mysql 索引使用策略及优化

SHOW INDEX FROM employees.titles; 2 +--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+ 3 | Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Null | Index_type | 4 +--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+ 5 | titles | 0 | PRIMARY | 1 | emp_no | A | NULL | | BTREE | 6 | titles | 0 | PRIMARY | 2 | title | A | NULL | | BTREE | 7 | titles | 0 | PRIMARY | 3 | from_date | A | 443308 | | BTREE | 8 | titles | 1 | emp_no | 1 | emp_no | A | 443308 | | BTREE | 9 +--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+

从结果中可以到titles表的主索引为<emp_no, title, from_date>，还有一个辅助索引<emp_no>。为了避免多个索引使事情变复杂（MySQL的SQL优化器在多索引时行为比较复杂），这里我们将辅助索引drop掉：ALTER TABLE employees.titles DROP INDEX emp_no;这样就可以专心分析索引PRIMARY的行为了。

情况一：全列匹配。

1 EXPLAIN SELECT * FROM employees.titles WHERE emp_no=‘10001‘ AND title=‘Senior Engineer‘ AND from_date=‘1986-06-26‘;
2 +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
5 | 1 | SIMPLE | titles | const | PRIMARY | PRIMARY | 59 | const,const,const | 1 | |
6 +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+

很明显，当按照索引中所有列进行精确匹配（这里精确匹配指“=”或“IN”匹配）时，索引可以被用到。这里有一点需要注意，理论上索引对顺序是敏感的，但是由于MySQL的查询优化器会自动调整where子句的条件顺序以使用适合的索引，例如我们将where中的条件顺序颠倒：

1 EXPLAIN SELECT * FROM employees.titles WHERE from_date=‘1986-06-26‘ AND emp_no=‘10001‘ AND title=‘Senior Engineer‘;
2 +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
5 | 1 | SIMPLE | titles | const | PRIMARY | PRIMARY | 59 | const,const,const | 1 | |
6 +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+

效果是一样的。

情况二：最左前缀匹配。

1 EXPLAIN SELECT * FROM employees.titles WHERE emp_no=‘10001‘;
2 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
5 | 1 | SIMPLE | titles | ref | PRIMARY | PRIMARY | 4 | const | 1 | |
6 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------+

当查询条件精确匹配索引的左边连续一个或几个列时，如<emp_no>或<emp_no, title>，所以可以被用到，但是只能用到一部分，即条件所组成的最左前缀。上面的查询从分析结果看用到了PRIMARY索引，但是key_len为4，说明只用到了索引的第一列前缀。

情况三：查询条件用到了索引中列的精确匹配，但是中间某个条件未提供。

1 EXPLAIN SELECT * FROM employees.titles WHERE emp_no=‘10001‘ AND from_date=‘1986-06-26‘;
2 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
5 | 1 | SIMPLE | titles | ref | PRIMARY | PRIMARY | 4 | const | 1 | Using where |
6 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+

此时索引使用情况和情况二相同，因为title未提供，所以查询只用到了索引的第一列，而后面的from_date虽然也在索引中，但是由于title不存在而无法和左前缀连接，因此需要对结果进行扫描过滤from_date（这里由于emp_no唯一，所以不存在扫描）。如果想让from_date也使用索引而不是where过滤，可以增加一个辅助索引<emp_no, from_date>，此时上面的查询会使用这个索引。除此之外，还可以使用一种称之为“隔离列”的优化方法，将emp_no与from_date之间的“坑”填上。

首先我们看下title一共有几种不同的值：

 1 SELECT DISTINCT(title) FROM employees.titles;
 2 +--------------------+
 3 | title |
 4 +--------------------+
 5 | Senior Engineer |
 6 | Staff |
 7 | Engineer |
 8 | Senior Staff |
 9 | Assistant Engineer |
10 | Technique Leader |
11 | Manager |
12 +--------------------+

只有7种。在这种成为“坑”的列值比较少的情况下，可以考虑用“IN”来填补这个“坑”从而形成最左前缀：

1 EXPLAIN SELECT * FROM employees.titles
2 WHERE emp_no=‘10001‘
3 AND title IN (‘Senior Engineer‘, ‘Staff‘, ‘Engineer‘, ‘Senior Staff‘, ‘Assistant Engineer‘, ‘Technique Leader‘, ‘Manager‘)
4 AND from_date=‘1986-06-26‘;
5 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
6 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
7 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
8 | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 59 | NULL | 7 | Using where |
9 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

这次key_len为59，说明索引被用全了，但是从type和rows看出IN实际上执行了一个range查询，这里检查了7个key。

看下两种查询的性能比较：

1 SHOW PROFILES;
2 +----------+------------+-------------------------------------------------------------------------------+
3 | Query_ID | Duration | Query |
4 +----------+------------+-------------------------------------------------------------------------------+
5 | 10 | 0.00058000 | SELECT * FROM employees.titles WHERE emp_no=‘10001‘ AND from_date=‘1986-06-26‘|
6 | 11 | 0.00052500 | SELECT * FROM employees.titles WHERE emp_no=‘10001‘ AND title IN ... |
7 +----------+------------+-------------------------------------------------------------------------------+

“填坑”后性能提升了一点。如果经过emp_no筛选后余下很多数据，则后者性能优势会更加明显。当然，如果title的值很多，用填坑就不合适了，必须建立辅助索引。

情况四：查询条件没有指定索引第一列。

1 EXPLAIN SELECT * FROM employees.titles WHERE from_date=‘1986-06-26‘;
2 +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
5 | 1 | SIMPLE | titles | ALL | NULL | NULL | NULL | NULL | 443308 | Using where |
6 +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+

由于不是最左前缀，索引这样的查询显然用不到索引。

情况五：匹配某列的前缀字符串。

此时可以用到索引，但是如果通配符不是只出现在末尾，则无法使用索引。

1 EXPLAIN SELECT * FROM employees.titles WHERE emp_no=‘10001‘ AND title LIKE ‘Senior%‘;
2 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
5 | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 56 | NULL | 1 | Using where |
6 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

情况六：范围查询。

1 EXPLAIN SELECT * FROM employees.titles WHERE emp_no<‘10010‘ and title=‘Senior Engineer‘;
2 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
5 | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 4 | NULL | 16 | Using where |
6 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

范围列可以用到索引（必须是最左前缀），但是范围列后面的列无法用到索引。同时，索引最多用于一个范围列，因此如果查询条件中有两个范围列则无法全用到索引。

1 EXPLAIN SELECT * FROM employees.titles
2 WHERE emp_no<‘10010‘
3 AND title=‘Senior Engineer‘
4 AND from_date BETWEEN ‘1986-01-01‘ AND ‘1986-12-31‘;
5 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
6 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
7 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
8 | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 4 | NULL | 16 | Using where |
9 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

可以看到索引对第二个范围索引无能为力。这里特别要说明MySQL一个有意思的地方，那就是仅用explain可能无法区分范围索引和多值匹配，因为在type中这两者都显示为range。同时，用了“between”并不意味着就是范围查询，例如下面的查询：

1 EXPLAIN SELECT * FROM employees.titles
2 WHERE emp_no BETWEEN ‘10001‘ AND ‘10010‘
3 AND title=‘Senior Engineer‘
4 AND from_date BETWEEN ‘1986-01-01‘ AND ‘1986-12-31‘;
5 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
6 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
7 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
8 | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 59 | NULL | 16 | Using where |
9 +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

看起来是用了两个范围查询，但作用于emp_no上的“BETWEEN”实际上相当于“IN”，也就是说emp_no实际是多值精确匹配。可以看到这个查询用到了索引全部三个列。因此在MySQL中要谨慎地区分多值匹配和范围匹配，否则会对MySQL的行为产生困惑。

 

情况七：查询条件中含有函数或表达式。

很不幸，如果查询条件中含有函数或表达式，则MySQL不会为这列使用索引（虽然某些在数学意义上可以使用）。例如：

1 EXPLAIN SELECT * FROM employees.titles WHERE emp_no=‘10001‘ AND left(title, 6)=‘Senior‘;
2 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
5 | 1 | SIMPLE | titles | ref | PRIMARY | PRIMARY | 4 | const | 1 | Using where |
6 +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+

虽然这个查询和情况五中功能相同，但是由于使用了函数left，则无法为title列应用索引，而情况五中用LIKE则可以。再如：

EXPLAIN SELECT * FROM employees.titles WHERE emp_no - 1=‘10000‘;
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| 1 | SIMPLE | titles | ALL | NULL | NULL | NULL | NULL | 443308 | Using where |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+

显然这个查询等价于查询emp_no为10001的函数，但是由于查询条件是一个表达式，MySQL无法为其使用索引。看来MySQL还没有智能到自动优化常量表达式的程度，因此在写查询语句时尽量避免表达式出现在查询中，而是先手工私下代数运算，转换为无表达式的查询语句。

 

索引选择性与前缀索引

既然索引可以加快查询速度，那么是不是只要是查询语句需要，就建上索引？答案是否定的。因为索引虽然加快了查询速度，但索引也是有代价的：索引文件本身要消耗存储空间，同时索引会加重插入、删除和修改记录时的负担，另外，MySQL在运行时也要消耗资源维护索引，因此索引并不是越多越好。一般两种情况下不建议建索引。

第一种情况是表记录比较少，例如一两千条甚至只有几百条记录的表，没必要建索引，让查询做全表扫描就好了。至于多少条记录才算多，这个个人有个人的看法，我个人的经验是以2000作为分界线，记录数不超过 2000可以考虑不建索引，超过2000条可以酌情考虑索引。

另一种不建议建索引的情况是索引的选择性较低。所谓索引的选择性（Selectivity），是指不重复的索引值（也叫基数，Cardinality）与表记录数（#T）的比值：

Index Selectivity = Cardinality / #T

显然选择性的取值范围为(0, 1]，选择性越高的索引价值越大，这是由B+Tree的性质决定的。例如，上文用到的employees.titles表，如果title字段经常被单独查询，是否需要建索引，我们看一下它的选择性：

1 SELECT count(DISTINCT(title))/count(*) AS Selectivity FROM employees.titles;
2 +-------------+
3 | Selectivity |
4 +-------------+
5 | 0.0000 |
6 +-------------+

title的选择性不足0.0001（精确值为0.00001579），所以实在没有什么必要为其单独建索引。

有一种与索引选择性有关的索引优化策略叫做前缀索引，就是用列的前缀代替整个列作为索引key，当前缀长度合适时，可以做到既使得前缀索引的选择性接近全列索引，同时因为索引key变短而减少了索引文件的大小和维护开销。下面以employees.employees表为例介绍前缀索引的选择和使用。

从图12可以看到employees表只有一个索引<emp_no>，那么如果我们想按名字搜索一个人，就只能全表扫描了：

1 EXPLAIN SELECT * FROM employees.employees WHERE first_name=‘Eric‘ AND last_name=‘Anido‘;
2 +----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
3 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4 +----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
5 | 1 | SIMPLE | employees | ALL | NULL | NULL | NULL | NULL | 300024 | Using where |
6 +----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+

如果频繁按名字搜索员工，这样显然效率很低，因此我们可以考虑建索引。有两种选择，建<first_name>或<first_name, last_name>，看下两个索引的选择性：

 1 SELECT count(DISTINCT(first_name))/count(*) AS Selectivity FROM employees.employees;
 2 +-------------+
 3 | Selectivity |
 4 +-------------+
 5 | 0.0042 |
 6 +-------------+
 7 　
 8 SELECT count(DISTINCT(concat(first_name, last_name)))/count(*) AS Selectivity FROM employees.employees;
 9 +-------------+
10 | Selectivity |
11 +-------------+
12 | 0.9313 |
13 +-------------+

<first_name>显然选择性太低，<first_name, last_name>选择性很好，但是first_name和last_name加起来长度为30，有没有兼顾长度和选择性的办法？可以考虑用first_name和last_name的前几个字符建立索引，例如<first_name, left(last_name, 3)>，看看其选择性：

 1 SELECT count(DISTINCT(concat(first_name, left(last_name, 3))))/count(*) AS Selectivity FROM employees.employees;
 2 +-------------+
 3 | Selectivity |
 4 +-------------+
 5 | 0.7879 |
 6 +-------------+
 7 选择性还不错，但离0.9313还是有点距离，那么把last_name前缀加到4：
 8 
 9 SELECT count(DISTINCT(concat(first_name, left(last_name, 4))))/count(*) AS Selectivity FROM employees.employees;
10 +-------------+
11 | Selectivity |
12 +-------------+
13 | 0.9007 |
14 +-------------+
15 这时选择性已经很理想了，而这个索引的长度只有18，比<first_name, last_name>短了接近一半，我们把这个前缀索引 建上：
16 
17 ALTER TABLE employees.employees
18 ADD INDEX `first_name_last_name4` (first_name, last_name(4));
19 此时再执行一遍按名字查询，比较分析一下与建索引前的结果：
20 
21 SHOW PROFILES;
22 +----------+------------+---------------------------------------------------------------------------------+
23 | Query_ID | Duration | Query |
24 +----------+------------+---------------------------------------------------------------------------------+
25 | 87 | 0.11941700 | SELECT * FROM employees.employees WHERE first_name=‘Eric‘ AND last_name=‘Anido‘ |
26 | 90 | 0.00092400 | SELECT 
                        

                            

                                
< 上一篇
常用SQL语句3（MSSQL）
                            
                            

                                 
下一篇 >
postgresql 按日期范围查询