其实 MySQL 中的 like 关键字也能用索引

Posted 2022-02-10 _江南一点雨

上篇文章中，松哥和大家分享了索引的两个使用规则：

1. 索引上不要使用函数运算。
2. 使用覆盖索引避免回表。

当然，凡事有个度，用哪一种策略也要结合具体的项目来定，不能为了 SQL 优化而抛弃了业务。

今天，松哥在前文的基础上，再来和大家分享一条索引规则，一起来学习下。

我们常说，mysql 中的 like 要慎用，因为会全表扫描，这是一件可怕的事！不过呢，也看情况，有的 like 其实也能用索引：有的时候 like 用索引效率很高，有的时候 like 虽然用了索引效率却低的可怕。

我们一起来分析下。

1. 最左匹配原则

我还是举个例子吧，假设我有如下一张表：

CREATE TABLE `user` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `username` varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
  `birthday` date DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `address` varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `username` (`username`,`age`)
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

username 和 age 组成了复合索引，复合索引名为 username，下文提到的 username 索引都是指该复合索引。

根据上篇文章（是时候检查一下使用索引的姿势是否正确了！）的讲解，我们知道，对于如下 SQL：

select username,age from user2 where username='javaboy' and age=99;

这个 SQL 在查询的过程中，会用到覆盖索引，避免回表，提高查询效率。

那么现在问题来了，如果我单纯的只是想通过 username 字段查询用户呢，是否需要为 username 字段单独建立一个索引？

我们来看如下一条 SQL：

select username,age from user2 where username='javaboy';

由于我的表中没有为 username 字段建立的索引，那么它会不会使用已有的复合索引呢？我们来看下执行计划：

可以看到，这里其实用到了 username 复合索引，通过 Extra 字段的值还能看到使用到了覆盖索引。

为啥会这样呢？在 B+Tree 这种索引结构中，可以利用索引的“最左匹配”来定位记录。最左匹配既可以是匹配复合索引中的前几个字段，也可以是匹配第一个字段的前几个字符，在上面的案例中，我们匹配的是复合索引中的第一个字段。

当然我们也可以匹配第一个字段的前几个字符，如下：

select username,age from user2 where username like 'j%';

执行计划如下：

从这执行计划中首先可以确认这个查询也用到了 username 复合索引。

不过这里的查询计划和前面的不太一样，两条 SQL 的区别在于一个是等于号一个是模糊匹配，查询计划的主要区别在于 type 和 Extra：

1. 前面的 type 为 ref 表示通过索引查找数据，一般出现等值匹配的时候，type 会为 ref；后面这个 type 为 range 表示这是一个索引的范围扫描（因为是模糊匹配，而模糊匹配可以形成扫描区间）。
2. 前面的 ref 为 const 表示与索引列进行等值匹配的是一个常量。
3. 前面的 Extra 为 Using index 表示使用到了覆盖索引；后面的 Extra 为 Using where;Using index，表示用到了索引，但是还需要进行过滤。

对于第一点中加粗的字体，我再来和大家多说两句。为什么说模糊匹配就能形成扫描区间呢？因为我们是按照 username 和 age 建立的复合索引，username 在前 age 在后，具体存的时候，是按照 username 排序存储，如果 username 相同，则按照 age 排序存储，结构类似下面这样：

username	age
a	88
b	89
c	89
c	90
c	99
d	88
d	99

所以当想要搜索以 j 开头的 username 时，只需要定位到第一个以 j 开头的 username，然后利用 B+Tree 叶子结点之间的双向链表继续向后读取，读到第一个不是以 j 开头的 username 时截止，这就是扫描区间。

大家看到了，在上面的执行计划中，like 'j%' 其实也用到了索引，那么如果是 like '%j' 或者 like '%j%' 会用到索引吗？我们来看一个例子：

咦！看执行计划似乎也用上索引了！难道只要字段上有索引，like 就能用索引？

当然不是！

大家来看松哥下面这个辅助案例，看懂了就明白了。

2. 辅助案例

为了让大家更好的理解上面所说的最左匹配，松哥再来举一个例子。

还是上面的表和数据结构，但是现在假如我想按照 age 来做查询，SQL 如下：

select username from user2 where age=99;
select username from user2 where age>99;

我举了两个查询的例子，大家一起来看下这两条 SQL 的执行计划，其实没啥差异：

这个查询计划我们该如何解释呢？其实这两个查询计划没啥区别，我就解释一个吧。

首先大家想一下，username 和 age 建立的是复合索引，username 在前 age 在后，具体在 B+Tree 中存储的时候，首先是按照 username 排序的，当 username 相同的时候，再按照 age 来排序，所以这个复合索引最终存储的结果就是，username 是有序的，而 age 是无序的，再来回顾下这个表格：

username	age
a	88
b	89
c	89
c	90
c	99
d	88
d	99

username 是有序的，而 age 是无序的。

理解了这个，我们再来看这个执行计划就好懂了。

当我们按照 age 去搜索的时候，因为 age 在 username 索引中是无序的，所以只能遍历 username 索引，而执行计划中的 type 为 index，恰恰就表示需要扫描全部的索引记录。以第一条查询 SQL 为例，扫描全部的索引记录，然后过滤出 age 等于 99 的记录（过滤这一步是在 server 层完成的），rows 表示预估的扫描行数，从最后的 Extra 的 Using where;Using index 也能看出这一点，即用到了索引，但是也对数据进行了过滤。

回顾第一小节的最后 like '%j' 和 like '%j%' 的执行计划，不就是上面这个吗！

在前面这两条 SQL 中，因为我们查询的 username 字段已经存在于 username 索引中了，所以可以通过覆盖索引机制直接从索引中获取想要的数据并返回，不需要回表操作了。

• 如果大家不懂覆盖索引戳这里：是时候检查一下使用索引的姿势是否正确了！。
• 如果大家不懂回表戳这里：什么是 MySQL 的“回表”？。

但是如果我们查询的字段不仅仅是索引中的字段，例如如下 SQL：

select * from user2 where age=99;

查询的是所有字段，那么此时就没有必要使用索引了，为啥？且听松哥细细道来。

我们来个反证：假设现在还是使用 username 复合索引，那么就需要把 username 索引整个读一遍，然后过滤出满足条件的数据，由于索引中没有保存 address 字段的值，所以还需要回表操作，再去主键索引中找到对应的记录。。。这一路操作下来太麻烦了，光 B+Tree 都读了两棵（而且第一颗 B+Tree 还是遍历），那我们还不如直接遍历主键索引呢！主键索引里要啥有啥，遍历完了想要的数据都有了，遍历主键索引其实就是我们常说的全表扫描。

小伙伴们仔细琢磨下松哥上面这段话。

上面是我们的分析，接下来我们来看看执行计划：

可以看到，如我们所想。

type 为 All 就是我们所熟悉的全表扫描（其实就是遍历主键索引），rows 是预估扫描的行数。最后的 Extra 为 Using where 表示 MySQL 首先从数据表（存储引擎）中读取记录，返回给 MySQL 的 server 层，然后在 server 层过滤掉不满足条件的记录。

3. 小结

好啦，通过这样两个小案例，松哥和大家分享了 MySQL 索引中的最左匹配原则，也希望小伙伴们能够藉此理解索引的存储结构。