数据库--索引

Posted 2020-10-26 2009_boy

一、索引介绍

　　一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，遇到最多最容易出问题的还是一些复杂的查询操作，因此对查询语句的优化显然是重中之重。

　　索引相当于书的目录，可以帮助用户快速的找到需要的内容

　　在mysql中也叫做键，是存储引擎用于快速找到记录的一种数据结构。能够大大提高查询效率。特别是当数据量非常大，查询涉及多个表时，使用索引往往能使查询速度加快成千上万倍。

　　总结：

　　　　索引的目的在于提高查询效率，与我们查阅图书所用的目录是一个道理：先定位到章，然后定位到该章下的一个小节，然后找到页数。本质都是通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。

二、索引方法

　　1.BTREE 索引

　　一种将索引值按一定的算法，存入一个树形的数据结构中

　　系统从磁盘读取数据到内存时是以磁盘块（block）为基本单位的，位于同一磁盘块中的数据会被一次性读取出来，而不是按需读取。InnoDB 存储引擎使用页作为数据读取单位，页是其磁盘管理的最小单位，默认 page 大小是 16kB。

　　如上图，是一颗b+树，关于b+树的定义可以参见B+树，这里只说一些重点，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针P1、P2、P3，P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

　　b+树的查找过程

　　如图所示，如果要查找数据项29，那么首先会把磁盘块1由磁盘加载到内存，此时发生一次IO，在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，内存时间因为非常短（相比磁盘的IO）可以忽略不计，通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存，发生第二次IO，29在26和30之间，锁定磁盘块3的P2指针，通过指针加载磁盘块8到内存，发生第三次IO，同时内存中做二分查找找到29，结束查询，总计三次IO。真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高。

 　　强烈注意: 索引字段要尽量的小,磁盘块可以存储更多的索引.

 　　2.HASH 索引

hash就是一种（key=>value）形式的键值对,允许多个key对应相同的value，但不允许一个key对应多个value,为某一列或几列建立hash索引，就会利用这一列或几列的值通过一定的算法计算出一个hash值，对应一行或几行数据.   hash索引可以一次定位，不需要像树形索引那样逐层查找,因此具有极高的效率.

 

假设索引使用hash函数f( )，如下：

1 2 3 4

f(\'Arjen\') = 2323 f(\'Baron\') = 7437 f(\'Peter\') = 8784 f(\'Vadim\') = 2458

此时，索引的结构大概如下：

　　

 3.HASH与BTREE比较:

hash类型的索引：查询单条快，范围查询慢
btree类型的索引：b+树，层数越多，数据量越大,范围查询和随机查询快（innodb默认索引类型）

不同的存储引擎支持的索引类型也不一样
InnoDB 支持事务，支持行级别锁定，支持 Btree、Hash 等索引，不支持Full-text 索引；
MyISAM 不支持事务，支持表级别锁定，支持 Btree、Full-text 等索引，不支持 Hash 索引；
Memory 不支持事务，支持表级别锁定，支持 Btree、Hash 等索引，不支持 Full-text 索引；
NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 Btree、Full-text 等索引；
Archive 不支持事务，支持表级别锁定，不支持 Btree、Hash、Full-text 等索引；

三、索引类型

　　索引分为：普通索引、唯一索引、主键索引、组合索引

　　1.普通索引： 普通索引仅有一个功能：加速查询

创建表+索引
#创建表同时添加name字段为普通索引
create table tb1(
   id int not null auto_increment primary key,
   name varchar(100) not null,
   index idx_name(name)  
);

创建索引
#单独为表指定普通索引
create index idx_name on tb1(name);

删除索引
drop index idx_name on tb1;

查看索引
1、Table 表的名称。

2、 Non_unique 如果索引为唯一索引,则为0,如果可以则为1。

3、 Key_name 索引的名称

4、 Seq_in_index 索引中的列序列号，从1开始。

5、 Column_name 列名称。

6、 Collation 列以什么方式存储在索引中。在MySQL中，有值‘A’（升序）或NULL（无分类）。

7、Cardinality 索引中唯一值的数目的估计值。

8、Sub_part 如果列只是被部分地编入索引，则为被编入索引的字符的数目。如果整列被编入索引，则为NULL。

9、 Packed 指示关键字如何被压缩。如果没有被压缩，则为NULL。

10、 Null 如果列含有NULL，则含有YES。如果没有，则该列含有NO。

11、 Index_type 用过的索引方法（BTREE, FULLTEXT, HASH, RTREE）。

12、 Comment 多种评注

　　2.唯一索引：唯一索引有两个功能   加速查询和唯一约束（可含一个null值）

创建表+唯一索引
create table tb2(
  id int not null auto_increment primary key,
  name varchar(50) not null,
  age int not null,
  unique index idx_age (age)   
)

创建索引
create unique index idx_age on tb2(age);

　　3.主键索引：

　　　　主键索引有两个功能：加速查询和唯 一约束（不可含null）

　　　　一个表中最多只能有一个主键索引

创建表+创建主键
#方式一:
create table tb3(
   id int not null auto_increment primary key,
   name varchar(50) not null,
   age int default 0 
);

#方式二:
create table tb3(
   id int not null auto_increment,
   name varchar(50) not null,
   age int default 0 ,
   primary key(id)
);

创建主键
alter table tb3 add primary key(id);

删除主键
#方式一
alter table tb3 drop primary key;

#方式二:
#如果当前主键为自增主键,则不能直接删除.需要先修改自增属性,再删除
alter table tb3 modify id int ,drop primary key;

　　4.组合索引

　　组合索引是将n个列组合成一个索引

　　其应用场景为：频繁的同时使用n列来进行查询，如：where  n1  =  \'alex\'  and  n2  =  666

创建表+组合索引
create table tb4(
  id int not null ,
  name varchar(50) not null,
  age int not null,
  index idx_name_age (name,age)   
)

创建组合索引
create index idx_name_age on tb4(name,age);

举个例子来说，比如你在为某商场做一个会员卡的系统。

这个系统有一个会员表
有下列字段：
会员编号 INT
会员姓名 VARCHAR(10)
会员身份证号码 VARCHAR(18)
会员电话 VARCHAR(10)
会员住址 VARCHAR(50)
会员备注信息 TEXT

那么这个 会员编号，作为主键，使用 PRIMARY
会员姓名 如果要建索引的话，那么就是普通的 INDEX
会员身份证号码 如果要建索引的话，那么可以选择 UNIQUE （唯一的，不允许重复）

索引应用场景

四、聚合索引和辅助索引

　　数据库中的B+树索引可以分为聚集索引和辅助索引

　　聚集索引：InnoDB表 索引组织表，即表中数据按主键B+树存放，叶子节点直接存放整条数据，每张表只能有一个聚集索引。

　　1.当你定义一个主键时，Innodb存储引擎则把它当做聚集索引

　　2.如果你没有定义一个主键，则InnoDB定位到第一个唯一索引，且该索引的所有列值均飞空的，则将其当做聚集索引。

　　3.如果表没有主键或合适的唯一索引InnoDB会产生一个隐藏的行ID值6字节的行ID聚集索引。

　　补充：由于实际的数据页只能按照一颗B+树进行排序，因此每张表只能有一个聚集索引，聚集索引对于主键的排序和范围查找非常有利。

　　辅助索引（也称非聚集索引）：是指叶节点不包含行的全部数据，叶节点除了包含键值之外，还包含一个书签连接，通过该书签再去找相应的行数据。下图显示了InnoDB存储引擎辅助索引和聚集索引的关系。

 

从上图中可以看出，辅助索引叶节点存放的是主键值，获得主键值后，再从聚集索引中查找整行数据。举个例子，如果在一颗高度为3的辅助索引中查找数据，首先从辅助索引中获得主键值（3次IO），接着从高度为3的聚集索引中查找以获得整行数据（3次IO），总共需6次IO。一个表上可以存在多个辅助索引。

 　　例子: 同学如果想去图书馆找一本书，而不知道这本书在哪里？那么这个同学首先应该找的就是 检索室吧。对于要查找一本书来说，在检索室查是一个非常快捷的的途径了吧。但是，在检索室中你查到了该书在XX室XX书架的信息。你的查询结束了吗？没有吧。你仅仅找到了目的书的位置信息，你还要去该位置去取书。

　　对于这种方式来说，你需要两个步骤： 
　　1、查询该记录所在的位置。 
　　2、通过该位置去取要找的记录。

总结二者区别:

　　相同的是：不管是聚集索引还是辅助索引，其内部都是B+树的形式，即高度是平衡的，叶子结点存放着所有的数据。

　　不同的是：聚集索引叶子结点存放的是一整行的信息,而辅助索引叶子结点存放的是单个索引列信息.

何时使用聚集索引或非聚集索引

下面的表总结了何时使用聚集索引或非聚集索引（很重要）：

 

动作描述	使用聚集索引	使用非聚集索引
列经常被分组排序	应	应
返回某范围内的数据	应	不应
一个或极少不同值	不应	不应
频繁更新的列	不应	应
外键列	应	应
主键列	应	应
频繁修改索引列	不应	应

　　

 五、测试索引

　　1.创建数据

创建表

注意：MYISAM存储引擎不产生引擎事务，数据插入速度极快，为方便快速插入数据，插完数据再修改为InnoDB

　　2.创建存储过程，插入数据

-- 2.创建存储过程
delimiter$$
CREATE PROCEDURE insert_user_info(IN num INT)
BEGIN
    DECLARE val INT DEFAULT 0;
    DECLARE n INT DEFAULT 1;
    -- 循环进行数据插入
    WHILE n <= num DO
        set val = rand()*50;
        INSERT INTO userInfo(id,name,age,sex,email)values(n,concat(\'alex\',val),rand()*50,if(val%2=0,\'女\',\'男\'),concat(\'alex\',n,\'@qq.com\'));
        set n=n+1;
    end while;
END $$
delimiter;

创建存储过程

　　3.调用存储过程插入500万条数据

　　call insert_user_info(5000000);

　　4.修改引擎为InnoDB

　　ALTER TABLE userinfo ENGINE=INNODB;

　　5.测试索引

　　　　1.在没有索引的前提下测试查询速度：

　　　　SELECT * FROM userinfo WHERE id = 4567890;

注意:无索引情况,mysql根本就不知道id等于4567890的记录在哪里，只能把数据表从头到尾扫描一遍，此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢.　　　　
　　　　2.在表中已经存在大量数据的前提下，为某个字段段建立索引，建立速度会很慢　　

　　　　CREATE INDEX idx_id on userinfo(id);　　　　

　　　　3..在索引建立完毕后，以该字段为查询条件时，查询速度提升明显　　　　

　　　　select * from userinfo where id  = 4567890;

 　　注意：

　　　　1.mysql先去索引表里根据b+树的搜索原理很快搜索到id为4567890的数据，IO大大降低，因而速度明显提升

　　　　2.我们可以去mysql的data目录下找到该表，可以看到添加索引后该表占用的硬盘空间多了

　　　　3.如果使用没有添加索引的字段进行条件查询速度依旧会很慢

六、正确使用索引

　　数据库表中添加索引后确实会让查询速度起飞，但前提必须是正确的使用索引来查，如果以错误的方式使用，则即使建立索引也不会奏效。

#1. 范围查询(>、>=、<、<=、!= 、between...and)
    #1. = 等号
    select count(*) from userinfo where id = 1000 -- 执行索引,索引效率高
    
    #2. > >= < <= between...and 区间查询
    select count(*) from userinfo where id <100; -- 执行索引,区间范围越小,索引效率越高
    
    select count(*) from userinfo where id >100; -- 执行索引,区间范围越大,索引效率越低
    
    select count(*) from userinfo where id between 10 and 500000; -- 执行索引,区间范围越大,索引效率越低
    
   #3. != 不等于
   select count(*) from userinfo where id != 1000;  -- 索引范围大,索引效率低
   
   
#2.like \'%xx%\'
    #为 name 字段添加索引
    create index idx_name on userinfo(name);
    
    select count(*) from userinfo where name like \'%xxxx%\'; -- 全模糊查询,索引效率低
    select count(*) from userinfo where name like \'%xxxx\';   -- 以什么结尾模糊查询,索引效率低
  
    #例外: 当like使用以什么开头会索引使用率高
    select * from userinfo where name like \'xxxx%\'; 

#3. or 
    select count(*) from userinfo where id = 12334 or email =\'xxxx\'; -- email不是索引字段,索引此查询全表扫描
    
    #例外：当or条件中有未建立索引的列才失效，以下会走索引
    select count(*) from userinfo where id = 12334 or name = \'alex3\'; -- id 和 name 都为索引字段时, or条件也会执行索引

#4.使用函数
    select count(*) from userinfo where reverse(name) = \'5xela\'; -- name索引字段,使用函数时,索引失效
    
    #例外:索引字段对应的值可以使用函数,我们可以改为一下形式
    select count(*) from userinfo where name = reverse(\'5xela\');

#5.类型不一致
    #如果列是字符串类型，传入条件是必须用引号引起来，不然...
    select count(*) from userinfo where name = 454;
        
    #类型一致
    select count(*) from userinfo where name = \'454\';

#6.order by
    #排序条件为索引，则select字段必须也是索引字段，否则无法命中  
    select email from userinfo ORDER BY name DESC; -- 无法命中索引

    select name from userinfo ORDER BY name DESC;  -- 命中索引
        
    #特别的:如果对主键排序，则还是速度很快：
    select id from userinfo order by id desc;

七、组合索引

　　组合索引：是指对表上的多个列组合起来做一个索引。

　　组合索引好处：简单的说有两个主要原因：

• "一个顶三个"。建了一个(a,b,c)的组合索引，那么实际等于建了(a),(a,b),(a,b,c)三个索引，因为每多一个索引，都会增加写操作的开销和磁盘空间的开销。对于大量数据的表，这可是不小的开销！

• 索引列越多，通过索引筛选出的数据越少。有1000W条数据的表，有如下sql:select * from table where a = 1 and b =2 and c = 3,假设假设每个条件可以筛选出10%的数据，如果只有单值索引，那么通过该索引能筛选出1000W*10%=100w 条数据，然后再回表从100w条数据中找到符合b=2 and c= 3的数据，然后再排序，再分页；如果是组合索引，通过索引筛选出1000w *10% *10% *10%=1w，然后再排序、分页，哪个更高效，一眼便知 

　　最左匹配原则: 从左往右依次使用生效，如果中间某个索引没有使用，那么断点前面的索引部分起作用，断点后面的索引没有起作用；

select * from mytable where a=3 and b=5 and c=4;
　  #abc三个索引都在where条件里面用到了，而且都发挥了作用

select * from mytable where  c=4 and b=6 and a=3;
　　#这条语句列出来只想说明 mysql没有那么笨，where里面的条件顺序在查询之前会被mysql自动优化，效果跟上一句一样

select * from mytable where a=3 and c=7;
　　#a用到索引，b没有用，所以c是没有用到索引效果的

select * from mytable where a=3 and b>7 and c=3;
　　#a用到了，b也用到了，c没有用到，这个地方b是范围值，也算断点，只不过自身用到了索引

select * from mytable where b=3 and c=4;
　　#因为a索引没有使用，所以这里 bc都没有用上索引效果

select * from mytable where a>4 and b=7 and c=9;
　　#a用到了  b没有使用，c没有使用

select * from mytable where a=3 order by b;
　　#a用到了索引，b在结果排序中也用到了索引的效果

select * from mytable where a=3 order by c;
　　#a用到了索引，但是这个地方c没有发挥排序效果，因为中间断点了

select * from mytable where b=3 order by a;
　　#b没有用到索引，排序中a也没有发挥索引效果

八、注意事项

　　1. 避免使用select *

　　2. 其他数据库中使用count(1)或count(列) 代替 count(*),而mysql数据库中count(*)经过优化后,效率与前两种基本一样.

　　3. 创建表时尽量时 char 代替 varchar

　　4. 表的字段顺序固定长度的字段优先

　　5. 组合索引代替多个单列索引（经常使用多个条件查询时）

　　6. 使用连接（JOIN）来代替子查询(Sub-Queries)

　　7. 不要有超过4个以上的表连接（JOIN）

　　8. 优先执行那些能够大量减少结果的连接。

　　9. 连表时注意条件类型需一致

　　10.索引散列值不适合建索引，例：性别不适合

九、查询计划

　　explain + 查询SQL - 用于显示SQL执行信息参数，根据参考信息可以进行SQL优化

　　explain  select count(*) from userinfo where  id = 1;

执行计划：让mysql预估执行操作(一般正确)
　　type : 查询计划的连接类型, 有多个参数，先从最佳类型到最差类型介绍

　　性能： null > system/const > eq_ref > ref > ref_or_null > index_merge >  range > index >  all 

    慢：
        explain select * from userinfo where email=\'alex\';
        type: ALL(全表扫描)
        特别的: select * from userinfo limit 1;
    快：
        explain select * from userinfo where name=\'alex\';
        type: ref(走索引)

EXPLAIN 参数详解: http://www.cnblogs.com/wangfengming/articles/8275448.html

十、慢日志查询

　　慢查询日志：将mysql服务器中影响数据库性能的相关SQL语句的记录到日志文件，通过对这些特殊的SQL语句分析，改进以达到提高数据库性能的目的。

　　慢查询日志参数：

long_query_time     ：  设定慢查询的阀值，超出设定值的SQL即被记录到慢查询日志，缺省值为10s
slow_query_log      ：  指定是否开启慢查询日志
log_slow_queries    ：  指定是否开启慢查询日志(该参数已经被slow_query_log取代，做兼容性保留)
slow_query_log_file ：  指定慢日志文件存放位置，可以为空，系统会给一个缺省的文件host_name-slow.log
log_queries_not_using_indexes: 如果值设置为ON，则会记录所有没有利用索引的查询.

　　查看MySQL慢日志信息：

#.查询慢日志配置信息 :
show variables like \'%query%\';
#.修改配置信息
set global slow_query_log  = on;

　　查看不使用索引参数状态：

# 显示参数　　
show variables like \'%log_queries_not_using_indexes\';
# 开启状态
set global log_queries_not_using_indexes  = on;

　　查看慢日志显示的方式：

#查看慢日志记录的方式
show variables like \'%log_output%\';
 
#设置慢日志在文件和表中同时记录
set global log_output=\'FILE,TABLE\';

　　测试慢查询日志：

#查询时间超过10秒就会记录到慢查询日志中
select sleep(3) FROM user ;
 
#查看表中的日志
select * from mysql.slow_log;

十一、大数据量分页优化

　　执行此代码：select  *  from  tb1  limit  3000000,10;

　　优化方案：

　　1.简单粗暴，就是不允许查看这么靠后的数据，比如百度这样

　　最多翻到72页就不让你翻了，这种方式就是从业务上解决;

　　2.在查询下一页时把上一页的行id作为参数传递给客户端程序，然后SQL就改成了

　　　　select  *  from  tb1 where  id > 3000000  limit  10;

　　　　这条语句执行也是在毫秒级完成的，id>300万其实就是让mysql 直接跳到这里了，不用依次在扫描全面所有的行

　　　　如果你的table的主键id是自增的，并且中间没有删除和断点，那么还有一种方式，比如100页的10条数据

　　　　select  *  from  tb1  where  id>100*10  limit  10;

　　3.最后第三种方法：延迟关联

　　　　分析一下这条语句为什么慢，慢在哪里。

　　　　select  *  from  tb1  limit  3000000,10;

　　　　玄机就处在这个*里面，这个表除了id主键肯定还有其他字段  比如name  age  之类的，因为select  *所以mysql在沿着id主键走的时候要回行拿数据，走一下拿一下数据：

　　　　改成：select  id  from tb1  limit  3000000,10;

　　　　你会发现时间缩短了一半,然后我们在拿id分别去取10条数据就行了。

　　　　改成：select  table.*  from  tb1  inner  join (select  id from  tb1  limit  300000,10)as tmp  on tmp.id = table.id;

这三种方法最先考虑第一种 其次第二种，第三种是别无选择