索引进阶 | 再谈 MySQL 的慢 SQL 优化
索引可以提高数据检索的效率，降低数据库的IO成本。
MySQL在300万条记录左右性能开始逐渐下降，虽然官方文档说500~800w记录，所以大数据量建立索引是非常有必要的。
MySQL提供了Explain，用于显示SQL执行的详细信息，可以进行索引的优化。
一、导致SQL执行慢的原因
1. 硬件问题。如网络速度慢，内存不足，I/O吞吐量小，磁盘空间满了等。
2. 没有索引或者索引失效。（一般在互联网公司，DBA会在半夜把表锁了，重新建立一遍索引，因为当你删除某个数据的时候，索引的树结构就不完整了。所以互联网公司的数据做的是假删除.一是为了做数据分析,二是为了不破坏索引 ）
3. 数据过多（分库分表）
4. 服务器调优及各个参数设置（调整my.cnf）
二、分析原因时，一定要找切入点
1. 先观察，开启慢查询日志，设置相应的阈值（比如超过3秒就是慢SQL），在生产环境跑上个一天过后，看看哪些SQL比较慢。
2. Explain和慢SQL分析。比如SQL语句写的烂，索引没有或失效，关联查询太多（有时候是设计缺陷或者不得以的需求）等等。3. Show Profile是比Explain更近一步的执行细节，可以查询到执行每一个SQL都干了什么事，这些事分别花了多少秒。4. 找DBA或者运维对MySQL进行服务器的参数调优。
三、什么是索引？
MySQL官方对索引的定义为：索引(Index)是帮助MySQL高效获取数据的数据结构。我们可以简单理解为：快速查找排好序的一种数据结构。
Mysql索引主要有两种结构：B+Tree索引和Hash索引。我们平常所说的索引，如果没有特别指明，一般都是指B树结构组织的索引(B+Tree索引)。
索引如图所示：
最外层浅蓝色磁盘块1里有数据17、35（深蓝色）和指针P1、P2、P3（黄色）。P1指针表示小于17的磁盘块，P2是在17-35之间，P3指向大于35的磁盘块。真实数据存在于子叶节点也就是最底下的一层3、5、9、10、13……非叶子节点不存储真实的数据，只存储指引搜索方向的数据项，如17、35。
查找过程：例如搜索28数据项，首先加载磁盘块1到内存中，发生一次I/O，用二分查找确定在P2指针。接着发现28在26和30之间，通过P2指针的地址加载磁盘块3到内存，发生第二次I/O。用同样的方式找到磁盘块8，发生第三次I/O。
真实的情况是，上面3层的B+Tree可以表示上百万的数据，上百万的数据只发生了三次I/O而不是上百万次I/O，时间提升是巨大的。
四、Explain分析
前文铺垫完成，进入实操部分，先来插入测试需要的数据：
CREATE TABLE user_info (id BIGINT(20) NOT NULL AUTO_INCREMENT,name VARCHAR(50) NOT NULL DEFAULT ”,age INT(11) DEFAULT NULL,
PRIMARY KEY (id),
KEY name_index (name)
)ENGINE = InnoDB DEFAULT CHARSET = utf8;
INSERT INTO user_info (name, age) VALUES (‘xys’, 20);
INSERT INTO user_info (name, age) VALUES (‘a’, 21);
INSERT INTO user_info (name, age) VALUES (‘b’, 23);
INSERT INTO user_info (name, age) VALUES (‘c’, 50);
INSERT INTO user_info (name, age) VALUES (‘d’, 15);
INSERT INTO user_info (name, age) VALUES (‘e’, 20);
INSERT INTO user_info (name, age) VALUES (‘f’, 21);
INSERT INTO user_info (name, age) VALUES (‘g’, 23);
INSERT INTO user_info (name, age) VALUES (‘h’, 50);
INSERT INTO user_info (name, age) VALUES (‘i’, 15);
CREATE TABLE order_info (id BIGINT(20) NOT NULL AUTO_INCREMENT,user_id BIGINT(20) DEFAULT NULL,product_name VARCHAR(50) NOT NULL DEFAULT ”,productor VARCHAR(30) DEFAULT NULL,
PRIMARY KEY (id),
KEY user_product_detail_index (user_id, product_name, productor)
)ENGINE = InnoDB DEFAULT CHARSET = utf8;
INSERT INTO order_info (user_id, product_name, productor) VALUES (1, ‘p1’, ‘WHH’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (1, ‘p2’, ‘WL’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (1, ‘p1’, ‘DX’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (2, ‘p1’, ‘WHH’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (2, ‘p5’, ‘WL’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (3, ‘p3’, ‘MA’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (4, ‘p1’, ‘WHH’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (6, ‘p1’, ‘WHH’);
INSERT INTO order_info (user_id, product_name, productor) VALUES (9, ‘p8’, ‘TE’);
初体验，执行Explain的效果：
索引使用情况在possible_keys、key和key_len三列，接下来我们先从左到右依次讲解。
1. id
--id相同,执行顺序由上而下
–id不同,值越大越先被执行
2. select_type
可以看id的执行实例，总共有以下几种类型：
SIMPLE： 表示此查询不包含 UNION 查询或子查询
PRIMARY： 表示此查询是最外层的查询
SUBQUERY： 子查询中的第一个 SELECT
UNION： 表示此查询是 UNION 的第二或随后的查询
DEPENDENT UNION：UNION 中的第二个或后面的查询语句, 取决于外面的查询
UNION RESULT, UNION 的结果
DEPENDENT SUBQUERY: 子查询中的第一个 SELECT, 取决于外面的查询. 即子查询依赖于外层查询的结果.
DERIVED：衍生，表示导出表的SELECT（FROM子句的子查询）
3. table
table表示查询涉及的表或衍生的表：
id为1的<derived2>的表示id为2的u和o表衍生出来的。
4. type
type 字段比较重要，它提供了判断查询是否高效的重要依据依据。通过 type 字段，我们判断此次查询是 全表扫描 还是 索引扫描等。
type 常用的取值有:
system: 表中只有一条数据， 这个类型是特殊的 const 类型。
const: 针对主键或唯一索引的等值查询扫描，最多只返回一行数据。const 查询速度非常快， 因为它仅仅读取一次即可。例如下面的这个查询，它使用了主键索引，因此 type 就是 const 类型的：explain select * from user_info where id = 2；
eq_ref: 此类型通常出现在多表的 join 查询，表示对于前表的每一个结果，都只能匹配到后表的一行结果。并且查询的比较操作通常是 =，查询效率较高。例如：explain select * from user_info, order_info where user_info.id = order_info.user_id;
ref: 此类型通常出现在多表的 join 查询，针对于非唯一或非主键索引，或者是使用了 最左前缀 规则索引的查询。例如下面这个例子中， 就使用到了 ref 类型的查询：explain select * from user_info, order_info where user_info.id = order_info.user_id AND order_info.user_id = 5
range: 表示使用索引范围查询，通过索引字段范围获取表中部分数据记录。这个类型通常出现在 =, <>, >, >=, <, <=, IS NULL, <=>, BETWEEN, IN() 操作中。例如下面的例子就是一个范围查询：explain select * from user_info where id between 2 and 8；
index: 表示全索引扫描(full index scan)，和 ALL 类型类似，只不过 ALL 类型是全表扫描，而 index 类型则仅仅扫描所有的索引， 而不扫描数据。index 类型通常出现在：所要查询的数据直接在索引树中就可以获取到, 而不需要扫描数据。当是这种情况时，Extra 字段 会显示 Using index。
ALL: 表示全表扫描，这个类型的查询是性能最差的查询之一。通常来说， 我们的查询不应该出现 ALL 类型的查询，因为这样的查询在数据量大的情况下，对数据库的性能是巨大的灾难。如一个查询是 ALL 类型查询， 那么一般来说可以对相应的字段添加索引来避免。
通常来说, 不同的 type 类型的性能关系如下:
ALL 类型因为是全表扫描， 因此在相同的查询条件下，它是速度最慢的。而 index 类型的查询虽然不是全表扫描，但是它扫描了所有的索引，因此比 ALL 类型的稍快.后面的几种类型都是利用了索引来查询数据，因此可以过滤部分或大部分数据，因此查询效率就比较高了。
5. possible_keys
它表示 mysql 在查询时，可能使用到的索引。注意，即使有些索引在 possible_keys 中出现，但是并不表示此索引会真正地被 mysql 使用到。mysql 在查询时具体使用了哪些索引，由 key 字段决定。
6. key
此字段是 mysql 在当前查询时所真正使用到的索引。比如请客吃饭,possible_keys是应到多少人，key是实到多少人。当我们没有建立索引时：
建立复合索引后再查询：
7. key_len
表示查询优化器使用了索引的字节数，这个字段可以评估组合索引是否完全被使用。
8. ref
这个表示显示索引的哪一列被使用了，如果可能的话,是一个常量。前文的type属性里也有ref，注意区别。
9. rows
rows 也是一个重要的字段，mysql 查询优化器根据统计信息，估算 sql 要查找到结果集需要扫描读取的数据行数，这个值非常直观的显示 sql 效率好坏， 原则上 rows 越少越好。可以对比key中的例子，一个没建立索引钱，rows是9，建立索引后，rows是4。
10. extra
explain 中的很多额外的信息会在 extra 字段显示, 常见的有以下几种内容:
using filesort ：表示 mysql 需额外的排序操作，不能通过索引顺序达到排序效果。一般有 using filesort都建议优化去掉，因为这样的查询 cpu 资源消耗大。
using index：覆盖索引扫描，表示查询在索引树中就可查找所需数据，不用扫描表数据文件，往往说明性能不错。
using temporary：查询有使用临时表, 一般出现于排序， 分组和多表 join 的情况， 查询效率不高，建议优化。
using where ：表名使用了where过滤。
五、优化案例explain select u.*,o.* from user_info u LEFT JOIN order_info o on u.id=o.user_id;
执行结果，type有ALL，并且没有索引：
开始优化，在关联列上创建索引，明显看到type列的ALL变成ref，并且用到了索引，rows也从扫描9行变成了1行：
这里面一般有个规律是：左链接索引加在右表上面，右链接索引加在左表上面。
六、是否需要创建索引？
索引虽然能非常高效的提高查询速度，同时却会降低更新表的速度。实际上索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录，所以索引列也是要占用空间的。
