MySQL全面瓦解25：构建高性能索引（案例分析篇）
回顾一下上面几篇索引相关的文章：
索引的十大原则
1、正确理解和计算索引字段的区分度，文中有计算规则，区分度高的索引，可以快速得定位数据，区分度太低，无法有效的利用索引，可能需要扫描大量数据页，和不使用索引没什么差别。
2、正确理解和计算前缀索引的字段长度，文中有判断规则，合适的长度要保证高的区分度和最恰当的索引存储容量，只有达到最佳状态，才是保证高效率的索引。
3、联合索引注意最左匹配原则：必须按照从左到右的顺序匹配，MySQL会一直向右匹配索引直到遇到范围查询(>、<、between、like)然后停止匹配。
如 depno=1 and empname>'' and job=1 ，如果建立(depno,empname,job)顺序的索引，job是用不到索引的。
4、应需而取策略，查询记录的时候，不要一上来就使用*，只取需要的数据，可能的话尽量只利用索引覆盖，可以减少回表操作，提升效率。
5、正确判断是否使用联合索引（上面联合索引的使用那一小节有说明判断规则），也可以进一步分析到索引下推（IPC），减少回表操作，提升效率。
6、避免索引失效的原则：禁止对索引字段使用函数、运算符操作，会使索引失效。这是实际上就是需要保证索引所对应字段的”干净度“。
7、避免非必要的类型转换，字符串字段使用数值进行比较的时候会导致索引无效。
8、模糊查询'%value%'会使索引无效，变为全表扫描，因为无法判断扫描的区间，但是'value%'是可以有效利用索引。
9、索引覆盖排序字段，这样可以减少排序步骤，提升查询效率
10、尽量的扩展索引，非必要不新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的索引即可。
查询优化分析器 - explain
explain命令大家应该很熟悉，具体用法和字段含义可以参考官网explain-output，这里需要强调rows是核心指标，绝大部分rows小的语句执行一定很快，因为扫描的内容基数小。
所以优化语句基本上都是在优化降低rows值。
慢查询优化基本步骤
1.先运行查看实际耗时，判断是否真的很慢（注意设置SQL_NO_CACHE）。
2.高区分度优先策略：where条件单表查，锁定最小返回记录表的条件。
就是查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高。区分度高的字段往前排。
3.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
4.order by limit 形式的sql语句让排序的表优先查
5.了解业务方的使用场景，根据使用场景适时调整。
6.加索引时参照建上面索引的十大原则
7.观察结果，不符合预期继续从第一步开始分析
查询案例分析
下面几个例子详细解释了如何分析和优化慢查询。
复杂查询条件的分析
一般来说我们编写SQL的方式是为了 是实现功能，在实现功能的基础上保证MySQL的执行效率也是非常重要的，这要求我们对MySQL的执行计划和索引规则有非常清晰的理解，分析下面的案例：
1 mysql> select a.*,b.depname,b.memo from emp a left join 2 dep b on a.depno = b.depno where sal>100 and a.empname like 'ab%' and a.depno=106 order by a.hiredate desc ; 3 +---------+---------+---------+---------+-----+---------------------+------+------+-------+------------+----------+ 4 | id | empno | empname | job | mgr | hiredate | sal | comn | depno | depname | memo | 5 +---------+---------+---------+---------+-----+---------------------+------+------+-------+------------+----------+ 6 | 4976754 | 4976754 | ABijwE | SALEMAN | 1 | 2021-01-23 16:46:24 | 2000 | 400 | 106 | kDpNWugzcQ | TYlrVEkm | 7 ...... 8 +---------+---------+---------+---------+-----+---------------------+------+------+-------+------------+----------+ 9 744 rows in set (4.958 sec)
总共就查询了744条数据，却耗费了4.958的时间，我们看一下目前表中现存的索引以及索引使用的情况分析
1 mysql> show index from emp; 2 +-------+------------+---------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 3 | Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | 4 +-------+------------+---------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 5 | emp | 0 | PRIMARY | 1 | id | A | 4952492 | NULL | NULL | | BTREE | | | 6 | emp | 1 | idx_emo_depno | 1 | depno | A | 18 | NULL | NULL | | BTREE | | | 7 +-------+------------+---------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 8 2 rows in set 9 10 mysql> explain select a.*,b.depname,b.memo from emp a left join 11 dep b on a.depno = b.depno where sal>100 and a.empname like 'ab%' and a.depno=106 order by a.hiredate desc ; 12 +----+-------------+-------+------+---------------+---------------+---------+-------+--------+-----------------------------+ 13 | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | 14 +----+-------------+-------+------+---------------+---------------+---------+-------+--------+-----------------------------+ 15 | 1 | SIMPLE | a | ref | idx_emo_depno | idx_emo_depno | 3 | const | 974898 | Using where; Using filesort | 16 | 1 | SIMPLE | b | ref | idx_dep_depno | idx_dep_depno | 3 | const | 1 | NULL | 17 +----+-------------+-------+------+---------------+---------------+---------+-------+--------+-----------------------------+ 18 2 rows in set
可以看出，目前在emp表上除了主键只存在一个索引 idx_emo_depno ，作用在部门编号字段上，该索引的目标是过滤出具体部门编号下的数据。
通过explain 分析器可以看到 where条件后面是走了 idx_emo_depno 索引，但是也比较了 97W的数据，说明该字段的区分度并不高，根据高区分度优先原则，我们对这个表的三个查询字段分别进行区分度计算。
1 mysql> select count(distinct empname)/count(*),count(distinct depno)/count(*),count(distinct sal)/count(*) from emp; 2 +----------------------------------+--------------------------------+------------------------------+ 3 | count(distinct empname)/count(*) | count(distinct depno)/count(*) | count(distinct sal)/count(*) | 4 +----------------------------------+--------------------------------+------------------------------+ 5 | 0.1713 | 0.0000 | 0.0000 | 6 +----------------------------------+--------------------------------+------------------------------+ 7 1 row in set
这是计算结果，empname的区分度最高，所以合理上是可以建立一个包含这三个字段的联合索引，顺序如下：empname、depno、sal；
并且查询条件重新调整了顺序，符合最左匹配原则；另一方面根据应需而取的策略，把b.memo字段去掉了。
1 mysql> select a.*,b.depname from emp a left join 2 dep b on a.depno = b.depno where a.empname like 'ab%' and a.depno=106 and a.sal>100 order by a.hiredate desc ; 3 +---------+---------+---------+---------+-----+---------------------+------+------+-------+------------+ 4 | id | empno | empname | job | mgr | hiredate | sal | comn | depno | depname | 5 +---------+---------+---------+---------+-----+---------------------+------+------+-------+------------+ 6 | 4976754 | 4976754 | ABijwE | SALEMAN | 1 | 2021-01-23 16:46:24 | 2000 | 400 | 106 | kDpNWugzcQ | 7 ...... 8 +---------+---------+---------+---------+-----+---------------------+------+------+-------+------------+ 9 744 rows in set (0.006 sec)
这边还有一个问题，那就是联合索引根据最左匹配原则：必须按照从左到右的顺序匹配，MySQL会一直向右匹配索引直到遇到范围查询(>、<、between、like)然后停止匹配。
所以语句中 执行到a.empname 字段，因为使用了like，后面就不再走索引了。在这个场景中， 独立的empname字段上的索引和这个联合索引效率是差不多的。
另外排序字段hiredate也可以考虑到覆盖到索引中，会相应的提高效率。
无效索引的分析
有一个需求，使用到了用户表 userinfo 和消费明细表 salinvest ，目的想把2020年每个用户在四个品类等级（A1、A2、A3、A4）上的消费额度进行统计，所以便下了如下的脚本：
1 select (@rowNO := @rowNo+1) AS id,bdata.* from 2 ( 3 select distinct a.usercode,a.username, 4 @A1:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A1' 5 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A1, 6 @A2:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A2' 7 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A2, 8 @A3:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A3' 9 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A3, 10 @A4:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A4' 11 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A4, 12 ,(@A1+@A2+@A3+@A4) as allnum 13 from userinfo a 14 inner JOIN `salinvest` b on a.usercode = b.usercode 15 where b.logdate between '2020-01-01' and '2020-12-31' 16 order by allnum desc 17 ) as bdata,(SELECT @rowNO:=0) b;
这个查询看起来貌似没什么问题 ，虽然用到了复合查询、子查询，但是如果索引做的正确，也不会有什么问题。那我们来看看索引，有一个联合索引，符合我们最左匹配原则和高区分度优先原则：
1 mysql> show index from salinvest; 2 +------------+------------+------------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 3 | Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | 4 +------------+------------+------------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 5 | lnuminvest | 0 | PRIMARY | 1 | autocode | A | 5 | NULL | NULL | | BTREE | | | 6 | lnuminvest | 1 | idx_salinvest_complex | 1 | usercode | A | 2 | NULL | NULL | YES | BTREE | | | 7 | lnuminvest | 1 | idx_salinvest_complex | 2 | gravalue | A | 2 | NULL | NULL | YES | BTREE | | | 8 | lnuminvest | 1 | idx_salinvest_complex | 3 | logdate | A | 2 | NULL | NULL | YES | BTREE | | | 9 +------------+------------+------------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 10 4 rows in set
那我们来看看它的执行效率：
mysql> select (@rowNO := @rowNo+1) AS id,bdata.* from ( select (@rowNO := @rowNo+1) AS id,bdata.* from ( select distinct a.usercode,a.username, @A1:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A1' and c.logdate between '2020-01-01' and '2020-12-31'),0) as A1, @A2:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A2' and c.logdate between '2020-01-01' and '2020-12-31'),0) as A2, @A3:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A3' and c.logdate between '2020-01-01' and '2020-12-31'),0) as A3, @A4:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A4' and c.logdate between '2020-01-01' and '2020-12-31'),0) as A4, ,(@A1+@A2+@A3+@A4) as allnum from userinfo a inner JOIN `salinvest` b on a.usercode = b.usercode where b.logdate between '2020-01-01' and '2020-12-31' order by allnum desc ) as bdata,(SELECT @rowNO:=0) b; +----+------------+---------+------+------+------+------+------+--------+ | id | usercode | username | A1 | A2 | A3 | A4 |allnum +----+------------+---------+------+------+------+------+------+--------+ | 1 | 063105015 | brand | 789.00 | 1074.50 | 998.00 | 850.00 | ...... +----+------------+---------+------+------+------+------+------+--------+ 6217 rows in set (12.745 sec)
我这边省略了查询结果，实际上结果输出6000多条数据，在约50W的数据中进行统计与合并，输出6000多条数据，花费了将近13秒，这明显是不合理的。
我们来分析下是什么原因：
1 mysql> explain select (@rowNO := @rowNo+1) AS id,bdata.* from 2 ( 3 select distinct a.usercode,a.username, 4 @A1:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A1' 5 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A1, 6 @A2:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A2' 7 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A2, 8 @A3:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A3' 9 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A3, 10 @A4:=IFNULL((select sum(c.ltimenum) from `salinvest` c where c.usercode=a.usercode AND c.gravalue='A4' 11 and c.logdate between '2020-01-01' and '2020-12-31'),0) as A4, 12 ,(@A1+@A2+@A3+@A4) as allnum 13 from userinfo a 14 inner JOIN `salinvest` b on a.usercode = b.usercode 15 where b.logdate between '2020-01-01' and '2020-12-31' 16 order by allnum desc 17 ) as bdata,(SELECT @rowNO:=0) b; 18 +----+--------------------+------------+------------+--------+------------------------+------------------------+---------+-----------------------+------+----------+-----------------------------------------------------------+ 19 | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | 20 +----+--------------------+------------+------------+--------+------------------------+------------------------+---------+-----------------------+------+----------+-----------------------------------------------------------+ 21 | 1 | PRIMARY | <derived8> | NULL | system | NULL | NULL | NULL | NULL | 1 | 100 | NULL | 22 | 1 | PRIMARY | <derived2> | NULL | ALL | NULL | NULL | NULL | NULL | 2 | 100 | NULL | 23 | 8 | DERIVED | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | No tables used | 24 | 2 | DERIVED | b | NULL | index | idx_salinvest_complex | idx_salinvest_complex | 170 | NULL | 5 | 20 | Using where; Using index; Using temporary; Using filesort | 25 | 7 | DEPENDENT SUBQUERY | c | NULL | ALL | idx_salinvest_complex | NULL | NULL | NULL | 5 | 20 | Using where | 26 | 6 | DEPENDENT SUBQUERY | c | NULL | ALL | idx_salinvest_complex | NULL | NULL | NULL | 5 | 20 | Using where | 27 | 5 | DEPENDENT SUBQUERY | c | NULL | ALL | idx_salinvest_complex | NULL | NULL | NULL | 5 | 20 | Using where | 28 | 4 | DEPENDENT SUBQUERY | c | NULL | ALL | idx_salinvest_complex | NULL | NULL | NULL | 5 | 20 | Using where | 29 +----+--------------------+------------+------------+--------+------------------------+------------------------+---------+-----------------------+------+----------+-----------------------------------------------------------+ 30 9 rows in set
看最后四条数据，看他的possible_key和 实际的key，预估是走 idx_salinvest_complex 索引，实际是走了空索引，这个是为什么呢？ 看前面的select_type 字段，值是 DEPENDENT SUBQUERY，了然了。
官方对 DEPENDENT SUBQUERY 的说明：子查询中的第一个SELECT， 取决于外面的查询 。
什么意思呢？它意味着两步：
第一步，MySQL 根据 select distinct a.usercode,a.username 得到一个大结果集 t1，这就是我们上图提示的6000用户。
第二步，上面的大结果集 t1 中的每一条记录，等同于与子查询 SQL 组成新的查询语句： select sum(c.ltimenum) from `salinvest` c where c.usercode in (select distinct a.usercode from userinfo a) 。
也就是说， 每个子查询要比较6000次，几十万的数据啊……即使这两步骤查询都用到了索引，但还是会很慢。
这种情况下， 子查询的执行效率受制于外层查询的记录数，还不如拆成两个独立查询顺序执行呢。
这种慢查询的解决办法，网上有很多方案，最常用的办法是用联合查询代替子查询，可以自己去查一下。
总结
上面给出了两种典型的问题，一种是没有使用索引使用原则进行索引构建，一种是遇到坑导致索引无效。我们在实际的应用中遇到过很多问题。比如：
1、不多的数据结果集，但是涉及到超多个表join的低效脚本。
2、无效的联表查询，就是其中一张联表没有任何使用，但是数据基数极大。（这也可能是某个时候业务变更导致的sql脚本忘了调整）。
3、varchar类型字段等值比较没有写单引号，巨量基数笛卡尔积查询直接把从库搞死，在索引字段上做计算导致索引失效的。
所有的这些案例都只是一些经验积累，只有熟悉查询优化器、索引的内部原理，了解索引优化的策略，才能定位这些问题的原因并加以解决。
