Mysql底层原理五：如何设计、用好索引

1.索引的代价

空间上的代价

时间上的代价

每次对表中的数据进⾏增、删、改操作时，都需要去修改各个B+树索引。⽽且我们讲过，B+树每层节点都是按照索引列的值从⼩到⼤的顺序排序⽽组成了双向链表。不论是叶⼦节点中的记录，还是内节点中的记录（也就是不论是⽤户记录还是⽬录项记录）都是按照索引列的值从⼩到⼤的顺序⽽形成了⼀个单向链表。⽽增、删、改操作可能会对节点和记录的排序造成破坏，所以存储引擎需要额外的时间进⾏⼀些记录移位，⻚⾯分裂、⻚⾯回收啥的操作来维护好节点和记录的排序。如果我们建了许多索引，每个索引对应的B+树都要进⾏相关的维护操作，这还能不给性能拖后腿么？

总结：

所以说，一个表上索引建的越多，就会占用越多的存储空间，在增删改的时候性能就会越差。

2.索引适用的条件

为了将索引的效能发挥最大，我们需要对索引由深刻的认识。下面，我们通过查询来更加深入理解索引的使用方式。

1.1 准备

建立表：

CREATE	TABLE	person_info(id	INT	NOT	NULL	auto_increment,name	VARCHAR(100)	NOT	NULL,birthday	DATE	NOT	NULL,phone_number	CHAR(11)	NOT	NULL,country	varchar(100)	NOT	NULL,PRIMARY	KEY	(id),KEY	idx_name_birthday_phone_number	(name,	birthday,	phone_number)
);

对应这个表，有几点需要注意：

表中的主键是id，Innodo存储引擎会自动为id生成聚簇索引
我们额外定义了⼀个⼆级索引idx_name_birthday_phone_number，它是由3个列组成的联合索引。所以在这个索引对应的B+树的叶⼦节点处存储的⽤户记录只保留name、birthday、phone_number这三个列的值以及主键id的值，并不会保存country列的值。

直接看一下二级索引的图示：

从图中可以看出：

先按照name列的值进行升序
如果name一样，就按照birthday列进行升序
如果birthday一样，就按照phone_numer进行升序

这个排序十分重要，因为只有页面和记录排好序，我们才可以通过二分法快速查找。

1.2 索引发挥作用

1.2.1 全值匹配

如果我们的搜索条件中的列和索引列一致的话，这种情况就称为全值匹配，比方说下面这个条件：

SELECT* 
FROMperson_info 
WHERENAME = 'Ashburn' AND birthday = '1990-09-27' AND phone_number = '15123983239';

这个查询过程很简单，先按照name，接着birthday,最后phone_numer

如果 where后面的查询条件顺序改一下会有什么影响嘛？

SELECT* 
FROMperson_info 
WHEREbirthday = '1990-09-27' AND phone_number = '15123983239' AND NAME = 'Ashburn';

答案：没有影响，Mysql查询优化器会按照可以使用索引中列的顺序来决定先使用哪个条件。

1.2.2 匹配最左边列

有时候，我们不想全值匹配，只是通过一个列，比如下面：

SELECT* 
FROMperson_info 
WHERENAME = 'Ashburn';

或者

SELECT* 
FROMperson_info 
WHERENAME = 'Ashburn' AND birthday = '1990-09-27';

只要where条件后面按照索引顺序，但又不是全值匹配，都会走索引。因为B+树的数据⻚和记录先是按照name列的值排序的，在name列的值相同的情况下才使⽤birthday列进⾏排序，也就是说name列的值不同的记录中birthday的值可能是⽆序的。

但是：像下面这种方式就不会走索引了：

SELECT* 
FROMperson_info 
WHEREbirthday = '1990-09-27';

总结一下：

在联合索引时，如果想要使用索引，where 条件后面顺序一定要和索引保持顺序，这有点像找个人一样，刚开始拿姓匹配，如果匹配不上就第二个字，再匹配不上就第三个字。。。

1.2.3 匹配列前缀

走索引：

SELECT* 
FROMperson_info 
WHERENAME LIKE 'As%';

不走索引:

SELECT	*	FROM	person_info	WHERE	name	LIKE	'%As%';

原因：Mysql无法定位记录的位置，因为可能性太多了，可以时AAS,aAS,甚至aAas。只有记录无序，Mysql就无法走索引，只能全表扫描了。

像这种的匹配规则是这样的，其实和列匹配差不多：

先比较字符串的第一个字符
第一个字符一样就比较第二个字符
第二个字符如果一样就比较第三个字符，如果一样，继续往后，不一样就终止。

案例：

1.2.4 匹配范围值

回头看我们idx_name_birthday_phone_number索引的B+树示意图，所有记录都是按照索引列的值从⼩到⼤的顺序排好序的，所以这极⼤的⽅便我们查找索引列的值在某个范围内的记录。⽐⽅说下边这个查询语句：

走索引：

SELECT	*	FROM	person_info	WHERE	name	>	'Asa'	AND	name	<	'Barlow';

不走索引：

SELECT* 
FROMperson_info 
WHERENAME > 'Asa' AND NAME < 'Barlow' AND birthday > '1980-01-01';

上边这个查询可以分为两个部分：

通过条件name > ‘Asa’ AND name < 'Barlow’来对name进⾏范围，查找的结果可能有多条name值不同的记录
对这些name值不同的记录继续通过birthday > '1980-01-01’条件继续过滤

这样⼦对于联合索引idx_name_birthday_phone_number来说，只能⽤到name列的部分，⽽⽤不到birthday列的部分，因为只有name值相同的情况下才能⽤ birthday列的值进⾏排序，⽽这个查询中通过name进⾏范围查找的记录中可能并不是按照birthday列进⾏排序的，所以在搜索条件中继续以birthday列进⾏查找时是⽤不到这个B+树索引的。

总结一下：

**为什么加上个birthday条件就用不上索引，其实说到底，就是通过name查找出来的记录birthday不是有序的。比如说 ASA 1980-01-01、ASAa 1979-01-01、Barlow 1981-01-01取出来的birthday不就无序了嘛 **

1.2.5 精确匹配某一列并范围匹配另外一列

对于同⼀个联合索引来说，虽然对多个列都进⾏范围查找时只能⽤到最左边那个索引列，但是如果左边的列是精确查找，则右边的列可以进⾏范围查找，⽐⽅说这样：

SELECT* 
FROMperson_info 
WHERENAME = 'Ashburn' AND birthday > '1980-01-01' AND birthday < '2000-12-31' AND phone_number > '15100000000';

这个查询的条件可以分成3个部分：

name = ‘Ashburn’，对name列进⾏精确查找，当然可以使⽤B+树索引了。
birthday > ‘1980-01-01’ AND birthday < ‘2000-12-31’，由于name列是精确查找，所以通过name = 'Ashburn’条件查找后得到的结果的name值都是相同的，它们会再按照birthday的值进⾏排序。所以此时对birthday列进⾏范围查找是可以⽤到B+树索引的。
phone_number > ‘15100000000’，通过birthday的范围查找的记录的birthday的值可能不同，所以这个条件⽆法再利⽤B+树索引了，只能遍历上⼀步查询得到的记录。

同理，下边的查询也是可能用到这个联合索引的：

SELECT* 
FROMperson_info 
WHERENAME = 'Ashburn' AND birthday = '1980-01-01' AND phone_number > '15100000000';

1.2.6 排序

我们在写查询语句的时候可以通过order by来进行升序。一般情况下，是把数据加载到内存中，然后在使用排序算法在内存中进行排序，但是如果数据集太大，**可能需要通过磁盘来存放中间结果，排序完再返回到客户端。**再磁盘中进行排序慢的和蜗牛一样，这时候通过索引直接取出来，不就不需要排序了吗，是不是特别快，哈哈

SELECT	*	FROM	person_info	ORDER	BY	name,	birthday,	phone_number	LIMIT	10;

这个查询的结果集需要先按照name值排序，如果记录的name值相同，则需要按照birthday来排序，如果birthday的值相同，则需要按照phone_number排序。

使用联合索引排序需要注意事项

1） order by 列的顺序一定要和建立联合索引的顺序一致

2）等值+order by 其余索引列可以使用联合索引

3) ASC、DESC混用

对于联合索引进行排序的场景，要求各个列要么都是ASC排序，要么都是DESC排序

但是，对于先按照name升序，再按照birthday降序的话，比如这样的：

SELECT	*	FROM	person_info	ORDER	BY	name,	birthday	DESC	LIMIT	10;

这样如果使用索引的话，过程是这样的：

先从索引的最左边确定name列最⼩的值，然后找到name列等于该值的所有记录，然后从name列等于该值的最右边的那条记录开始往左找10条记录。
如果name列等于最⼩的值的记录不⾜10条，再继续往右找name值第⼆⼩的记录，重复上边那个过程，直到找到10条记录为⽌。

累不累，累啊，对于索引的使用一点也不高效，设计Mysql觉得这样还不如直接文件排序来的快，所以联合索引的各个排序列的排序顺序必须是一样的

1】 where子句中出现非排序使用到的索引列，如果说：

SELECT	*	FROM	person_info	WHERE	country	=	'China'	ORDER	BY	name	LIMIT	10;

这个查询是把符合条件的数据先查询出来然后排序，这样是使用不到索引的。

2】排序列包含非同一个索引的列

有时候⽤来排序的多个列不是⼀个索引⾥的，这种情况也不能使⽤索引进⾏排序，⽐⽅说：

SELECT	*	FROM	person_info	ORDER	BY	name,	country	LIMIT	10;

name和country并不属于⼀个联合索引中的列，所以⽆法使⽤索引进⾏排序，⾄于为啥我就不想再唠叨了，⾃⼰⽤前边的理论⾃⼰捋⼀捋把～

3】排序列使用了复杂的表达式

要想使⽤索引进⾏排序操作，必须保证索引列是以单独列的形式出现，⽽不是修饰过的形式，⽐⽅说这样：

SELECT	*	FROM	person_info	ORDER	BY	UPPER(name)	LIMIT	10;

使⽤了UPPER函数修饰过的列就不是单独的列啦，这样就⽆法使⽤索引进⾏排序啦。

1.2.7 分组

有时候我们为了⽅便统计表中的⼀些信息，会把表中的记录按照某些列进⾏分组。⽐如下边这个分组查询：

SELECT NAME,birthday,phone_number,COUNT( * ) 
FROMperson_info 
GROUP BYNAME,birthday,phone_number

这个查询相当于做了这3次分组操作：

先按照name分组，把所有name相同的分成一个个大组
一个个大组再按照birthday分成一个个小组
一个个小组再按照phone_numer分成一个个更小的组

3.回表的代价

这个东西对于我来说，很好理解就放张整图了：

索引覆盖

问题：回表的代价这么大，我们怎么减少拿？

为了彻底告别回表操作带来的性能损耗，我们建议：最好在查询列表⾥只包含索引列，⽐如这样：

SELECT NAME,birthday,phone_number 
FROMperson_info 
WHERENAME > 'Asa' AND NAME < 'Barlow'

因为我们只查询name, birthday, phone_number这三个索引列的值，所以只需要通过联合索引就可以得到，就可以不用聚簇索引回表查询 剩余列，也就是country的值了。 我们把这种只查询索引排序列的方式称之为索引覆盖

排序操作也优先使用索引覆盖的方式查询，比方说这个查询：

SELECT NAME,birthday,phone_number 
FROMperson_info 
ORDER BYNAME,birthday,phone_number;

虽然这个查询中没有LIMIT⼦句，但是采⽤了覆盖索引，所以查询优化器就会直接使⽤idx_name_birthday_phone_number索引进⾏排序⽽不需要回表操作了。

当然，如果业务需要查询出索引以外的列，那还是以保证业务需求为重。但是我们很不⿎励⽤*号作为查询列表，最好把我们需要查询的列依次标明。

4.如何挑选索引

4.1 只为搜索、排序或者分组的列创建索引

只为出现在WHERE⼦句中的列、连接⼦句中的连接列，或者出现在ORDER BY或GROUP BY⼦句中的列创建索引。而出现在查询列表中的列就不没必要建立索引了：

SELECT	birthday,	country	FROM	person_name	WHERE	name	=	'Ashburn';

像查询列表中的birthday、country这两个列就不需要建⽴索引，我们只需要为出现在WHERE⼦句中的name列创建索引就可以了。

4.2 考虑列的基数

列的基数指的是某一列中不重复数据的个数，比方说某个列包含值2, 5, 8, 2, 5, 8, 2, 5, 8，虽然有9条记录，但该列的基数却是3。也就是说，在记录⾏数⼀定的情况下，列的基数越⼤，该列中的值越分散，列的基数越⼩，该列中的值越集中。

这个列的基数指标⾮常重要，直接影响我们是否能有效的利⽤索引。假设某个列的基数为1，也就是所有记录在该列中的值都⼀样，那为该列建⽴索引是没有⽤的，因为所有值都⼀样就⽆法排序，⽆法进⾏快速查找了
如果某个建⽴了⼆级索引的列的重复值特别多，那么使⽤这个⼆级索引查出的记录还可能要做回表操作，这样性能损耗就更⼤了

最好为那些列的基数⼤的列建⽴索引，为基数太⼩列的建⽴索引效果可能不好。

4.3 索引列的类型尽量小

我们在定义表结构的时候要显示的指定列的类型，以整数类型为理，以整数类型为例，有TINYINT、MEDIUMINT、INT、BIGINT这几种，它们占用的存储空间依次递增，我们这里所说的类型大小指的就是 **该类型表示的数据范围大小。**能表示的整数范围当然也是依次递增，如果我们想要对某个整数列建⽴索引的话，在表示的整数范围允许的情况下，尽量让索引列使⽤较⼩的类型， 比如，我们能用INT就不要使用BIGINT,能使⽤MEDIUMINT就不要使⽤INT，这是因为：

数据类型越⼩，在查询时进⾏的⽐较操作越快（这是CPU层次的东东）
数据类型越⼩，索引占⽤的存储空间就越少，在⼀个数据⻚内就可以放下更多的记录，从⽽减少磁盘I/O带来的性能损耗，也就意味着可以把更多的数据⻚缓存在内存中，从⽽加快读写效率。

这个建议对于表的主键来说更加适⽤，因为不仅是聚簇索引中会存储主键值，其他所有的⼆级索引的节点处都会存储⼀份记录的主键值，如果主键适⽤更⼩的数据类型，也就意味着节省更多的存储空间和更⾼效的I/O。

4.4 索引字符串的前缀

4.5 让索引列在比较表达式中单独出现

假设表中有一个整数列my_col,我们为这个列建立索引，下面两个where子句虽然语义上是一致的，但在执行效率上却有很大差别：

WHERE my_col * 2 < 4
WHERE my_col < 4/2

第1个WHERE⼦句中my_col列并不是以单独列的形式出现的，⽽是以my_col * 2这样的表达式的形式出现的，存储引擎会依次遍历所有的记录，计算这个表达式的值是不是⼩于4，所以这种情况下是使⽤不到为my_col列建⽴的B+树索引的。⽽第2个WHERE⼦句中my_col列并是以单独列的形式出现的，这样的情况可以直接使⽤B+树索引。

如果索引列在⽐较表达式中不是以单独列的形式出现，⽽是以某个表达式，或者函数调⽤形式出现的话，是⽤不到索引的。

4.6 主键选择-最好是自增

我们知道，对于⼀个使⽤InnoDB存储引擎的表来说，在我们没有显式的创建索引时，表中的数据实际上都是存储在聚簇索引的叶⼦节点的。⽽记录⼜是存储在数据⻚中的，数据⻚和记录⼜是按照记录主键值从⼩到⼤的顺序进⾏排序，所以如果我们插⼊的记录的主键值是依次增⼤的话，那我们每插满⼀个数据⻚就换到下⼀个数据⻚继续插，⽽如果我们插⼊的主键值忽⼤忽⼩的话，这就⽐较麻烦了，假设某个数据⻚存储的记录已经满了，它存储的主键值在1~100之间：

可这个数据⻚已经满了啊，再插进来咋办呢？我们需要把当前⻚⾯分裂成两个⻚⾯，把本⻚中的⼀些记录移动到新创建的这个⻚中。⻚⾯分裂和记录移位意味着什么？意味着：性能损耗。所以如果我们想尽量避免这样⽆谓的性能损耗，最好让插⼊的记录的主键值依次递增，这样就不会发⽣这样的性能损耗了。所以我们建议：让主键具有AUTO_INCREMENT，让存储引擎⾃⼰为表⽣成主键，⽽不是我们⼿动插⼊，比如说我们可以这么定义person_info表：