编程NOTE

# 索引

# 1.概述

1.定义：索引（index）是帮助MySQL高效获取数据的数据结构(有序)。

2.演示

无索引情况：

对数据进行全表扫描，效率比较低。

有索引的情况：

如果想要查找45岁的数据，只需要查找三次就能够根据这个二叉树索引找到，效率高。

3.特点

优势 劣势
提高数据检索的效率，降低数据库的 IO 成本 索引列也是要占用空间的。
通过索引列对数据进行排序，降低数据排序的成本，降低 CPU 的消耗。 索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行 INSERT、UPDATE、DELETE 时，效率降低。

# 2.索引结构

# 1.介绍

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

索引结构 描述
B+Tree 索引 最常见的索引类型，大部分引擎都支持 B+ 树索引
Hash 索引 底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询
R-tree (空间索引) 空间索引是 MyISAM 引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-text (全文索引) 是一种通过建立倒排索引，快速匹配文档的方式。类似于 Lucene, Solr, ES

上述是MySQL中所支持的所有的索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持情况。

索引 InnoDB MyISAM Memory
B+tree 索引 支持 支持 支持
Hash 索引 不支持 不支持 支持
R-tree 索引 不支持 支持 不支持
Full-text 5.6 版本之后支持 支持 不支持

注意：平时说的索引都是B+树索引

# 2.二叉树

假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：

如果主键顺序插入，会形成一个单向链表

所以，如果选择二叉树作为索引结构，会存在以下缺点：

顺序插入时，会形成一个链表，查询性能大大降低。

大数据量情况下，层级较深，检索速度慢。

此时大家可能会想到，我们可以选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,结构如下:

但是，当深度较深时，还是会导致检索速度慢

所以就有了B+树，但是在B+树之前，先了解一下B树

# 3.B树

点击跳转数据可视化网页 (opens new window)

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。以一颗最大度数（树的度数指的是一个节点的子节点个数）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

key（15，25，28，31）

指针（小于15的树，15-25之间的树，25-28之间的树，28-31之间的树，大于31的树）

当插入超过四个时，最中间的树会向上分裂，如下

当插入4时

# 4.B+树

还是以5阶B+树为例示例如下

我们可以看到，B+Tree 与 B-Tree相比，主要有以下三点区别：

1.所有数据都会出现在叶子节点上

2.叶子节点会形成单链表

3.非叶子节点主要作用是索引，叶子节点的作用才是存储数据

但是在MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

注意：他是存储在页上的

# 5.Hash

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中（类似HashMap）。

如果计算出的hash值相同就产生了hash冲突，可通过链表解决

特点：

仅直接等值不较，不支持范围查询

无法利用索引进行排序操作

单次查找性能好，通常检索一次，通常比B+树性能高（特殊情况，出现大量的哈希冲突）

存储引擎支持：

在MySQL中，支持hash索引的是Memory存储引擎。 而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

# 思考题

思考题： 为什么InnoDB存储引擎选择使用B+tree索引结构?

1.相比二叉树，树的深度更浅，查找效率高

2.相比哈希，支持范围查找和排序

3.对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储

的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；

B树

B+树

# 3.索引分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引

分类 含义 特点 关键字
主键索引 针对于表中主键创建的索引 默认自动创建，只能有一个 PRIMARY
唯一索引 避免同一个表中某数据列中的值重复 可以有多个 UNIQUE
常规索引 快速定位特定数据 可以有多个
全文索引 全文索引查找的是文本中的关键词，而不是比较索引中的值 可以有多个 FULLTEXT

# 聚集索引和二级索引

而在在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

分类 含义 特点
聚集索引 (Clustered Index) 将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据 必须有，而且只有一个
二级索引 (Secondary Index) 将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键 可以存在多个

聚集索引选取规则:

如果存在主键，主键索引就是聚集索引。

如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。

如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

具体结构如下

聚集索引的叶子节点存储的是这一行的数据

二级索引下的叶子节点存储的是主键值

如果想查找Arm（回表查询）：Lee->Geek->Arm->10(id)->聚集索引中的15->10->查询信息叶子节点的信息

# 思考题

1.以下两条SQL语句，那个执行效率高? 为什么?

A. select * from user where id = 10 ;

B. select * from user where name = 'Arm' ;

备注: id为主键，name字段创建的有索引；

解答：

A 语句的执行性能要高于B 语句。

因为A语句直接走聚集索引，直接返回数据。 而B语句需要先查询name字段的二级索引，然

后再查询聚集索引，也就是需要进行回表查询。

2.InnoDB主键索引的B+tree高度为多高呢

假设：一行数据为1kb，1页为16kb，指针占用6个字节，key如果是bigint占用8个字节

计算：

高度为2时：n×8+(n+1)×6=16*1024 得n=1170，最多有1170个key，1171个指针，每页能存储16行数据，总存储数据为1171×16=18736个数据

高度为3时：1171×1171×16=21,939,856，大约2200w

# 4.索引语法

创建索引

CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (
index_col_name,... ) ;
1
2

查看索引

SHOW INDEX FROM table_name ;
1

删除索引

DROP INDEX index_name ON table_name ;
1

案例演示

准备数据

create table tb_user(
id int primary key auto_increment comment '主键',
name varchar(50) not null comment '用户名',
phone varchar(11) not null comment '手机号',
email varchar(100) comment '邮箱',
profession varchar(11) comment '专业',
age tinyint unsigned comment '年龄',
gender char(1) comment '性别 , 1: 男, 2: 女',
status char(1) comment '状态',
createtime datetime comment '创建时间'
) comment '系统用户表';
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('吕布', '17799990000', 'lvbu666@163.com', '软件工程', 23, '1',
'6', '2001-02-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('曹操', '17799990001', 'caocao666@qq.com', '通讯工程', 33,
'1', '0', '2001-03-05 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('赵云', '17799990002', '17799990@139.com', '英语', 34, '1',
'2', '2002-03-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('孙悟空', '17799990003', '17799990@sina.com', '工程造价', 54,
'1', '0', '2001-07-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('花木兰', '17799990004', '19980729@sina.com', '软件工程', 23,
'2', '1', '2001-04-22 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('大乔', '17799990005', 'daqiao666@sina.com', '舞蹈', 22, '2',
'0', '2001-02-07 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('露娜', '17799990006', 'luna_love@sina.com', '应用数学', 24,
'2', '0', '2001-02-08 00:00:00');

INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('程咬金', '17799990007', 'chengyaojin@163.com', '化工', 38,
'1', '5', '2001-05-23 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('项羽', '17799990008', 'xiaoyu666@qq.com', '金属材料', 43,
'1', '0', '2001-09-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('白起', '17799990009', 'baiqi666@sina.com', '机械工程及其自动
化', 27, '1', '2', '2001-08-16 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('韩信', '17799990010', 'hanxin520@163.com', '无机非金属材料工
程', 27, '1', '0', '2001-06-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('荆轲', '17799990011', 'jingke123@163.com', '会计', 29, '1',
'0', '2001-05-11 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('兰陵王', '17799990012', 'lanlinwang666@126.com', '工程造价',
44, '1', '1', '2001-04-09 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('狂铁', '17799990013', 'kuangtie@sina.com', '应用数学', 43,
'1', '2', '2001-04-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('貂蝉', '17799990014', '84958948374@qq.com', '软件工程', 40,
'2', '3', '2001-02-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('妲己', '17799990015', '2783238293@qq.com', '软件工程', 31,
'2', '0', '2001-01-30 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('芈月', '17799990016', 'xiaomin2001@sina.com', '工业经济', 35,
'2', '0', '2000-05-03 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('嬴政', '17799990017', '8839434342@qq.com', '化工', 38, '1',
'1', '2001-08-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('狄仁杰', '17799990018', 'jujiamlm8166@163.com', '国际贸易',
30, '1', '0', '2007-03-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('安琪拉', '17799990019', 'jdodm1h@126.com', '城市规划', 51,
'2', '0', '2001-08-15 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('典韦', '17799990020', 'ycaunanjian@163.com', '城市规划', 52,
'1', '2', '2000-04-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('廉颇', '17799990021', 'lianpo321@126.com', '土木工程', 19,
'1', '3', '2002-07-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('后羿', '17799990022', 'altycj2000@139.com', '城市园林', 20,
'1', '0', '2002-03-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('姜子牙', '17799990023', '37483844@qq.com', '工程造价', 29,
'1', '4', '2003-05-26 00:00:00');
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84

name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。

create index idx_user_name on tb_user(name);
1

phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引

create unique index idx_user_phone on tb_user(phone);
1

为profession、age、status创建联合索引。

create index idx_user_pro_age_sta on tb_user(profession,age,status);
1

为email建立合适的索引来提升查询效率。

create index idx_user_email on tb_user(email);
1

展示结果

show index from tb_user;
1

# 5.SQL性能分析

# 1.SQL执行频率

MySQL 客户端连接成功后，通过 show [session|global] status 命令可以提供服务器状态信

息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：

-- session 是查看当前会话 ;
-- global 是查询全局数据 ;
SHOW GLOBAL STATUS LIKE 'Com_______';
1
2
3

# 2.慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志。

MySQL的慢查询日志默认没有开启，我们可以查看一下系统变量 slow_query_log。

show variables like 'slow_query_log';
1

如果要开启慢查询日志，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：

以二进制文件下载解压没有生成配置文件的需要新建

第一步

vi /usr/local/mysql/my.cnf
1

如果有配置

# 开启MySQL慢日志查询开关
slow_query_log=1
# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time=2
1
2
3
4

如果没有：第二步填写配置内容

[mysqld]
# 基础路径配置
basedir = /usr/local/mysql
datadir = /usr/local/mysql/data
socket = /tmp/mysql.sock
pid-file = /usr/local/mysql/data/localhost.localdomain.pid
user = mysql
port = 3306
# 字符集与存储引擎
character-set-server = utf8mb4
collation-server = utf8mb4_unicode_ci
default-storage-engine = InnoDB
max_connections = 500
symbolic-links = 0

# 慢查询日志配置
slow_query_log = 1
slow_query_log_file = /usr/local/mysql/data/slow.log
long_query_time = 2
log_queries_not_using_indexes = 1

[mysqld_safe]
log-error = /usr/local/mysql/data/mysql-error.log
pid-file = /usr/local/mysql/data/localhost.localdomain.pid

[client]
# 客户端仅保留连接参数，无任何服务端配置
port = 3306
socket = /tmp/mysql.sock
default-character-set = utf8mb4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

配置完成后重启

systemctl restart mysql
1

查看慢查询的信息

tail -f 慢查询日志路径
1

# 3.profile详情

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作：

select @@have_profiling;
1

通过下面指令查看是否开启(默认关闭)

select @@profiling;
1

开启

SET profiling = 1;
1

开关已经打开了，接下来，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。 我们直接执行如下的SQL语句：

select * from tb_user;
select * from tb_user where id = 1;
select * from tb_user where name = '白起';
1
2
3

执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：

-- 查看每一条SQL的耗时基本情况
show profiles;
-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;
-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id
1
2
3
4
5
6

# 4.explain

EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。

语法

-- 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件 ;
1
2

Explain 执行计划中各个字段的含义:

字段 含义
id select 查询的序列号，表示查询中执行 select 子句或者是操作表的顺序（id 相同，执行顺序从上到下；id 不同，值越大，越先执行），比如：多表查询会出现多行记录（子查询）
select_type 表示 SELECT 的类型，常见的取值有 SIMPLE（简单表，即不使用表连接或者子查询）、PRIMARY（主查询，即外层的查询）、UNION（UNION 中的第二个或者后面的查询语句）、SUBQUERY（SELECT/WHERE 之后包含了子查询）等
type 表示连接类型，性能由好到差的连接类型为 NULL（select 'A'）、system(系统表)、const（主键或唯一索引）、eq_ref（多表查询主键或唯一索引）、ref（二级索引）、range（范围查询）、index（索引扫描）、all（全表搜索）。
possible_key 显示可能应用在这张表上的索引，一个或多个。
key 实际使用的索引，如果为 NULL，则没有使用索引。
key_len 表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好。
rows MySQL 认为必须要执行查询的行数，在 InnoDB 引擎的表中，是一个估计值，可能并不总是准确的。
filtered 表示返回结果的行数占需读取行数的百分比，filtered 的值越大越好。

# 索引使用规则

# 1. 最左前缀法则

如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，索引将会部分失效(后面的字段索引失效)，但是与语句的编写顺序无关，存在即可。

在 tb_user 表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为：profession，age，status。

经过下面的操作我们可以推测出profession字段索引长度为47、age字段索引长度为2、status字段索引长度为5,三个索引都生效时key_len为54，pro和age生效时key_len为49，只有pro生效时key_len为47，都不生效时key_len为0

#三个均存在 索引都生效
explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
#两个存在 两个索引都生效
explain select * from tb_user where profession = '软件工程' and age = 31;
#两个索引都不生效
explain select * from tb_user where age = 31 and status = '0';
#pro索引生效
explain select * from tb_user where profession = '软件工程' and status = '0';
#一个存在 只有pro生效
explain select * from tb_user where profession = '软件工程' ;
explain select * from tb_user where age = 31 ;
explain select * from tb_user where status = '0';
#3个索引都生效
explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程'；
1
2
3
4
5
6
7
8
9
10
11
12
13
14

# 2.范围查询

联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效。

status索引失效

explain select * from tb_user where profession = '软件工程' and age > 30 and status= '0';
1

当范围查询使用>= 或 <= 时，索引全部生效

# 3.索引失效情况

1.索引列运算

不要在索引列上进行运算操作， 索引将失效。

在tb_user表中，除了前面介绍的联合索引之外，还有一个索引，是phone字段的单列索引

当根据phone字段进行等值匹配查询时, 索引生效。

explain select * from tb_user where phone = '17799990015';
1

当根据phone字段进行函数运算操作之后，索引失效。

explain select * from tb_user where substring(phone,10,2) = '15';
1

2.字符串不加引号

字符串类型字段使用时，不加引号，索引将失效。

接下来，我们通过两组示例，来看看对于字符串类型的字段，加单引号与不加单引号的区别：

#三个索引生效 key_len=54
explain select * from tb_user where profession = '软件工程' 
and age = 31 and status = '0';
#前两个索引生效 key_len=49
explain select * from tb_user where profession = '软件工程' 
and age = 31 and status = 0;
1
2
3
4
5
6

经过上面示例，我们会明显的发现，如果字符串不加单引号，对于查询结果，没什么影响，但是数据库存在隐式类型转换，索引将失效。

3.模糊查询

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。

接下来，我们来看一下这三条SQL语句的执行效果，查看一下其执行计划：

#生效
explain select * from tb_user where profession like '软件%';
#不生效
explain select * from tb_user where profession like '%工程';
#不生效
explain select * from tb_user where profession like '%工%';
1
2
3
4
5
6

4.or连接条件

用or分割开的条件， 如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

explain select * from tb_user where id = 10 or age = 23;
explain select * from tb_user where phone = '17799990017' or age = 23;
1
2

由于age没有索引，所以即使id、phone有索引，索引也会失效。所以需要针对于age也要建立索引。

创建索引后再重试操作，发现生效了

create index idx_user_age on tb_user(age);
1

5.数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

explain select * from tb_user where phone >= '17799990005';
explain select * from tb_user where phone >= '17799990015';
1
2

经过测试我们发现，相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为什么呢？

就是因为MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。

接下来，我们再来看看 is null 与 is not null 操作是否走索引。

执行如下两条语句 ：

explain select * from tb_user where profession is null;

explain select * from tb_user where profession is not null;
1
2
3

接下来，我们做一个操作将profession字段值全部更新为null。

update tb_user set profession=null;
1

然后，再次执行上述的两条SQL，查看SQL语句的执行计划。

最终我们看到，一模一样的SQL语句，先后执行了两次，结果查询计划是不一样的，为什么会出现这种现象，这是和数据库的数据分布有关系。查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引走全表扫描。 因此，is null 、is not null是否走索引，得具体情况具体分析，并不是固定的。

# 4.SQL提示

先将置空的数据的恢复

再删除索引

drop index idx_user_age on tb_user;
drop index idx_email on tb_user;
1
2

执行SQL : explain select * from tb_user where profession = '软件工程';

查询走了联合索引。

执行SQL：创建profession的单列索引：create index idx_user_pro on tb_user(profession);

创建单列索引后，再次执行A中的SQL语句，查看执行计划，看看到底走哪个索引。

测试结果，我们可以看到，possible_keys中 idx_user_pro_age_sta,idx_user_pro 这两个索引都可能用到，最终MySQL选择了idx_user_pro_age_sta索引。这是MySQL自动选择的果。

SQL提示就是我们能代替mysql做出选择，选择使用哪个索引，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。

1). use index ： 建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估）。

explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';
1

2). ignore index ： 忽略指定的索引.

explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';
1

3). force index ： 强制使用索引。

explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';
1

# 5. 覆盖索引

覆盖索引是指查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到 。

接下来，我们来看一组SQL的执行计划，看看执行计划的差别，然后再来具体做一个解析。

explain select id, profession from tb_user where profession = '软件工程' and age =31 and status = '0' ;
explain select id,profession,age, status from tb_user where profession = '软件工程' and age= 31 and status = '0' ;
explain select id,profession,age, status, name from tb_user where profession = '软件工程' and age = 31 and status = '0' ;
explain select * from tb_user where profession = '软件工程' and age = 31 and status= '0';
1
2
3
4

从上述的执行计划我们可以看到，这四条SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。但是此时，我们主要关注的是后面的Extra，前面两天SQL的结果为 Using where; Using Index ; 而后面两条SQL的结果为: Using index condition 。

Extra 含义
Using where; Using Index 查找使用了索引，并且需要的数据都在索引列中能找到，所以不需要回表查询数据（覆盖索引 + WHERE 条件）
Using index condition 查找使用了索引，但需要通过索引过滤条件后，再回表查询完整数据（索引下推优化）

# 思考题

一张表, 有四个字段(id, username, password, status), 由于数据量大, 需要对

以下SQL语句进行优化, 该如何进行才是最优方案:

select id,username,password from tb_user where username ='admin';

建立一个username和password联合索引，叶子节点存储的正好是id

# 6.前缀索引

当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO， 影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

1.语法：

create index idx_xxxx on table_name(column(n)) ;

示例：

为tb_user表的email字段，建立长度为5的前缀索引。

create index idx_email_5 on tb_user(email(5));
1

2.前缀长度

可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高， 唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

select count(distinct email) / count(*) from tb_user ;
#前5个字符中不重复的占总数的比
select count(distinct substring(email,1,5)) / count(*) from tb_user ;
1
2
3

3.查询流程

先去根据前缀长度建立的5位辅助索引查找，再去聚集索引中查找

# 7.单列索引和联合索引

单列索引：即一个索引只包含单个列。

联合索引：即一个索引包含了多个列。

idx_user_pro_age_sta为联合索引

索引规则下的5中的思考题就是联合索引实现的最典型的例子

# 索引设计原则

1). 针对于数据量较大，且查询比较频繁的表建立索引。

2). 针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引。

3). 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。

4). 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。

5). 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。

6). 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。

7). 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。

完善页面 (opens new window)
最近更新: 9/19/2026, 1:27:08 PM
索引
编程NOTE   |