关于 mysql 字段值分布很少的字段要不要加索引的问题
在我还是个mysql新手的时候,看到有的同事给字段值分布很少的字段也加索引,这违背了我看过的大部分mysql索引优化的文章内容,甚是疑惑。
例如:订单状态字段只有6个值: 0 待确认,1 已确认,2 已收货,3 已取消,4 已完成,5 已作废
在我理解mysql B+tree的原理后,很有必要去实战这种情况到底有没有必要加索引。
- 建立相关表数据
建立带索引的表
DROP TABLE if EXISTS `bool_index`;
CREATE TABLE `bool_index` (
`id` INT (11) NOT NULL AUTO_INCREMENT,
`rand_id` VARCHAR (200) COMMENT '随机数',
`order_status` TINYINT (1) NOT NULL DEFAULT '0' COMMENT '订单状态.0待确认,1已确认,2已收货,3已取消,4已完成,5已作废',
`created_at` datetime NOT NULL,
PRIMARY KEY (`id`),
KEY `idx_order_status` (`order_status`)
) ENGINE = INNODB DEFAULT CHARSET = utf8;
建立不带索引的表
DROP TABLE if EXISTS `bool_no_index`;
CREATE TABLE `bool_no_index` (
`id` INT (11) NOT NULL AUTO_INCREMENT,
`rand_id` VARCHAR (200) COMMENT '随机数',
`order_status` TINYINT (1) NOT NULL DEFAULT '0' COMMENT '订单状态.0待确认,1已确认,2已收货,3已取消,4已完成,5已作废',
`created_at` datetime NOT NULL,
PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8;
通过存储过程造一些测试数据
DELIMITER $$
DROP PROCEDURE IF EXISTS `proc_index`$$
CREATE PROCEDURE proc_index()
BEGIN
DECLARE rand_id VARCHAR(120);
DECLARE order_status INT(1);
DECLARE i INT DEFAULT 0;
DECLARE createtime DATETIME;
-- 调试过程, 先插入5条
WHILE i < 10000 DO
SET rand_id= SUBSTRING(MD5(RAND()),1,28);
-- 生成 订单状态值.0待确认,1已确认,2已收货,3已取消,4已完成,5已作废
SET order_status = FLOOR(RAND()*10)%6;
SET createtime = NOW();
INSERT INTO `bool_index`(`rand_id`,`order_status`,`created_at`) VALUES(rand_id,order_status,createtime);
INSERT INTO `bool_no_index`(`rand_id`,`order_status`,`created_at`) VALUES(rand_id,order_status,createtime);
SET i=i+1;
END WHILE;
END$$
call proc_index();
- 在表数据量不同的情况下测试结果:
表数据量/耗时 | select * from bool_index where order_status=3 and rand_id='7d257470725dae2c78db97263deb'; | select * from bool_no_index where order_status=3 and rand_id='7d257470725dae2c78db97263deb'; |
1W | 0.002s | 0.004s |
2W | 0.007s | 0.008s |
8W | 0.023s | 0.027s |
16W | 0.049s | 0.053s |
32W | 0.091s | 0.085s |
64W | 2.909s | 0.600s |
100W | 3.345s | 0.762s |
通过比较,在数据量小于16W时,加索引查询速度略微比不加索引快,数据大于16W时,随着数据量的增大,加索引的查询速度相对会越来越慢。
- 为什么随着数据量的增加,反而加索引的查询比没加索引的更慢呢?
如:第20001万条记录rand_id='56079ad22da839c1a00bd812a191' order_status=3
通过explain分析执行情况
加索引扫描的数据rows=366798,不加索引rows=997976 (全表扫描),明明加索引的扫描条目更少,为何反而变慢了呢?
举一个非常好理解的场景(通过索引读取表中20%的数据)解释一下这个有趣的概念:(例子来源 http://blog.itpub.net/519536/viewspace-612715/)
假设一张表含有10万行数据--------100000行
我们要读取其中20%(2万)行数据----20000行
表中每行数据大小80字节----------80bytes
数据库中的数据块大小8K----------8000bytes
所以有以下结果:
每个数据块包含100行数据---------100行
这张表一共有1000个数据块--------1000块
上面列出了一系列浅显易懂的数据,我们挖掘一下这些数据后面的故事:
通过索引读取20000行数据 = 约20000个table access by rowid = 需要处理20000个块来执行这个查询
但是,请大家注意:整个表只有1000个块!
所以:如果按照索引读取全部的数据的20%相当于将整张表平均读取了20次!!So,这种情况下直接读取整张表的效率会更高。)
具体深层次的原因请了解先B+tree的底层原理
https://blog.csdn.net/qq_24935119/article/details/108185311
-