mysql数据库索引优化与实践（一）

前言

mysql数据库是现在应用最广泛的数据库系统。与数据库打交道是每个Java程序员日常工作之一，索引优化是必备的技能之一。

为什么要了解索引

真实案例

案例一：大学有段时间学习爬虫，爬取了知乎300w用户答题数据，存储到mysql数据中。那时不了解索引，一条简单的“根据用户名搜索全部回答的sql“需要执行半分钟左右，完全满足不了正常的使用。

案例二：最近线上应用的数据库频频出现多条慢sql风险提示，而工作以来，对数据库优化方面所知甚少。例如一个用户数据页面需要执行很多次数据库查询，性能很慢，通过增加超时时间勉强可以访问，但是性能上需要优化。

索引的优点

合适的索引，可以大大减小mysql服务器扫描的数据量，避免内存排序和临时表，提高应用程序的查询性能。

索引的类型

mysql数据中有多种索引类型，primary key，unique，normal，但底层存储的数据结构都是BTREE；有些存储引擎还提供hash索引，全文索引。

BTREE是最常见的优化要面对的索引结构，都是基于BTREE的讨论。

B-TREE

查询数据最简单暴力的方式是遍历所有记录；如果数据不重复，就可以通过组织成一颗排序二叉树，通过二分查找算法来查询，大大提高查询性能。而BTREE是一种更强大的排序树，支持多个分支，高度更低，数据的插入、删除、更新更快。

现代数据库的索引文件和文件系统的文件块都被组织成BTREE。

btree的每个节点都包含有key，data和只想子节点指针。

btree有度的概念d>=1。假设btree的度为d，则每个内部节点可以有n=[d+1，2d+1）个key，n+1个子节点指针。树的最大高度为h=Logb[(N+1)/2]。

索引和文件系统中，B-TREE的节点常设计成接近一个内存页大小（也是磁盘扇区大小），且树的度非常大。这样磁盘I/O的次数，就等于树的高度h。假设b=100，一百万个节点的树，h将只有3层。即，只有3次磁盘I/O就可以查找完毕，性能非常高。

索引查询

建立索引后，合适的查询语句才能最大发挥索引的优势。

另外，由于查询优化器可以解析客户端的sql语句，会调整sql的查询语句的条件顺序去匹配最合适的索引。

-- 表创建语句
CREATE TABLE people (
    last_name VARCHAR(20) NOT NULL,
    first_name VARCHAR(20) NOT NULL,
    gender CHAR(1) NOT NULL,
　　 birth date NOT NULL,
    KEY last_first_name_gender_key(last_name, first_name, gener)
);

一，全值匹配

查询语句where条件和索引中的所有列进行匹配。

1 SELECT * FROM people WHERE last_name='zhang' AND first_name='yin' AND gender='m';

二，最左前缀匹配

查询条件可以匹配索引的最左若干列。注意关键词”最左前缀“。

-- 可以使用部分索引"last_name"
SELECT * FROM people WHERE last_name='zhang' AND gender='m';

-- 无法使用索引
SELECT * FROM people WHERE first_name='zhang' AND gender='m';

三，列前缀匹配

查询中的like条件，在有些场景下也可以使用索引。如 last_name like 'zh%'可以使用索引，而last_name like '%ing'则无法使用索引。

-- 可以使用索引，因为BTREE的节点比较key值时是从key值得最左侧开始匹配
SELECT * FROM people WHERE last_name like 'zhang%' AND gender='m' ;

四，范围查询

索引的列也支持范围查询。

SELECT * FROM people WHERE last_name > 'zhang' AND last_name <'wang'

五，排序

ORDER BY语句在特定情况下也支持用索引来排序来提高性能。

EXPLAIN SELECT * FROM people WHERE last_name = 'zhang' ORDER BY first_name ASC

六，限制

1，查询列不能参与表达式运算，否则无法使用索引。

--表设计中没有age列，以示参考
--假设age是索引中一部分，这样的查询将无法使用到索引
SELECT * FROM people WHERE last_name='zhang' AND age+3>28;

--这样写就可以使用索引
SELECT * FROM people WHERE last_name='zhang' AND age>25;

2，如果不是从索引的最左列开始，则无法使用索引。如，根据first_name、gender或者查找的查询无法使用索引。

-- 不是从last_name开始匹配，所以无法使用索引
SELECT * FROM people WHERE first_name='zhang' AND gender='m'

3，不能跳过索引中的列。

-- 不能跳过first_name查询，否则只有last_name列用到了索引
SELECT * FROM people WHERE last_name='zhang' AND gender='m'

4，如果查询中某个列是范围查询（like，between，>，<等），则其右边所有的列都无法使用索引。

-- 由于first_name用了like查询，所以gender列无法使用索引了
SELECT * FROM people WHERE last_name='zhang' AND first_name LIKE '%in' AND gender='m';

高效索引策略

前面讲到了各种可以使用索引的查询情况，下面讲如何建立高效的索引。

1，建立多列索引

　建立多列的索引，而不是每一列都建立单独的。因为在mysql服务器在查询分析后，最终只能根据查询匹配到一个索引（或者没有）并使用。所以，假设多列上分别都建立了单独索引，即使组合查询用到了多列，最终也只有一列用到了索引。

   所以，假设你最常见的查询是根据last_name、first_name和gender来查询，应该建立包含三列的索引。

ALTER TABLE people ADD INDEX idx_name_gender(last_name, first_name , gender);

2，索引列的顺序

在多列B-TREE索引中，意味着索引是按照最左列开始，从左往右进行排序的。一个设计经验法则，将”选择性高“的列放在索引最左列。这样有助于索引经过最少的比较找到目标元组。

索引列选择性：不重复的索引值与表的全部记录总数的比值，0<T<=1。唯一索引列的选择性是1。索引的选择性越高则查询效率越高，可以”更早地”过滤掉不匹配地记录。

假设要建立 last_name, first_name , gender 三列的索引。

T（last_name）= select count(distinct last_name) / count(*) ;

T（first_name）= select count(distinct first_name) / count(*) ;

T（gender）= select count(distinct gender) / count(*) ;

很显然，last_name和first_name应该放到索引的前面（以实际情况为主）

 

结尾

了解到了常见的索引策略和查询技巧，但是怎么在实际项目中应用并排查现存数据库中sql的性能缺陷？下一篇将介绍mysql数据库的explain关键字，总结和分析慢sql常见技巧。

参考

1，《高性能mysql》

2，《MySQL索引背后的数据结构及算法原理》https://www.kancloud.cn/kancloud/theory-of-mysql-index/41844

3，https://zh.wikipedia.org/wiki/B%E6%A0%91