發(fā)生一次IO，那么總共需要百萬次的IO，顯然成本非常非常高。

b 樹性質(zhì)

1.索引字段要盡量的小：通過上面的分析，我們知道IO次數(shù)取決于b 數(shù)的高度h，假設(shè)當前數(shù)據(jù)表的數(shù)據(jù)為N，每個磁盤塊的數(shù)據(jù)項的數(shù)量是m，則有h=㏒(m 1)N，當數(shù)據(jù)量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數(shù)據(jù)項的大小，磁盤塊的大小也就是一個數(shù)據(jù)頁的大小，是固定的，如果數(shù)據(jù)項占的空間越小，數(shù)據(jù)項的數(shù)量越多，樹的高度越低。

這就是為什么每個數(shù)據(jù)項，即索引字段要盡量的小，比如int占4字節(jié)，要比bigint8字節(jié)少一半。這也是為什么b 樹要求把真實的數(shù)據(jù)放到葉子節(jié)點而不是內(nèi)層節(jié)點，一旦放到內(nèi)層節(jié)點，磁盤塊的數(shù)據(jù)項會大幅度下降，導致樹增高。當數(shù)據(jù)項等于1時將會退化成線性表。

2.索引的最左匹配特性（即從左往右匹配）：當b 樹的數(shù)據(jù)項是復合的數(shù)據(jù)結(jié)構(gòu)，比如(name,age,sex)的時候，b 數(shù)是按照從左到右的順序來建立搜索樹的，比如當(張三,20,F)這樣的數(shù)據(jù)來檢索的時候，b 樹會優(yōu)先比較name來確定下一步的所搜方向，如果name相同再依次比較age和sex，最后得到檢索的數(shù)據(jù)；

但當(20,F)這樣的沒有name的數(shù)據(jù)來的時候，b 樹就不知道下一步該查哪個節(jié)點，因為建立搜索樹的時候name就是第一個比較因子，必須要先根據(jù)name來搜索才能知道下一步去哪里查詢。比如當(張三,F)這樣的數(shù)據(jù)來檢索時，b 樹可以用name來指定搜索方向，但下一個字段age的缺失，所以只能把名字等于張三的數(shù)據(jù)都找到，然后再匹配性別是F的數(shù)據(jù)了， 這個是非常重要的性質(zhì)，即索引的最左匹配特性。

四、Mysql索引管理

一、功能

• 索引的功能就是加速查找。

• mysql中的primary key，unique，聯(lián)合唯一也都是索引，這些索引除了加速查找以外，還有約束的功能。

二、MySQL的索引分類

• 普通索引index :加速查找

• 唯一索引

• 主鍵索引：primary key ：加速查找 約束（不為空且唯一）

• 唯一索引：unique：加速查找 約束 （唯一）

• 聯(lián)合索引

• -primary key(id,name):聯(lián)合主鍵索引

• -unique(id,name):聯(lián)合唯一索引

• -index(id,name):聯(lián)合普通索引

• 全文索引fulltext :用于搜索很長一篇文章的時候，效果最好。

• 空間索引spatial :了解就好，幾乎不用

三、 索引的兩大類型hash與btree

1. 我們可以在創(chuàng)建上述索引的時候，為其指定索引類型，分兩類

2. hash類型的索引：查詢單條快，范圍查詢慢

3. btree類型的索引：b 樹，層數(shù)越多，數(shù)據(jù)量指數(shù)級增長（我們就用它，因為innodb默認支持它）

4. 不同的存儲引擎支持的索引類型也不一樣

5. InnoDB 支持事務(wù)，支持行級別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；

6. MyISAM 不支持事務(wù)，支持表級別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；

7. Memory 不支持事務(wù)，支持表級別鎖定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；

8. NDB 支持事務(wù)，支持行級別鎖定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；

9. Archive 不支持事務(wù)，支持表級別鎖定，不支持 B-tree、Hash、Full-text 等索引；

四 添加索引，必須遵循原則

1.最左前綴匹配原則，非常重要的原則，

create index ix_name_email on s1(name,email,)

- 最左前綴匹配：必須按照從左到右的順序匹配

select * from s1 where name='egon'; #可以

select * from s1 where name='egon' and email='asdf'; #可以

select * from s1 where email='alex@oldboy.com'; #不可以

mysql會一直向右匹配直到遇到范圍查詢(>、<、between、like)就停止匹配，

比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，

d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調(diào)整。

2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優(yōu)化器會幫你優(yōu)化成索引可以識別的形式

3.盡量選擇區(qū)分度高的列作為索引,區(qū)分度的公式是count(distinct col)/count(*)，

表示字段不重復的比例，比例越大我們掃描的記錄數(shù)越少，唯一鍵的區(qū)分度是1，而一些狀態(tài)、

性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0，那可能有人會問，這個比例有什么經(jīng)驗值嗎？使用場景不同，

這個值也很難確定，一般需要join的字段我們都要求是0.1以上，即平均1條掃描10條記錄

4.索引列不能參與計算，保持列“干凈”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很簡單，b 樹中存的都是數(shù)據(jù)表中的字段值，

但進行檢索時，需要把所有元素都應用函數(shù)才能比較，顯然成本太大。

所以語句應該寫成create_time = unix_timestamp(’2014-05-29’);

count(1)或count(列) 代替 count(*)

- 創(chuàng)建表時盡量時 char 代替 varchar

- 表的字段順序固定長度的字段優(yōu)先

- 組合索引代替多個單列索引（經(jīng)常使用多個條件查詢時）

- 盡量使用短索引

- 使用連接（JOIN）來代替子查詢(Sub-Queries)

- 連表時注意條件類型需一致

- 索引散列值（重復少）不適合建索引，例：性別不適合

五、慢查詢優(yōu)化的基本步驟

1. 先運行看看是否真的很慢，注意設(shè)置SQL_NO_CACHE

2. where條件單表查，鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應用到表中返回的記錄數(shù)最小的表開始查起，單表每個字段分別查詢，看哪個字段的區(qū)分度最高

3. explain查看執(zhí)行計劃，是否與1預期一致（從鎖定記錄較少的表開始查詢）

4. order by limit 形式的sql語句讓排序的表優(yōu)先查