MySQL索引原理及使用

快来打我* 2022-03-21 06:24 308阅读 0赞

# #

### 一 介绍 ###

**为何要有索引?**

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，在生产环境中，我们遇到最多的，也是最容易出问题的，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。说起加速查询，就不得不提到索引了。

**什么是索引？**

索引在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。索引对于良好的性能  
非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。  
索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。  
索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查。

40
            15               35          66
       6    11   19          21   39     55    100

### **二 索引的原理** ###

**一 索引原理**

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。相似的例子还有：查字典，查火车车次，飞机航班等

**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。**

数据库也是一样，但显然要复杂的多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段......这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。但如果是1千万的记录呢，分成几段比较好？稍有算法基础的同学会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂，一方面数据是保存在磁盘上的，另外一方面为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树难以满足复杂的应用场景。

**二 磁盘IO与预读**

前面提到了访问磁盘，那么这里先简单介绍一下磁盘IO和预读，磁盘读取数据靠的是机械运动，每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分，寻道时间指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下；旋转延迟就是我们经常听说的磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，也就是说1秒钟能转120次，旋转延迟就是1/120/2 = 4.17ms；传输时间指的是从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒，相对于前两个时间可以忽略不计。那么访问一次磁盘的时间，即一次磁盘IO的时间约等于5+4.17 = 9ms左右，听起来还挺不错的，但要知道一台500 -MIPS（Million Instructions Per Second）的机器每秒可以执行5亿条指令，因为指令依靠的是电的性质，换句话说执行一次IO的时间可以执行约450万条指令，数据库动辄十万百万乃至千万级数据，每次9毫秒的时间，显然是个灾难。下图是计算机硬件延迟的对比图，供大家参考：

** ![1036857-20170912010954844-413816327.png][]**

考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，**当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内**，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。

### 三 索引的数据结构 ###

前面讲了索引的基本原理，数据库的复杂性，又讲了操作系统的相关知识，目的就是让大家了解，任何一种数据结构都不是凭空产生的，一定会有它的背景和使用场景，我们现在总结一下，我们需要这种数据结构能够做些什么，其实很简单，那就是：每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢？就这样，b+树应运而生。

![1036857-20170912011123500-158121126.png][]

如上图，是一颗b+树，关于b+树的定义可以参见[B+树][B]，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。非叶子节点只不存储真实的数据，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。

\#\#\#b+树性质  
1**.索引字段要尽量的小**：通过上面的分析，我们知道IO次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。  
2.**索引的最左匹配特性**：当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，b+数是按照从左到右的顺序来建立搜索树的，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。

**三 MySQL索引管理**

**一 功能**

#1. 索引的功能就是加速查找
    #2. mysql中的primary key，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能

**二 MySQL的索引分类**

![复制代码][copycode.gif]

普通索引INDEX：加速查找
    
    唯一索引：
        -主键索引PRIMARY KEY：加速查找+约束（不为空、不能重复）
        -唯一索引UNIQUE:加速查找+约束（不能重复）
    
    联合索引：
        -PRIMARY KEY(id,name):联合主键索引
        -UNIQUE(id,name):联合唯一索引
        -INDEX(id,name):联合普通索引

![复制代码][copycode.gif]

![ExpandedBlockStart.gif][]

![复制代码][copycode.gif]

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）
    
    #除此之外还有全文索引，即FULLTEXT
    会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。
    用于搜索很长一篇文章的时候，效果最好。
    用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。
    但其实对于全文搜索，我们并不会使用MySQL自带的该索引，而是会选择第三方软件如Sphinx，专门来做全文搜索。
    
    #其他的如空间索引SPATIAL，了解即可，几乎不用

![复制代码][copycode.gif]

**三 索引的两大类型hash与btree**

![复制代码][copycode.gif]

#我们可以在创建上述索引的时候，为其指定索引类型，分两类
    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，数据量指数级增长（我们就用它，因为innodb默认支持它）
    
    #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 B-tree、Full-text 等索引，不支持 Hash 索引；
    MyISAM 不支持事务，支持表级别锁定，支持 B-tree、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 B-tree、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 B-tree、Full-text 等索引；
    Archive 不支持事务，支持表级别锁定，不支持 B-tree、Hash、Full-text 等索引；

![复制代码][copycode.gif]

**四 创建/删除索引的语法**

![复制代码][copycode.gif]

#方法一：创建表时
        　　CREATE TABLE 表名 (
                    字段名1  数据类型 [完整性约束条件…],
                    字段名2  数据类型 [完整性约束条件…],
                    [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
                    [索引名]  (字段名[(长度)]  [ASC |DESC]) 
                    );
    
    
    #方法二：CREATE在已存在的表上创建索引
            CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 
                         ON 表名 (字段名[(长度)]  [ASC |DESC]) ;
    
    
    #方法三：ALTER TABLE在已存在的表上创建索引
            ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
                                 索引名 (字段名[(长度)]  [ASC |DESC]) ;
                                 
    #删除索引：DROP INDEX 索引名 ON 表名字;

![复制代码][copycode.gif]

### **四 测试索引** ###

**1 准备**

![ContractedBlock.gif][] 创建数据

**2 在没有索引的前提下测试查询速度**

![复制代码][copycode.gif]

![复制代码][copycode.gif]

**3 加上索引**

![复制代码][copycode.gif]

#1. 一定是为搜索条件的字段创建索引，比如select * from t1 where age > 5;就需要为age加上索引
    
    #2. 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，插入删除更新都很慢，只有查询快
    比如create index idx on s1(id);会扫描表中所有的数据，然后以id为数据项，创建索引结构，存放于硬盘的表中。
    建完以后，再查询就会很快了
    
    #3. 需要注意的是：innodb表的索引会存放于s1.ibd文件中，而myisam表的索引则会有单独的索引文件table1.MYI

![复制代码][copycode.gif]

![1036857-20170912063502219-704737181.png][]

![1036857-20170912063554938-1345079329.png][]

ps：我们可以去mysql的data目录下找到该表，可以看到占用的硬盘空间多了

### 五 正确使用索引 ###

**一 并不是说我们创建了索引就一定会加快查询速度，如下索引未命中**

select sql_no_cache * from s1 where email='xxx'; #命中索引，速度很快
    select sql_no_cache * from s1 where email like '%old%'; #无法使用索引，速度依然很慢

**二 覆盖索引与索引合并**

![复制代码][copycode.gif]

#覆盖索引：
        - 在索引文件中直接获取数据
        http://blog.itpub.net/22664653/viewspace-774667/
    
    #分析
    select * from s1 where id=123;
    该sql命中了索引，但未覆盖索引。
    利用id=123到索引的数据结构中定位到该id在硬盘中的位置，或者说再数据表中的位置。
    但是我们select的字段为*，除了id以外还需要其他字段，这就意味着，我们通过索引结构取到id还不够，还需要利用该id再去找到该id所在行的其他字段值，这是需要时间的，很明显，如果我们只select id，就减去了这份苦恼，如下
    select id from s1 where id=123;
    这条就是覆盖索引了，命中索引，且从索引的数据结构直接就取到了id在硬盘的地址，速度很快

![复制代码][copycode.gif]

#索引合并：把多个单列索引合并使用
    #分析：
    组合索引能做到的事情，我们都可以用索引合并去解决，比如
    create index ne on s1(name,email);#组合索引
    我们完全可以单独为name和email创建索引
    
    组合索引可以命中：
    select * from s1 where name='egon' ;
    select * from s1 where name='egon' and email='adf';
    
    索引合并可以命中：
    select * from s1 where name='egon' ;
    select * from s1 where email='adf';
    select * from s1 where name='egon' and email='adf';
    
    乍一看好像索引合并更好了：可以命中更多的情况，但其实要分情况去看，如果是name='egon' and email='adf',那么组合索引的效率要高于索引合并，如果是单条件查，那么还是用索引合并比较合理

![复制代码][copycode.gif]

**三 若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下原则**

![复制代码][copycode.gif]

#1.最左前缀匹配原则，非常重要的原则，
    create index ix_name_email on s1(name,email,)
    - 最左前缀匹配：必须按照从左到右的顺序匹配
    select * from s1 where name='egon'; #可以
    select * from s1 where name='egon' and email='asdf'; #可以
    select * from s1 where email='alex@oldboy.com'; #不可以
    mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。
    
    #2.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式
    
    #3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录
    
    #4.索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);

![复制代码][copycode.gif]

**最左前缀示范**

![复制代码][copycode.gif]

mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.39 sec)
    
    mysql> create index idx on s1(id,name,email,gender); #未遵循最左前缀
    Query OK, 0 rows affected (15.27 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.43 sec)
    
    
    mysql> drop index idx on s1;
    Query OK, 0 rows affected (0.16 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> create index idx on s1(name,email,gender,id); #遵循最左前缀
    Query OK, 0 rows affected (15.97 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.03 sec)

![复制代码][copycode.gif]

**索引无法命中的情况需要注意：**

![复制代码][copycode.gif]

- like '%xx'
        select * from tb1 where email like '%cn';
        
        
    - 使用函数
        select * from tb1 where reverse(email) = 'wupeiqi';
        
        
    - or
        select * from tb1 where nid = 1 or name = 'seven@live.com';
        
        
        特别的：当or条件中有未建立索引的列才失效，以下会走索引
                select * from tb1 where nid = 1 or name = 'seven';
                select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'
                
                
    - 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 * from tb1 where email = 999;
        
    普通索引的不等于不会走索引
    - !=
        select * from tb1 where email != 'alex'
        
        特别的：如果是主键，则还是会走索引
            select * from tb1 where nid != 123
    - >
        select * from tb1 where email > 'alex'
        
        
        特别的：如果是主键或索引是整数类型，则还是会走索引
            select * from tb1 where nid > 123
            select * from tb1 where num > 123
            
            
    #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
    - order by
        select name from s1 order by email desc;
        当根据索引排序时候，select查询的字段如果不是索引，则不走索引
        select email from s1 order by email desc;
        特别的：如果对主键排序，则还是走索引：
            select * from tb1 order by nid desc;
     
    - 组合索引最左前缀
        如果组合索引为：(name,email)
        name and email       -- 使用索引
        name                 -- 使用索引
        email                -- 不使用索引
    
    
    - count(1)或count(列)代替count(*)在mysql中没有差别了
    
    - create index xxxx  on tb(title(19)) #text类型，必须制定长度

![复制代码][copycode.gif]

**其他注意事项**

![复制代码][copycode.gif]

- 避免使用select *
    - count(1)或count(列) 代替 count(*)
    - 创建表时尽量时 char 代替 varchar
    - 表的字段顺序固定长度的字段优先
    - 组合索引代替多个单列索引（经常使用多个条件查询时）
    - 尽量使用短索引
    - 使用连接（JOIN）来代替子查询(Sub-Queries)
    - 连表时注意条件类型需一致
    - 索引散列值（重复少）不适合建索引，例：性别不适合

![复制代码][copycode.gif]

**六 查询优化神器-explain**

**关于explain命令相信大家并不陌生，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（有例外，下面会讲到）。所以优化语句基本上都是在优化rows。**

![复制代码][copycode.gif]

执行计划：让mysql预估执行操作(一般正确)
        all < index < range < index_merge < ref_or_null < ref < eq_ref < system/const
        id,email
        
        慢：
            select * from userinfo3 where name='alex'
            
            explain select * from userinfo3 where name='alex'
            type: ALL(全表扫描)
                select * from userinfo3 limit 1;
        快：
            select * from userinfo3 where email='alex'
            type: const(走索引)

![复制代码][copycode.gif]

**http://blog.itpub.net/29773961/viewspace-1767044/**

### **七 慢查询优化的基本步骤** ###

![复制代码][copycode.gif]

0.先运行看看是否真的很慢，注意设置SQL_NO_CACHE
    1.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的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
    2.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）
    3.order by limit 形式的sql语句让排序的表优先查
    4.了解业务方使用场景
    5.加索引时参照建索引的几大原则
    6.观察结果，不符合预期继续从0分析

![复制代码][copycode.gif]

### 八 慢日志管理(DBA用来测试查询效率） ###

![复制代码][copycode.gif]

慢日志
                - 执行时间 > 10
                - 未命中索引
                - 日志文件路径
                
            配置：
                - 内存
                    show variables like '%query%';
                    show variables like '%queries%';
                    set global 变量名 = 值
                - 配置文件
                    mysqld --defaults-file='E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'
                    
                    my.conf内容：
                        slow_query_log = ON
                        slow_query_log_file = D:/....
                        
                    注意：修改配置文件之后，需要重启服务

![复制代码][copycode.gif]

![ExpandedBlockStart.gif][]

![复制代码][copycode.gif]

MySQL日志管理
    ========================================================
    错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息
    二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作
    查询日志: 记录查询的信息
    慢查询日志: 记录执行时间超过指定时间的操作
    中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放
    通用日志： 审计哪个账号、在哪个时段、做了哪些事件
    事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等
    ========================================================
    一、bin-log
    1. 启用
    # vim /etc/my.cnf
    [mysqld]
    log-bin[=dir\[filename]]
    # service mysqld restart
    2. 暂停
    //仅当前会话
    SET SQL_LOG_BIN=0;
    SET SQL_LOG_BIN=1;
    3. 查看
    查看全部：
    # mysqlbinlog mysql.000002
    按时间：
    # mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56"
    # mysqlbinlog mysql.000002 --stop-datetime="2012-12-05 11:02:54"
    # mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" --stop-datetime="2012-12-05 11:02:54" 
    
    按字节数：
    # mysqlbinlog mysql.000002 --start-position=260
    # mysqlbinlog mysql.000002 --stop-position=260
    # mysqlbinlog mysql.000002 --start-position=260 --stop-position=930
    4. 截断bin-log（产生新的bin-log文件）
    a. 重启mysql服务器
    b. # mysql -uroot -p123 -e 'flush logs'
    5. 删除bin-log文件
    # mysql -uroot -p123 -e 'reset master' 
    
    
    二、查询日志
    启用通用查询日志
    # vim /etc/my.cnf
    [mysqld]
    log[=dir\[filename]]
    # service mysqld restart
    
    三、慢查询日志
    启用慢查询日志
    # vim /etc/my.cnf
    [mysqld]
    log-slow-queries[=dir\[filename]]
    long_query_time=n
    # service mysqld restart
    MySQL 5.6:
    slow-query-log=1
    slow-query-log-file=slow.log
    long_query_time=3
    查看慢查询日志
    测试:BENCHMARK(count,expr)
    SELECT BENCHMARK(50000000,2*3);

![复制代码][copycode.gif]

### 九 参 ###

[1036857-20170912010954844-413816327.png]: /images/20220321/5412b5669ce143049c479c2cfed4d27d.png
[1036857-20170912011123500-158121126.png]: /images/20220321/4f238780255f4f23b681f41caaa0692e.png
[B]: http://zh.wikipedia.org/wiki/B%2B%E6%A0%91
[copycode.gif]: /images/20220321/29b517aef2924eb7afe36c3f2538b47b.png
[ExpandedBlockStart.gif]: /images/20220321/ad5fdac0452e4dcfa2bb82de382e1729.png
[ContractedBlock.gif]: /images/20220321/2d9b0185d7024280a9afcecd223ebd19.png
[1036857-20170912063502219-704737181.png]: /images/20220321/97678d8ffed940429fc8086bb44a77e2.png
[1036857-20170912063554938-1345079329.png]: /images/20220321/9ce02d0cdef0456c90b6e4a0678b1a69.png
[explain-output]: http://dev.mysql.com/doc/refman/5.5/en/explain-output.html