论索引的重要性

Posted 2023-03-08 格瑞趋势技术团队

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。