MySQL的索引是什麼？怎麼優化？

作者：我叫劉半仙
來源：https://my.oschina.net/liughDevelop/blog/1788148
 

索引類似大學圖書館建書目索引，可以提高數據檢索的效率，降低數據庫的IO成本。MySQL在300萬條記錄左右性能開始逐漸下降，雖然官方文檔說500~800w記錄，所以大數據量建立索引是非常有必要的。MySQL提供了Explain，用於顯示SQL執行的詳細信息，可以進行索引的優化。

一、導致SQL執行慢的原因：

1.硬件問題。如網絡速度慢，內存不足，I/O吞吐量小，磁盤空間滿了等。

2.沒有索引或者索引失效。（一般在互聯網公司，DBA會在半夜把表鎖了，重新建立一遍索引，因為當你刪除某個數據的時候，索引的樹結構就不完整了。所以互聯網公司的數據做的是假刪除.一是為了做數據分析,二是為了不破壞索引 ）

3.數據過多（分庫分表）

4.服務器調優及各個參數設置（調整my.cnf）

二、分析原因時，一定要找切入點：

1.先觀察，開啟慢查詢日誌，設置相應的閾值（比如超過3秒就是慢SQL），在生產環境跑上個一天過後，看看哪些SQL比較慢。

2.Explain和慢SQL分析。比如SQL語句寫的爛，索引沒有或失效，關聯查詢太多（有時候是設計缺陷或者不得以的需求）等等。

3.Show Profile是比Explain更近一步的執行細節，可以查詢到執行每一個SQL都幹了什麼事，這些事分別花了多少秒。

4.找DBA或者運維對MySQL進行服務器的參數調優。

三、什麼是索引？

MySQL官方對索引的定義為：索引(Index)是幫助MySQL高效獲取數據的數據結構。我們可以簡單理解為：快速查找排好序的一種數據結構。Mysql索引主要有兩種結構：B+Tree索引和Hash索引。我們平常所說的索引，如果沒有特別指明，一般都是指B樹結構組織的索引(B+Tree索引)。索引如圖所示：

最外層淺藍色磁盤塊1裡有數據17、35（深藍色）和指針P1、P2、P3（黃色）。P1指針表示小於17的磁盤塊，P2是在17-35之間，P3指向大於35的磁盤塊。真實數據存在於子葉節點也就是最底下的一層3、5、9、10、13......非葉子節點不存儲真實的數據，只存儲指引搜索方向的數據項，如17、35。

查找過程：例如搜索28數據項，首先加載磁盤塊1到內存中，發生一次I/O，用二分查找確定在P2指針。接著發現28在26和30之間，通過P2指針的地址加載磁盤塊3到內存，發生第二次I/O。用同樣的方式找到磁盤塊8，發生第三次I/O。

真實的情況是，上面3層的B+Tree可以表示上百萬的數據，上百萬的數據只發生了三次I/O而不是上百萬次I/O，時間提升是巨大的。

四、Explain分析

前文鋪墊完成，進入實操部分，先來插入測試需要的數據：

CREATE TABLE `user_info` (
 `id` BIGINT(20) NOT NULL AUTO_INCREMENT,
 `name` VARCHAR(50) NOT NULL DEFAULT '',
 `age` INT(11) DEFAULT NULL,
 PRIMARY KEY (`id`),
 KEY `name_index` (`name`)
)ENGINE = InnoDB DEFAULT CHARSET = utf8;
INSERT INTO user_info (name, age) VALUES ('xys', 20); 

INSERT INTO user_info (name, age) VALUES ('a', 21);
INSERT INTO user_info (name, age) VALUES ('b', 23);
INSERT INTO user_info (name, age) VALUES ('c', 50);
INSERT INTO user_info (name, age) VALUES ('d', 15);
INSERT INTO user_info (name, age) VALUES ('e', 20);
INSERT INTO user_info (name, age) VALUES ('f', 21);
INSERT INTO user_info (name, age) VALUES ('g', 23);
INSERT INTO user_info (name, age) VALUES ('h', 50);
INSERT INTO user_info (name, age) VALUES ('i', 15);
CREATE TABLE `order_info` (
 `id` BIGINT(20) NOT NULL AUTO_INCREMENT,
 `user_id` BIGINT(20) DEFAULT NULL,
 `product_name` VARCHAR(50) NOT NULL DEFAULT '',
 `productor` VARCHAR(30) DEFAULT NULL,
 PRIMARY KEY (`id`),
 KEY `user_product_detail_index` (`user_id`, `product_name`, `productor`)
)ENGINE = InnoDB DEFAULT CHARSET = utf8;
INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p1', 'WHH');
INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p2', 'WL');
INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p1', 'DX');
INSERT INTO order_info (user_id, product_name, productor) VALUES (2, 'p1', 'WHH');
INSERT INTO order_info (user_id, product_name, productor) VALUES (2, 'p5', 'WL');
INSERT INTO order_info (user_id, product_name, productor) VALUES (3, 'p3', 'MA');
INSERT INTO order_info (user_id, product_name, productor) VALUES (4, 'p1', 'WHH');
INSERT INTO order_info (user_id, product_name, productor) VALUES (6, 'p1', 'WHH');
INSERT INTO order_info (user_id, product_name, productor) VALUES (9, 'p8', 'TE');

初體驗，執行Explain的效果：

索引使用情況在possible_keys、key和key_len三列，接下來我們先從左到右依次講解。

1.id

--id相同,執行順序由上而下
explain select u.*,o.* from user_info u,order_info o where u.id=o.user_id;

--id不同,值越大越先被執行
explain select * from user_info where id=(select user_id from order_info where product_name ='p8');

2.select_type

可以看id的執行實例，總共有以下幾種類型：

• SIMPLE： 表示此查詢不包含 UNION 查詢或子查詢
• PRIMARY： 表示此查詢是最外層的查詢
• SUBQUERY： 子查詢中的第一個 SELECT
• UNION： 表示此查詢是 UNION 的第二或隨後的查詢
• DEPENDENT UNION： UNION 中的第二個或後面的查詢語句, 取決於外面的查詢
• UNION RESULT, UNION 的結果
• DEPENDENT SUBQUERY: 子查詢中的第一個 SELECT, 取決於外面的查詢. 即子查詢依賴於外層查詢的結果.
• DERIVED：衍生，表示導出表的SELECT（FROM子句的子查詢）

3.table

table表示查詢涉及的表或衍生的表：

explain select tt.* from (select u.* from user_info u,order_info o where u.id=o.user_id and u.id=1) tt

id為1的的表示id為2的u和o表衍生出來的。

4.type

type 字段比較重要，它提供了判斷查詢是否高效的重要依據依據。 通過 type 字段，我們判斷此次查詢是 全表掃描 還是 索引掃描等。

type 常用的取值有:

• system: 表中只有一條數據， 這個類型是特殊的 const 類型。
• const: 針對主鍵或唯一索引的等值查詢掃描，最多隻返回一行數據。 const 查詢速度非常快， 因為它僅僅讀取一次即可。例如下面的這個查詢，它使用了主鍵索引，因此 type 就是 const 類型的：explain select * from user_info where id = 2；
• eq_ref: 此類型通常出現在多表的 join 查詢，表示對於前表的每一個結果，都只能匹配到後表的一行結果。並且查詢的比較操作通常是 =，查詢效率較高。例如：explain select * from user_info, order_info where user_info.id = order_info.user_id;
• ref: 此類型通常出現在多表的 join 查詢，針對於非唯一或非主鍵索引，或者是使用了 最左前綴 規則索引的查詢。例如下面這個例子中， 就使用到了 ref 類型的查詢：explain select * from user_info, order_info where user_info.id = order_info.user_id AND order_info.user_id = 5
• range: 表示使用索引範圍查詢，通過索引字段範圍獲取表中部分數據記錄。這個類型通常出現在 =, <>, >, >=, , BETWEEN, IN() 操作中。例如下面的例子就是一個範圍查詢：explain select * from user_info where id between 2 and 8；
• index: 表示全索引掃描(full index scan)，和 ALL 類型類似，只不過 ALL 類型是全表掃描，而 index 類型則僅僅掃描所有的索引， 而不掃描數據。index 類型通常出現在：所要查詢的數據直接在索引樹中就可以獲取到, 而不需要掃描數據。當是這種情況時，Extra 字段 會顯示 Using index。
• ALL: 表示全表掃描，這個類型的查詢是性能最差的查詢之一。通常來說， 我們的查詢不應該出現 ALL 類型的查詢，因為這樣的查詢在數據量大的情況下，對數據庫的性能是巨大的災難。 如一個查詢是 ALL 類型查詢， 那麼一般來說可以對相應的字段添加索引來避免。

通常來說, 不同的 type 類型的性能關係如下:

ALL < index < range ~ index_merge < ref < eq_ref < const < system

ALL 類型因為是全表掃描， 因此在相同的查詢條件下，它是速度最慢的。而 index 類型的查詢雖然不是全表掃描，但是它掃描了所有的索引，因此比 ALL 類型的稍快.後面的幾種類型都是利用了索引來查詢數據，因此可以過濾部分或大部分數據，因此查詢效率就比較高了。

5.possible_keys

它表示 mysql 在查詢時，可能使用到的索引。 注意，即使有些索引在 possible_keys 中出現，但是並不表示此索引會真正地被 mysql 使用到。 mysql 在查詢時具體使用了哪些索引，由 key 字段決定。

6.key

此字段是 mysql 在當前查詢時所真正使用到的索引。比如請客吃飯,possible_keys是應到多少人，key是實到多少人。當我們沒有建立索引時：

explain select o.* from order_info o where o.product_name= 'p1' and o.productor='whh';
create index idx_name_productor on order_info(productor);
drop index idx_name_productor on order_info;

建立複合索引後再查詢：

7.key_len

表示查詢優化器使用了索引的字節數，這個字段可以評估組合索引是否完全被使用。

8.ref

這個表示顯示索引的哪一列被使用了，如果可能的話,是一個常量。前文的type屬性裡也有ref，注意區別。

9.rows

rows 也是一個重要的字段，mysql 查詢優化器根據統計信息，估算 sql 要查找到結果集需要掃描讀取的數據行數，這個值非常直觀的顯示 sql 效率好壞， 原則上 rows 越少越好。可以對比key中的例子，一個沒建立索引錢，rows是9，建立索引後，rows是4。

10.extra

explain 中的很多額外的信息會在 extra 字段顯示, 常見的有以下幾種內容:

• using filesort ：表示 mysql 需額外的排序操作，不能通過索引順序達到排序效果。一般有 using filesort都建議優化去掉，因為這樣的查詢 cpu 資源消耗大。
• using index：覆蓋索引掃描，表示查詢在索引樹中就可查找所需數據，不用掃描表數據文件，往往說明性能不錯。
• using temporary：查詢有使用臨時表, 一般出現於排序， 分組和多表 join 的情況， 查詢效率不高，建議優化。
• using where ：表名使用了where過濾。

五、優化案例

explain select u.*,o.* from user_info u LEFT JOIN order_info o on u.id=o.user_id;

執行結果，type有ALL，並且沒有索引：

開始優化，在關聯列上創建索引，明顯看到type列的ALL變成ref，並且用到了索引，rows也從掃描9行變成了1行：

這裡面一般有個規律是：左鏈接索引加在右表上面，右鏈接索引加在左表上面。

六、是否需要創建索引？

索引雖然能非常高效的提高查詢速度，同時卻會降低更新表的速度。實際上索引也是一張表，該表保存了主鍵與索引字段，並指向實體表的記錄，所以索引列也是要佔用空間的。

我是個普通的程序猿，水平有限，文章難免有錯誤，歡迎犧牲自己寶貴時間的讀者，就本文內容直抒己見，我的目的僅僅是希望對讀者有所幫助。

閱讀更多 Java面經 的文章

關鍵字: 數據結構 DBA 技術