【MySQL】索引优化中的最左前缀原则和索引下推
目录
一、引入
在开始这篇文章之前，首先明确一个概念，聚集索引的B+树的每个节点就是一个索引页，索引页会根据先前规定好的度数来决定一个索引页放多少个索引值。
非叶子节点只有索引区（索引项），即只存放索引数据。
叶子节点有索引区和数据区（数据项），索引区存放的是索引数据，数据区的数据主键索引树和二级索引树有所不同：
- InnoDB表的主键索引树的叶子节点数据区存放的是整个表的数据。
- InnoDB表的二级索引树的叶子节点存放的是该结点索引对应的主键值。
很容易可以看出，B+数的结点会冗余地存储索引值，但是因为一个索引所占有的数据量很小，所以这种冗余影响不大。
下面我们来看一下这个问题：
在下面这个表 T 中，如果我执行 select * from T where k between 3 and 5，需要执行几次树的搜索操作，会扫描多少行？
下面是这个表的初始化语句。
mysql> create table T (
ID int primary key,
k int NOT NULL DEFAULT 0,
s varchar(16) NOT NULL DEFAULT '',
index k(k))
engine=InnoDB;
insert into T values(100,1,'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');
现在，我们一起来看看这条 SQL 查询语句的执行流程：
- 在 k 索引树上找到 k=3 的记录，取得 ID = 300；
- 再到 ID 索引树查到 ID=300 对应的 R3；
- 在 k 索引树取下一个值 k=5，取得 ID=500；
- 再回到 ID 索引树查到 ID=500 对应的 R4；
- 在 k 索引树取下一个值 k=6，不满足条件，循环结束。
因为B+树的叶子节点之间都按循序用指针连接在一起，所以k的索引树找到3的叶子节点之后直接根据叶子节点的后继指针到5结点就行了，依次同理，什么时候结点的索引值k不符合查询条件中的范围要求了就结束查询。
在这个过程中，回到主键索引树搜索的过程，我们称为回表。可以看到，这个查询过程读了 k 索引树的 3 条记录（步骤 1、3 和 5），回表了两次（步骤 2 和 4）。
在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表。那么，有没有可能经过索引优化，避免回表过程呢？这里就引入了覆盖索引的概念。
二、覆盖索引
如果执行的语句是 select ID from T where k between 3 and 5，这时只需要查 ID 的值，而 ID 的值已经在 k 索引树上了（辅助索引树的结点数据区存的是其对应的主键值），因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引 k 已经“覆盖了”我们的查询需求，我们称为覆盖索引。
由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。
需要注意的是，在引擎内部使用覆盖索引在索引 k 上其实读了三个记录，R3~R5（对应的索引 k 上的记录项），但是对于 MySQL 的 Server 层来说，它就是找引擎拿到了两条记录，因此 MySQL 认为扫描行数是 2。
基于上面覆盖索引的说明，我们来讨论一个问题：在一个市民信息表上，是否有必要将身份证号和名字建立联合索引（创建联合索引就是创建覆盖索引的一种方式）？
假设这个市民表的定义是这样的：
CREATE TABLE `tuser` (
`id` int(11) NOT NULL,
`id_card` varchar(32) DEFAULT NULL,
`name` varchar(32) DEFAULT NULL,
`age` int(11) DEFAULT NULL,
`ismale` tinyint(1) DEFAULT NULL,
PRIMARY KEY (`id`), -- 这个表的主键是单独建了一个id，不是用的身份证号，因为身份证号太长了，用它作为主键太占空间
KEY `id_card` (`id_card`),
KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB
我们知道，身份证号是市民的唯一标识。也就是说，如果有根据身份证号查询市民信息的需求，我们只要在身份证号字段上建立索引就够了（这样只需要先在身份证号索引树找到相应身份证号对应的主键ID，然后再从主键索引树根据查找到了主键ID找到相应的居民信息，只需要对B+数做两次查询）。而再建立一个（身份证号、姓名）的联合索引（这样建索引只需要在该索引上查询一次，就能在对应的索引项找找到所需要的数据，就不需要再回表查询主键索引树了），是不是浪费空间（因为每建立一个索引，都需要创建一个B+树并向里面存储相应的数据）？
如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意义了。它可以在这个高频请求上用到覆盖索引（将索引项中的索引字段覆盖要查询的字段，这就是覆盖索引），这样可以直接在辅助索引树中根据身份证号查询其名字了，因为虽然叶子节点的数据区依旧是存储的其辅助键对应的主键，但是在节点的索引区存储的是创建好的（身份证号+姓名）联合索引，可以直接从索引区取得需要的数据，不再需要回表查整行记录，减少语句的执行时间。
当然，索引字段的维护总是有代价的（详细见索引维护）。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这正是业务 DBA（数据库管理员），或者称为业务数据架构师的工作。
讲接下来的问题前首先讲一下联合索引的底层存储结构长什么样？联合索引的检索过程是什么样的呢？
联合索引中有多个字段，构建B+树的时候会将多个字段按照定义索引的顺序全部放到节点的索引区中，如上图所示。在进行索引树搜索比较索引的时候，是将多个字段从左向右比较（从上图来看就是从上到下比较）。
以上图为例查询过程有三种情况：
- 检索的数据与索引字段的第一个字段就不一样
- 检索的数据与索引字段的第一个字段一样
- 检索的数据与索引字段的前两个字段一样
- 情况一：要检索的where条件的数据是（10003，XXX，XXX），从树根开始检索发现比10002大，再与右面的10004比较发现比它小，所以直接就就进到右数据页中，不用再比较索引的后面两个字段了
- 情况二：要检索的where条件的数据是（10001，Assiatant），跟情况一过程一样，进入到比较完索引的第一个字段后直接进入到左数据页，发现查询数据的第一个字段与左数据页的三个结点的第一个字段都一样，那就接着比较第二个字段，发现和最左边的结点一样，那就直接是这个结点了，虽然索引区有三个字段，但是搜索字段只有两个，那么就不用管第三个字段了，直接就是这个字段。这也就是后面要讲的最左前缀原则，这个例子也就是最左前缀原则的执行过程。
- 情况三：要检索的where条件的数据是（10003，Staff，XXX），这种情况也就是按照第一种情况比较完，进入到右数据页，根据第二种情况比较完发现第二个字段也一样，而检索的数据还有一个字段就会接着去比较索引区的第三个字段
- 附加情况：如果要检索的where条件的数据是（10003），那么他就会按照情况一的过程去检索到右数据页，然后发现右数据页所有节点的第一个索引字段都是10003，因为搜索字段只有一个（10003），那么直接将右数据页的两个结点全部取得。这个也是最左前缀原则的应用
三、最左前缀原则
看到这里你一定有一个疑问，如果为每一种查询都设计一个索引，索引是不是太多了。如果我现在要按照市民的身份证号去查他的家庭地址呢？虽然这个查询需求在业务中出现的概率不高，但总不能让它走全表扫描吧？反过来说，单独为一个不频繁的请求创建一个（身份证号，地址）的索引又感觉有点浪费。应该怎么做呢？
这里，我先和你说结论吧。B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录。
为了直观地说明这个概念，我们用（name，age）这个联合索引来分析。
可以看到，索引项是按照索引定义里面出现的字段顺序排序的。
当你的逻辑需求是查到所有名字是“张三”的人时，可以快速定位到 ID4，然后向后遍历得到所有需要的结果。
如果你要查的是所有名字第一个字是“张”的人，你的 SQL 语句的条件是"where name like ‘张 %’"。这时，你也能够用上这个索引，查找到第一个符合条件的记录是 ID3，然后向后遍历，直到不满足条件为止。
以上就是最左前缀原则来加速检索的原理。所有的最左前缀原则的检索都是这个样子，如果有检索项个数小于索引项个数，比如只搜索“张三”，如果索引树中的索引项只有一个张三，那么直接取得这一个张三的节点。如果有多个张三的节点，则取多个节点返回（这个过程就是找到第一个张三节点之后因为索引树都是有序排列的，那么其他的张三节点也就顺序的存储在该节点的旁边，直接向右遍历取节点直到不符合条件为止），然后再一个个回表就行了。
最左前缀原则的定义：
可以看到，不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。也就是说你要查询的N个字段就包括在某个联合索引的最左N个字段内（不多不少正好就是这N个字段，顺序也得一致），那么你就不需要违者N个字段单独创捷一个索引，直接用现有的这个联合索引就可以，可以起到相同的效果。
像在最左边使用匹配符的这种，'%23'，这种就不符合最左前缀原则，也就无法使用索引，这样的什么索引都是用不了，只能自己一个个去遍历，因为索引的比较都是从左到右开始，如果这种一开始就用一个%，比较就没有办法向下进行，所以也就无法使用索引了。
但是像上面这种情况在有些情况下是很不方便的
比如：在url表中存储url
我现在要找xyz后缀的域名，就需要这个样子'%com'查询，但是这样就无法使用索引会导致查询速度很慢
这种情况的解决办法就是倒着插入域名数据
moc.udiab.www
这样查询的时候就是'com%'，这样就可以使用索引了，这也是一个在使用数据库时的小技巧。
基于上面对最左前缀索引的说明，我们来讨论一个问题：在建立联合索引的时候，如何安排索引内的字段顺序。
这里我们的评估标准是，索引的复用能力。因为可以支持最左前缀，所以当已经有了 (a,b) 这个联合索引后，一般就不需要单独在 a 上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。
所以现在你知道了，本节开头的问题里，我们要为高频请求创建 (身份证号，姓名）这个联合索引，而“根据身份证号查询地址”的需求并不是高频需求，我们没必要为其维护一个（身份证号，地址）的联合索引。而如果想提高根据身份证号查询地址的搜索速度，就得需要一个（身份证号）索引，否则MySQL就会遍历整个B+树来查询该内容。而这时我们的最左前缀原则就能派上用场，根据该原则直接就能用高频请求的（身份证号，姓名）联合索引来充当（身份证号）索引的功校，用这个索引支持“根据身份证号查询地址”的需求（通过该联合索引找到快速找到身份证号对应的主键ID，才从主键索引树中快速找到对应主键ID的叶子节点，也就找到了该ID的所有数据其中就包括地址）。
那么，如果既有联合查询，又有基于 a、b 字段各自的查询呢？查询条件里面只有 b 的语句，是无法使用 (a,b) 这个联合索引的，这就不符合最左前缀的原则了。这时候你不得不维护另外一个索引，也就是说你需要同时维护 (a,b)、(b) 这两个索引。
这时候，我们要考虑的原则就是空间了。比如上面这个市民表的情况，name 字段是比 age 字段大的 ，那我就建议你创建一个（name,age) 的联合索引和一个 (age) 的单字段索引。就不要建立（age,name）联合索引和（name）索引了，虽然效果是一样的，但是后者存储了两次name大字段，更占空间。
四、索引下推
上一段我们说到满足最左前缀原则的时候，最左前缀可以用于在索引中定位记录。这时，你可能要问，那些不符合最左前缀的部分，会怎么样呢？
我们还是以市民表的联合索引（name, age）为例。如果现在有一个需求：检索出表中“名字第一个字是张，而且年龄是 10 岁的所有男孩”。那么，SQL 语句是这么写的：
mysql> select * from tuser where name like '张%' and age=10 and ismale=1;
你已经知道了前缀索引规则，所以这个语句在搜索索引树的时候，只能用 “张”，找到第一个满足条件的记录 ID3。当然，这还不错，总比全表扫描要好。
然后呢？当然是判断其他条件是否满足。
在 MySQL 5.6 之前，只能从 ID3 开始一个个回表。到主键索引上找出数据行，再对比字段值。而 MySQL 5.6 引入的索引下推优化（index condition pushdown)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
图1和图2，是这两个过程的执行流程图。
在图 1 和 2 这两个图里面，每一个虚线箭头表示回表一次。
图 1 中，在 (name,age) 索引里面我特意去掉了 age 的值，这个过程 InnoDB 并不会去看 age 的值，只是按顺序把“name 第一个字是’张’”的记录一条条取出来回表。因此，需要回表 4 次。
图 2 跟图 1 的区别是，InnoDB 在 (name,age) 索引内部就判断了 age 是否等于 10，对于不等于 10 的记录，直接判断并跳过。在我们的这个例子中，只需要对 ID4、ID5 这两条记录回表取数据判断，就只需要回表 2 次。
五、小结
今天这篇文章，我和你继续讨论了数据库索引的概念，包括了覆盖索引、前缀索引、索引下推。你可以看到，在满足语句需求的情况下， 尽量少地访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标
其他相关文章：【MySQL】MySQL的存储引擎和索引详解（聚集索引和非聚集索引）
【MySQL】InnoDB行格式、数据页结构以及索引底层原理分析
【MySQL】InnoDB存储引擎，MyISAM存储引擎，聚集索引，非聚集索引，主键索引，二级索引他们之间的关系梳理
【MySQL】InnoDB 的索引模型（B+树）
【MySQL】MySQL的锁与事务隔离级别详解
【MySQL】MySQL分库分表详解
【MySQL】主从复制实现原理详解
参考资料：《MySQL实战45讲》林晓斌