论索引的重要性
Posted 格瑞趋势技术团队
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论索引的重要性相关的知识,希望对你有一定的参考价值。
开篇小测验
下面这样一个小SQL 你该怎么样添加最优索引
两个表上现在只有聚集索引
bigproduct 表上已经有聚集索引 ProductID
bigtransactionhistory 表上已经有聚集索引 TransactionID
你是否一眼就能看出来呢?
答案将在文章中逐步揭晓~~~
简单粗暴的添加索引
首先我们看一下没有优化前的执行计划
clustered index scan 这其实就是表扫描,不是table scan 只是因为表上有聚集索引
可以看出这个查询俩表都使用了表扫描!
where 条件添加索引
首先大多数人都知道 where 条件中的字段需要添加索引! 我们添加一下看看效果创建
在 bigproduct 表上创建 name 列索引,在bigtransactionhistory表上创建TransactionDate 列索引。
再次执行语句看一下效果!
添加where索引以后可以看到以下几个现象
bigproduct 从原来的clustered index scan 变成 index seek
另外多出来个KEY Lookup(clustered)
bigproduct 上添加的索引起了作用,逻辑读bigproduct 由 601 变成10。
bigtransactionhistory 没啥变化啊还是clustered index scan
解释一下出现的现象 :首先一点bigproduct 边添加的where条件索引,起到了作用,执行的时候不是全表扫描了,逻辑读有明显的下降,出现的 KEY Lookup 是因为选择(select)的列,在索引中没有,而需要通过聚集索引再查找一次,再找一次也意味着多一部分开销!
那么同样添加了where 条件索引的bigtransactionhistory表为什么没起作用呢?那是因为SQL优化器在选择计划的时候认为,不使用TransactionDate 列索引查找效率会更好!
真的么?我们来验证一下,通过指定选择索引,来让优化器选择索引查找!
强制使用索引以后,可以看出逻辑读由 14W 变成1961W,语句时间也变得很长,这就是优化器为什么不选用你加的索引!优化器还是很智能的吧。
高能预警:优化器可不是什么时候都这么智能的...由于缓存计划或优化器抽风等原因,也会出现优化器用了这种索引,导致你的语句奇慢,读飙升直接影响到你的内存、磁盘、CPU资源!另外如果这样一条语句是系统中一条很频繁运行的语句,你的系统就挂了!没错就挂了!这就是开篇抛出的问题就是因为一条语句!
消灭Key Lookup 添加select 字段
这就是传说中的覆盖索引!
看到执行计划中存在Key Lookup 而且消耗占比很高,如上面强制索引的计划,那么我们就要想到的 在索引中包含那些SELECT 的列!如果消耗低,逻辑读少,如上面bigproduct 表中的Key Lookup 就可以忽略(如果你追求完美,也一样优化就可以了)。
包含列的图形化创建:@秋仙 特意给你的说明
语句创建就是:
下面我们添加一下看看效果:
添加select 索引字段后可以看出的现象:
优化器自己选择了index seek
bigtransactionhistory占比最高的Key Lookup消失了
逻辑读由原来无索引的14W变成1W
bigtransactionhistory表还提示缺少索引?
通过优化索引添加select 字段,我们看出语句又一次得到了提升bigtransactionhistory 从表扫描变成索引查找,逻辑读由14W变成 1W!这是一个质的飞跃啊!
CREATE NONCLUSTERED INDEXTransactionDate包含ProductID_QuantityON[dbo].[bigTransactionHistory] ([TransactionDate])------INCLUDE 就是包含列INCLUDE ([ProductID],[Quantity])GO
那为什么还提示缺少索引呢?创建一下试试吧!
索引再优化加入表关联列
按照提示我们创建索引:和上一个索引的不同 ProductID 列由包含列变成了索引列!
我们看一下效果:
再次优化索引以后可以看到以下几个现象
bigtransactionhistory表还是索引查找index seek
bigtransactionhistory依然没有了Key Lookup
两表关联的hash join 变成了nested loops
并行计划变成了串行
逻辑读又从1W 变成18
又一次质的飞跃!读从原来的14W 变成1W 又变成18,这样大大减少了内存和IO的消耗,另外并行计划也变成了串行,无疑又减少了大量CPU的消耗!语句时间,我想这里就不用多说了吧?
高能预警:这里所说的hash join,并行变串行,不懂的朋友可以在百度自行学习,这里只是针对当前语句的情况,不能一概而论!
精简你的索引
大家都知道,索引会导致update、insert、delete操作变慢!那么尽量精简你的索引就是一个很重要的话题了!
上面的优化过程中我们创建了几个索引,以bigTransactionHistory为例来看一下:
脚本这里就不贴了,其实我们最后创建的索引 ProductID_TransactionDate包含Quantity 已经包含了前两个索引,而且可以说无论任何类似语句都使用ProductID_TransactionDate包含Quantity 就可以了!
那么我们就可以清除前两个索引!
至此语句的优化算是结束了,留下的就是bigproduct 依然有一个Key Lookup可以优化,可以仿照上面的继续优化,这里就不细说了。
这就是索引的重要性!
开篇小测试你做对了么?如果没做对那么这么请你自行模拟一个场景再现本篇的话题吧!
总结
数据库整体缓慢往往都是因为索引问题导致的,不要小看一条语句的威力,一条高频的语句足可以让你的数据库彻底无法工作。
在和大量的运维人员交流的过程中发现,对于索引的重要性恰恰没有足够的重视,一提到优化就是修改SQL语句、读写分离、分布式数据库等舍近求远的方案,优化索引才是对数据库最高性价比的优化。
以上是关于论索引的重要性的主要内容,如果未能解决你的问题,请参考以下文章