mysql学习 索引(2)
引入问题:
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。
1 mysql> create table T ( 2 ID int primary key, 3 k int NOT NULL DEFAULT 0, 4 s varchar(16) NOT NULL DEFAULT '', 5 index k(k)) 6 engine=InnoDB; 7 8 insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');
图 1 InnoDB 的索引组织结构
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。
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?
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,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?
假设这个市民表的定义是这样的:
1 CREATE TABLE `tuser` ( 2 `id` int(11) NOT NULL, 3 `id_card` varchar(32) DEFAULT NULL, 4 `name` varchar(32) DEFAULT NULL, 5 `age` int(11) DEFAULT NULL, 6 `ismale` tinyint(1) DEFAULT NULL, 7 PRIMARY KEY (`id`), 8 KEY `id_card` (`id_card`), 9 KEY `name_age` (`name`,`age`) 10 ) 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。而再建立一个(身份证号、姓名)的联合索引,是不是浪费空间?
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,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。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,或者称为业务数据架构师的工作。
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?
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
图 2 (name,age)索引示意图
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。
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。
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,这段开头的问题里,我们要为高频请求创建 (身份证号,姓名)这个联合索引,并用这个索引支持“根据身份证号查询地址”的需求
。那么,如果既有联合查询,又有基于 a、b 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。
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 3 和图 4,是这两个过程的执行流程图。
图 3 无索引下推执行流程 图 4 索引下推执行流程
在图 3 和 4 这两个图里面,每一个虚线箭头表示回表一次。
图 3 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 4 跟图 3 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。
总结
- 回表:回到主键索引树搜索的过程,称为回表
- 覆盖索引:某索引已经覆盖了查询需求,称为覆盖索引,例如:select ID from T where k between 3 and 5
- 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
- 最左前缀原则:B+Tree这种索引结构,可以利用索引的"最左前缀"来定位记录
- 只要满足最左前缀,就可以利用索引来加速检索。
- 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
- 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。
- 索引下推:在MySQL5.6之前,只能从根据最左前缀查询到ID开始一个个回表。到主键索引上找出数据行,再对比字段值。
- MySQL5.6引入的索引下推优化,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。
问答
1、实际上主键索引也是可以使用多个字段的。DBA 小吕在入职新公司的时候,就发现自己接手维护的库里面,有这么一个表,表结构定义类似这样的:
1 CREATE TABLE `geek` ( 2 `a` int(11) NOT NULL, 3 `b` int(11) NOT NULL, 4 `c` int(11) NOT NULL, 5 `d` int(11) NOT NULL, 6 PRIMARY KEY (`a`,`b`), 7 KEY `c` (`c`), 8 KEY `ca` (`c`,`a`), 9 KEY `cb` (`c`,`b`) 10 ) ENGINE=InnoDB;
公司的同事告诉他说,由于历史原因,这个表需要 a、b 做联合主键,这个小吕理解了。
但是,学过本章内容的小吕又纳闷了,既然主键包含了 a、b 这两个字段,那意味着单独在字段 c 上创建一个索引,就已经包含了三个字段了呀,为什么要创建“ca”“cb”这两个索引?
同事告诉他,是因为他们的业务里面有这样的两种语句:
1 select * from geek where c=N order by a limit 1; 2 select * from geek where c=N order by b limit 1;
问题是,这位同事的解释对吗,为了这两个查询模式,这两个索引是否都是必须的?为什么呢?
答:
表记录
–a--|–b--|–c--|–d--
1 2 3 d
1 3 2 d
1 4 3 d
2 1 3 d
2 2 2 d
2 3 4 d
主键 a,b 的聚簇索引组织顺序相当于 order by a,b ,也就是先按 a 排序,再按 b 排序,c 无序。
索引 ca 的组织是先按 c 排序,再按 a 排序,同时记录主键
–c--|–a--|–主键部分b-- (注意,这里不是 ab,而是只有 b)
2 1 3
2 2 2
3 1 2
3 1 4
3 2 1
4 2 3
索引 cb 的组织是先按 c 排序,在按 b 排序,同时记录主键
–c--|–b--|–主键部分a-- (同上)
2 2 2
2 3 1
3 1 2
3 2 1
3 4 1
4 3 2
所以,结论是 ca 可以去掉,cb 需要保留。
2、查询数据的时候,大致的流程细化?
答:通过执行器调用引擎,引擎内部到表里的数据段/索引段取数据 ,数据是按照段->区->页维度去取 , 取完后先放到数据缓冲池中,再通过二分法查询叶结点的有序链表数组找到行数据返回给用户 。 当数据量大的时候,会存在不同的区,取范围值的时候会到不同的区取页的数据返回用户。
3、有些资料提到,在不影响排序结果的情况下,在取出主键后,回表之前,会在对所有获取到的主键排序,请问是否存在这种情况?
答:有的, Multi-Range Read (MRR) 由于不论是否使用这个策略,SQL语句写法不变,就没有在正文中提
4、联合索引的技巧?
答:
1)覆盖索引:如果查询条件使用的是普通索引(或是联合索引的最左原则字段),查询结果是联合索引的字段或是主键,不用回表操作,直接返回结果,减少IO磁盘读写读取正行数据
2)最左前缀: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
3)联合索引:根据创建联合索引的顺序,以最左原则进行where检索,比如(age,name)以age=1 或 age= 1 and name=‘张三’可以使用索引,单以name=‘张三’ 不会使用索引,考虑到存储空间的问题,还请根据业务需求,将查找频繁的数据进行靠左创建索引。
4)索引下推:like 'hello%’and age >10 检索,MySQL5.6版本之前,会对匹配的数据进行回表查询。5.6版本后,会先过滤掉age<10的数据,再进行回表查询,减少回表率,提升检索速度
5、
1)using where的时候,需要回表,然后把数据传输给server层,server层来过滤数据。那么这些数据是存在server层的哪个地方呢?
2)limit起到限制扫描行数作用并且有using where的时候,limit这个操作时在存储引擎层做的还是在server层做的?
3)ICP是不是做得不太好,感觉很多地方没有用到索引下推,都会显示using index condition
答:
1)没有存,就是一个临时内存,读出来马上判断,然后扫描下一行可以复用
2)Server层。 接上面的逻辑,读完以后顺便判断一下够不够limit 的数了,够就结束循环
3)其实它表示的是“可以下推”,实际上是“可以,但没有”
6、下面两条语句有什么区别,为什么都提倡使用2:
1 select * from T where k in(1,2,3,4,5) 2 select * from T where k between 1 and 5
答:
第一个要树搜素5次
第二个搜索一次
1)in 内部的数字是未知的,不知道是否有序,是否连续等,所以你只能一个一个去看
2)一个已知的升序、范围查询,只需定位第一个值,后面遍历就行了。
7、有这么个问题
一张表两个字段id, uname,id主键,uname普通索引
SELECT * FROM test_like WHERE uname LIKE 'j'/ 'j%' / '%j'/ '%j%'
模糊查询like后面四种写法都可以用到uname的普通索引
添加一个age字段
ike后面的'%j'/ '%j%' 这两种情况用不到索引
把select * 改为 select id / select uname / select id,uname
like后面'j'/ 'j%' / '%j'/ '%j%' 这四种情况又都可以用到uname普通索引
建立uname,age的联合索引
模糊查询还是 LIKE 'j'/ 'j%' / '%j'/ '%j%'四种情况
其中select id / select uname / select id,uname 会用到uname的普通索引
select * 会用到uname,age的组合索引\
看到好些文章会说模糊查询时以%开头不会用到索引,实践后发现结论跟文章描述的有出入。
看了索引的这两节内容对上面的各种情况有的可以解释通了,有的仍然有些模糊,想问下老师上面这些情况使用索引时为什么是这样的?
答:
这个是关于“用索引” 和 “用索引快速定位记录”的区别。
简单回答:“用索引”有一种用法是 “顺序扫描索引”
其他回答1:
1)SELECT * FROM test_like WHERE uname LIKE 'j'/ 'j%' / '%j'/ '%j%'用到uname的普通索引
A:这个应该是走到覆盖索引的缘故;
2)添加一个age字段
like后面的'%j'/ '%j%' 这两种情况用不到索引
把select * 改为 select id / select uname / select id,uname
ike后面'j'/ 'j%' / '%j'/ '%j%' 这四种情况又都可以用到uname普通索引
A:如果返回值只包含(id,uname)的话,覆盖索引就能拿到所有数据,所以这种情况下like后面的多种条件都可以走到普通索引。但是如果select * 的话,返回数据由于包含了age字段,而age字段在uname的覆盖索引中查询不到需要二次回表,因此便走不到索引。
3)建立uname,age的联合索引
模糊查询还是 LIKE 'j'/ 'j%' / '%j'/ '%j%'四种情况
其中select id / select uname / select id,uname
会用到uname的普通索引
select * 会用到uname,age的组合索引
A:如果返回值只包含(id,uname)的话,覆盖索引就能拿到所有数据,所以这种情况下like后面的多种条件都可以走到普通索引。如果查询条件变为selec * 的话联合索引在这时候就是最优的覆盖索引了,所以走到了联合索引。
其他回答2:
1)因为查询的是 * ,会查询所有字段(id,uname),而二级索引恰恰包含这些数据,又二级索引树比主键索引树小很多,所以直接挨个查询二级索引要比挨个查询主键索引要快的多,故用的是二级索引;
2)因为添加了age字段,但是二级索引里面没有age字段,就必须要回主键树查询所有字段(回表过程),所以挨个查询主键索引树,就不走二级索引树了;
3)因为建立了联合索引,所以二级索引树里面就包含了所有的字段(id,uname,age),所以就不用搜索主键索引树了;
综上:二级索引树小,且又包含了我们所需要的字段,所以就直接用二级索引啦,但是仍然是挨个遍历的。所以这里是和老师说的"用索引"是一个意思。顺便解释下老师说的用索引定位:就是不用搜索整个索引库直接用二分法能快速找到的数据叫用索引定位。
疑问:
添加一个age字段,like后面的'%j'/ '%j%' 这两种情况用不到索引,这个情况是用到那种索引?
A:这个情况其实是挨个扫描了二级索引树(遍历),并没有扫描主键树(太大了)。这个叫用到了索引。用索引定位和用索引就看有没有遍历的操作。
其他回答3:
1)like 'j' 跟 like 'j%',这两种是可以用到索引去定位数据的,like '%j' 跟 like '%j%'这两中where条件是不会使用索引去定位数据的,但是因为此时表里面字段只有id,uname,正好这两列数据在uname索引里面都有保存,优化器认为遍历普通索引比遍历主键索引的开销要小,所以会选择遍历普通索引
2)但是两者还是有区别的;前者explain分析可以看到type=range,后者是type=index
其他回答4:
你可以这样理解查询时,优化器执行的顺序
1)根据搜索条件找出所有可能用到的索引。
2)计算全表扫描的代价
3)计算其他索引扫描的代价
4)选出优化器计算出扫描成本最低的索引
(扫描代价涉及到I/O成本和CPU成本,innodb内部有一套自己的成本计算方法,简单举例比如:读取一个页到内存成本为1.0, 检测一条记录是否符合成本为0.2)
根据上面的逻辑,%j 这种条件使用了辅助索引。就是说,优化器认为“扫描辅助索引的代价比扫描聚集索引的代价要低”。
理解
1、InnoDB 这种引擎导致,虽然删除了表的部分记录,但是它的索引还在, 并未释放;只能是重新建表才能重建索引。可以使用:alter table T engine=InnoDB