SQL之SQL索引

た入场券 2023-10-09 17:51 82阅读 0赞

#### 文章目录 ####

*  一、索引概述
 *   *  介绍
     *  演示
     *  优缺点
 *  二、索引结构
 *   *  二叉树
     *  B-Tree (多路平衡查找树)
     *  B+Tree
     *  Hash
 *  三、索引分类
 *  四、索引语法
 *  五、SQL性能分析
 *   *  SQL执行频率
     *  慢查询日志
     *  profile详情
 *  索引使用原则
 *   *  验证索引效率
     *  最左前缀法则
     *  索引列运算
     *  字符串不加引号
     *  模糊查询
     *  or连接的条件
     *  数据分布影响
 *  .SQL提示
 *   *  覆盖索引
     *  前缀索引
     *  单列索引与联合索引
 *  总结

--------------------

## 一、索引概述 ##

### 介绍 ###

索引(index）是帮助MysQL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。  
![在这里插入图片描述][87be634525f44b8dbe6da3dadef8a04f.png]

### 演示 ###

![在这里插入图片描述][ae08ad79beb94200a01cb31aacf1c6c3.png]备注:上述二叉树索引结构的只是一个示意图，并不是真实的索引结构。

### 优缺点 ###

![在这里插入图片描述][87aef58ba0cf4719af8fcd9dcb333a03.png]

## 二、索引结构 ##

![在这里插入图片描述][86ae5eebb3cb448080f25b229caa5502.png]MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种;  
![在这里插入图片描述][b40cc0ee6a2243759e283891a9b8c3f1.png]![在这里插入图片描述][a5e725a5399b48aea93725ffae8c289c.png]***我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。***

### 二叉树 ###

![在这里插入图片描述][f429a8ec2752473bac7136c0c8637b98.png]二叉树缺点:**顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级较深，检索速度慢。**  
红黑树:**大数据量情况下，层级较深，检索速度慢。**

### B-Tree (多路平衡查找树) ###

以一颗最大度数（max-degree)为5(5阶)的b-tree为例(每个节点最多存储4个key，5个指针);  
![在这里插入图片描述][2f3af598667d412f83c05c0b4528e1c4.png]  
***知识小贴士:树的度数指的是一个节点的子节点个数。***

插入100 65169 368 900 556 780 352151200 234 888158 90 1000 88 120 268250数据为例。  
![在这里插入图片描述][eadf20051061470ea29bc6f0e60a31f0.png]具体动态变化的过程可以参考网站: `https://www.cs.usfca.edu/~galles/visualization/BTree.html`

### B+Tree ###

以一颗最大度数（ max-degree)为4(4阶）的b+tree为例:  
![在这里插入图片描述][2e0c865758664bfea7112dc0c79c1fe7.png]

> 插入10065169 368 900 55678035 2151200 234 888 158 90 1000 88 120268250数据为例。

![在这里插入图片描述][a5c7186cb85d4d99932ad6a33445002f.png]相对于B-Tree区别:

①.所有的数据都会出现在叶子节点
    ②.叶子节点形成一个单向链表

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。  
![在这里插入图片描述][f11c10c48a8b4bbf93f0b9267fae263c.png]

### Hash ###

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。  
如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞)，可以通过链表来解决。  
![在这里插入图片描述][990bbca695e34347aae7dc079df6faa8.png]

> Hash索引特点

1.  Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，<，…)
2.  无法利用索引完成排序操作
3.  查询效率高，通常只需要一次检索就可以了，效率通常要高于B+tree索引

> 存储引擎支持

在MysQL中，支持hash索引的是Memory引擎，而innoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

**为什么InnoDB存储引擎选择使用B+tree索引结构?**

*  相对于二叉树，层级更少，搜索效率高;
 *  对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低;
 *  相对Hash索引，B+tree支持范围匹配及排序操作;

## 三、索引分类 ##

![在这里插入图片描述][be939ce2c455490c858f8b4f4596c530.png]在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种:  
![在这里插入图片描述][1e95804430bc4814bc35473e35666b43.png]

> 聚集索引选取规则;

*  如果存在主键，主键索引就是聚集索引。
 *  如果不存在主键，将使用第一个唯一(UNIQUE）索引作为聚集索引。
 *  如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。  
    ![在这里插入图片描述][659b4e3fc99f424aa12def71ab977bd8.png]![在这里插入图片描述][be955ceeb9b9473ba5135bbdd73ce868.png]

> 思考题  
> 1．以下SQL语句，那个执行效率高?为什么?

select \* from user where id =10;  
select \* from user where name = ‘Arm’;  
备注: id为主键，name字段创建的有索引;  
根据id查询>name查询

![在这里插入图片描述][c7af108161474644969074ddb5bcbc46.png]lnnoDB主键索引的B+tree高度为多高呢?  
假设:  
一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6  
个字节的空间，主键即使为bigint，占用字节数为8。  
高度为2:  
n \* 8+(n +7)*6=16*1024，算出n约为1170  
1171*16= 18736  
高度为3:  
7171* 1171\* 16= 21939856

## 四、索引语法 ##

创建索引

CREATE [ UNIQUE |FULLTEXT] INDEX index_name ON 
    table_name ( index_col_name...) ;

查看索引

SHOW INDEX FROM table_name ;

删除索引

DROP INDEX index_name ON table_name ;

> 按照下列的需求，完成索引的创建

1.  name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
2.  phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
3.  为profession、age、status创建联合索引。
4.  为email建立合适的索引来提升查询效率。

CREATE INDEX idx_user_name ON tb_user(name);
    CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);
    CREATE INDEX idx_user_pro_aye_sta ON tb_user(profession,age,status);
    CREATE INDEX idx_email ON tb_user(email);

## 五、SQL性能分析 ##

### SQL执行频率 ###

MySQL客户端连接成功后，通过show \[session globall status命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次:

SHOW GLOBAL STATUS LIKE 'Com______';

![在这里插入图片描述][9601f65c74444fdabb5eb2b9d416538d.png]

### 慢查询日志 ###

慢查询日志记录了所有执行时间超过指定参数(long\_query\_time，单位:秒，默认10秒〉的所有5QL语句的日志。  
MySQL的慢查询日志默认没有开启，需要在MySQL的配置文件(/etc/my.cnf）中配置如下信息:

#开启MySQL慢日志查询开关
    slow_query_log=1
    #设置慢日志的时间为2秒，5QL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
    long_query_time=2

配置完毕之后，重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息/varltib/mysql/localhost-slow.log。

### profile详情 ###

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have\_profiling参数，能够看到当前MySQL是否支持  
profile操作:

SELECT @@have _profiling ;

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling:  
SET profiling = 1;

执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时:

#查看每一条SQL的耗时基本情况
    show profiles;
    #查看指定query_id的SQL语句各个阶段的耗时情况
    show profile for query query_id;
    #查看指定query_id的SQL语句CPU的使用情况
    show profile cpu for duery query_id;

explain执行计划  
EXPLAIN或者DESC命令获取MySQL如何执行SELECT语句的信息，包括在SELECT语句执行过程中表如何连接和连接的顺序。  
语法:

#直接在select语句之前加上关键字explain / desc
    EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;

![在这里插入图片描述][3b24ad22b7574f869213467cf8257278.png]**EXPLAIN 执行计划各字段含义:**

> ld

select查询的序列号，表示查询中执行select子句或者是操作表的顺序(id相同，执行顺序从上到下;id不同，值越大，越先执行)。

> select\_type

表示SELECT的类型，常见的取值有SIMPLEg简单表，即不使用表连接或者子查询)、PRIMARY（主查询，即外层的查询)、UNION (UNION中的第二个或者后面的查询语句）、SUBQUERY (SELECT/WHERE之后包含了子查询)等

> type

表示连接类型，性能由好到差的连接类型为NULL、system、const、eq\_ref、ref、range、index、all。

> possible\_key

显示可能应用在这张表上的索引，一个或多个。

> Key

实际使用的索引，如果为NULL，则没有使用索引。

> Key\_len

表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好。

> rows

MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的。

> filtered

表示返回结果的行数占需读取行数的百分比，filtered 的值越大越好。

## 索引使用原则 ##

### 验证索引效率 ###

在未建立索引之前，执行如下SQL语句，查看SQL的耗时。

SELECT*FROM tb sku WHERE sn ='100000003145001';

针对字段创建索引

create index idx_sku_sn on tb_sku(sn) ;

### 最左前缀法则 ###

如果索引了多列(联合索引)，要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，**索引将部分失效(后面的字段索引失效)。**

explain select * from tb_user where profession= '软件工程' and age = 31 and status = '0';
    explain select * from tb_user where profession= '软件工程' and age = 31;
    explain select * from tb_user where profession= '软件工程";
    explain select * from tb_user where age = 31 and status = '0';
    explain select *from tb_user where status = '0';

### 索引列运算 ###

不要在索引列上进行运算操作，索引将失效。

explain select * from tb_user where substring(phone,10,2)= '15';

### 字符串不加引号 ###

字符串类型字段使用时，不加引号，索引将失效。

explain select * from tb_user where profession= '软件工程' and age = 31 and status =0;
    explain select * from tb_user where phone = 17799990015;

### 模糊查询 ###

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。

explain select * from tb_user where profession like '软件%*;
    explain select * from tb_user where profession like '8工程";
    explain select * from tb_user where profession like '%工%";

### or连接的条件 ###

用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

explain select * from tb_user where id= 10 or age = 23;
    explain select * from tb_user where phone = '17799990017' or age = 23;

由于age没有索引，所以即使id、ppone有索引，索引也会失效。所以需要针对于age也要建立索引。  
![在这里插入图片描述][af67d0e80292485aad22b59a95845240.png]![在这里插入图片描述][4e315f8850f24dacadeb435ea1578d2d.png]![在这里插入图片描述][1c50267810f84b7f98befd20f4b4cc22.png]

### 数据分布影响 ###

如果MySQL评估使用索引比全表更慢，则不使用索引。

select * from tb_user where phone >='17799990005';
    select *from tb_user where phone >='17799990015';

![在这里插入图片描述][bc2f8affb813445d8a59bb5e7c97c73f.png]

## .SQL提示 ##

SQL提示，是优化数据库的一个重要手段，简单来说，就是在5QL语句中加入一些人为的提示来达到优化操作的目的。

> use index:  
> explain select \* from tb\_user use index(idx\_user\_pro) where profession= '软件工程";

> ignore index:  
> explain select \* from tb\_user ignore index(idx\_user\_pro) where profession=“软件工程”;

> force index:  
> explain select \* from tb\_user force index(idx\_user\_pro) where profession= '软件工程";  
> ![在这里插入图片描述][4d969805b7344a998d61b35fd5c56f4b.png]

### 覆盖索引 ###

尽量使用覆盖索引(查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到)，减少`select *`。

explain select id, profession from tb_user where profession='软件工程' and age= 31 and status = 'o' ;
    explain select id,profession,age, status from tb_user where profession='软件工程'’ and age =31 and status = '0';
    explain select id,profession,age,status, name from tb_user where profession ="软件工程’ and age=31 and status = '0';
    explain select * from tb_user where profession= "软件工程’ and age =31 and status = '0' ;

知识小贴士:
    using index condition :查找使用了索引,但是需要回表查询数据
    using where; using index:查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据

![在这里插入图片描述][e96c774183a143c3a6779a5f21a2b6bf.png]

### 前缀索引 ###

当字段类型为字符串(varchar,text等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘lO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

> 语法

create index idx xooox on table\_name(column(n));

> 前缀长度

可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

select count(distinct email) / count(*) from tb_user ;
    select count(distinct substring(email,1,5))/ count(*) from tb_user ;

### 单列索引与联合索引 ###

单列索引:即一个索引只包含单个列。联合索引:即一个索引包含了多个列。  
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。  
单列索引情况:

explain select id, phone, name from tb_user where phone = '17799990010' and name = '韩信';

![在这里插入图片描述][0f81d238776c452b9aa938d71edca4b1.png]***多条件联合查询时，MySQL优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询***

联合索引情况:  
![在这里插入图片描述][643590ebe5734bcf97f051acfd407295.png]  
索引设计原则

1.  针对于数据量较大，且查询比较频繁的表建立索引。
2.  针对于常作为查询条件(where)、排序（order by)、分组(group  
    by)操作的字段建立索引。尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
3.  如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
4.  尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
5.  要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
6.  如果索引列不能存储NULL值，请在创建表时使用NOTNULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。

--------------------

## 总结 ##

![在这里插入图片描述][f32286c87a1945e9a53297b7a2c2b330.png]  
![在这里插入图片描述][f2e786e5840f40628c25a8d74d91cbea.png]

[87be634525f44b8dbe6da3dadef8a04f.png]: https://img-blog.csdnimg.cn/87be634525f44b8dbe6da3dadef8a04f.png
[ae08ad79beb94200a01cb31aacf1c6c3.png]: https://img-blog.csdnimg.cn/ae08ad79beb94200a01cb31aacf1c6c3.png
[87aef58ba0cf4719af8fcd9dcb333a03.png]: https://img-blog.csdnimg.cn/87aef58ba0cf4719af8fcd9dcb333a03.png
[86ae5eebb3cb448080f25b229caa5502.png]: https://img-blog.csdnimg.cn/86ae5eebb3cb448080f25b229caa5502.png
[b40cc0ee6a2243759e283891a9b8c3f1.png]: https://img-blog.csdnimg.cn/b40cc0ee6a2243759e283891a9b8c3f1.png
[a5e725a5399b48aea93725ffae8c289c.png]: https://img-blog.csdnimg.cn/a5e725a5399b48aea93725ffae8c289c.png
[f429a8ec2752473bac7136c0c8637b98.png]: https://img-blog.csdnimg.cn/f429a8ec2752473bac7136c0c8637b98.png
[2f3af598667d412f83c05c0b4528e1c4.png]: https://img-blog.csdnimg.cn/2f3af598667d412f83c05c0b4528e1c4.png
[eadf20051061470ea29bc6f0e60a31f0.png]: https://img-blog.csdnimg.cn/eadf20051061470ea29bc6f0e60a31f0.png
[2e0c865758664bfea7112dc0c79c1fe7.png]: https://img-blog.csdnimg.cn/2e0c865758664bfea7112dc0c79c1fe7.png
[a5c7186cb85d4d99932ad6a33445002f.png]: https://img-blog.csdnimg.cn/a5c7186cb85d4d99932ad6a33445002f.png
[f11c10c48a8b4bbf93f0b9267fae263c.png]: https://img-blog.csdnimg.cn/f11c10c48a8b4bbf93f0b9267fae263c.png
[990bbca695e34347aae7dc079df6faa8.png]: https://img-blog.csdnimg.cn/990bbca695e34347aae7dc079df6faa8.png
[be939ce2c455490c858f8b4f4596c530.png]: https://img-blog.csdnimg.cn/be939ce2c455490c858f8b4f4596c530.png
[1e95804430bc4814bc35473e35666b43.png]: https://img-blog.csdnimg.cn/1e95804430bc4814bc35473e35666b43.png
[659b4e3fc99f424aa12def71ab977bd8.png]: https://img-blog.csdnimg.cn/659b4e3fc99f424aa12def71ab977bd8.png
[be955ceeb9b9473ba5135bbdd73ce868.png]: https://img-blog.csdnimg.cn/be955ceeb9b9473ba5135bbdd73ce868.png
[c7af108161474644969074ddb5bcbc46.png]: https://img-blog.csdnimg.cn/c7af108161474644969074ddb5bcbc46.png
[9601f65c74444fdabb5eb2b9d416538d.png]: https://img-blog.csdnimg.cn/9601f65c74444fdabb5eb2b9d416538d.png
[3b24ad22b7574f869213467cf8257278.png]: https://img-blog.csdnimg.cn/3b24ad22b7574f869213467cf8257278.png
[af67d0e80292485aad22b59a95845240.png]: https://img-blog.csdnimg.cn/af67d0e80292485aad22b59a95845240.png
[4e315f8850f24dacadeb435ea1578d2d.png]: https://img-blog.csdnimg.cn/4e315f8850f24dacadeb435ea1578d2d.png
[1c50267810f84b7f98befd20f4b4cc22.png]: https://img-blog.csdnimg.cn/1c50267810f84b7f98befd20f4b4cc22.png
[bc2f8affb813445d8a59bb5e7c97c73f.png]: https://img-blog.csdnimg.cn/bc2f8affb813445d8a59bb5e7c97c73f.png
[4d969805b7344a998d61b35fd5c56f4b.png]: https://img-blog.csdnimg.cn/4d969805b7344a998d61b35fd5c56f4b.png
[e96c774183a143c3a6779a5f21a2b6bf.png]: https://img-blog.csdnimg.cn/e96c774183a143c3a6779a5f21a2b6bf.png
[0f81d238776c452b9aa938d71edca4b1.png]: https://img-blog.csdnimg.cn/0f81d238776c452b9aa938d71edca4b1.png
[643590ebe5734bcf97f051acfd407295.png]: https://img-blog.csdnimg.cn/643590ebe5734bcf97f051acfd407295.png
[f32286c87a1945e9a53297b7a2c2b330.png]: https://img-blog.csdnimg.cn/f32286c87a1945e9a53297b7a2c2b330.png
[f2e786e5840f40628c25a8d74d91cbea.png]: https://img-blog.csdnimg.cn/f2e786e5840f40628c25a8d74d91cbea.png