一、背景

今天，交流群有一位同學提出了一個問題。看下圖：

之後，這位同學確實也發了一個全模糊查詢走索引的例子：

到這我們可以發現，這兩個sql最大的區別是：一個是查詢全字段（select *），而一個只查詢主鍵（select id）。

此時，又有其他同學講了其他方案：

全文索引這個不用說，那是能讓全模糊查詢走索引的。但是索引覆蓋這個方案，我覺得才是符合背景的：

1、因為提問的背景就是模糊查詢字段是普通索引，而普通索引只查詢主鍵就能用上覆蓋索引。

2、並且背景中，就是隻查詢主鍵（ID）就顯示用上索引了。

二、數據準備和場景重現

1、準備表和數據：

創建 user 表，給 phone 字段加了個普通索引：

<code>CREATE TABLE `user` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `phone` varchar(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `index_phone` (`phone`) USING BTREE COMMENT 'phone索引'
) ENGINE=InnoDB AUTO_INCREMENT=200007 DEFAULT CHARSET=utf8;/<code>

準備10萬條數據意思意思：

<code>delimiter ;
CREATE DEFINER=`root`@`localhost` PROCEDURE `iniData`()
begin
  declare i int;
  set i=1;
  while(i<=100000)do
    insert into user(name,age,phone) values('測試', i, 15627230000+i);
    set i=i+1;
  end while;
end;;
delimiter ;

call iniData();/<code>

2、執行 SQL ，查看執行計劃：

<code>explain select * from user where phone like '%156%';
explain select id from user where phone like '%156%';/<code>

3、執行結果：

我們可以發現，第二條 SQL 確實是顯示用上了 index_phone 索引。

但是細心的同學可能會發現：possible_keys 竟然為空！有貓膩。。。

我這裡先說一下 prossible_keys 和 key 的關係：

1、possible_keys 為可能使用的索引，而 key 是實際使用的索引；

2、正常是： key 的索引，必然會包含在 possible_keys 中。

還有貓膩一點就是：使用索引和不使用索引讀取的行數（rows）竟然是一樣的！

三、驗證和階段性猜想

上面講到，possible_keys 和 key 的關係，那麼我們利用正常的走索引來驗證一下。

下面的 SQL， 不是全模糊查詢，而是右模糊查詢，保證是一定走索引的，我們分別看看此時 possible_keys 和 key 的值：

<code>explain select id from user where phone like '156%';/<code>

執行結果：

這裡太明顯了：

1、possible_keys 裡確實包含了 key 裡的索引。

2、 並且rows 瞬間降到 49963，整整降了一倍，並且 filtered 也達到了 100。

階段猜想：

1、首先，select id from user where phone like '%156%'; 因為覆蓋索引而用上了索引 index_phone。

2、possible_keys 為 null，證明用不上索引的樹形查找。很明顯，select id from user where phone like '%156%'; 即使顯示走了索引，但是讀取行數 rows 和 select * from user where phone like '%156%'; 沒有走索引的 rows 是一樣的。

3、那麼，我們可以猜測到，select id from user where phone like '%156%'; 即使因為覆蓋索引而用上了 index_phone 索引，但是卻沒用上樹形查找，只是正常順序遍歷了索引樹。所以說，其實這兩條 SQL 在表字段不多的情況下，查詢性能應該差不了多少。

四、通過 Trace 分析來驗證

我們分別利用 Trace 分析對於這兩個 SQL 優化器是如何選擇的。

1、查詢全字段：

<code>-- 開啟優化器跟蹤
set session optimizer_trace='enabled=on';
select * from user where phone like '%156%';
-- 查看優化器追蹤
select * from information_schema.optimizer_trace;/<code>

下面我們只看 TRACE 就行了：

<code>{
  "steps": [
    {
      "join_preparation": {
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `user`.`id` AS `id`,`user`.`name` AS `name`,`user`.`age` AS `age`,`user`.`phone` AS `phone` from `user` where (`user`.`phone` like '%156%')"
          }
        ]
      }
    },
    {
      "join_optimization": {
        "select#": 1,
        "steps": [
          {
            "condition_processing": {
              "condition": "WHERE",
              "original_condition": "(`user`.`phone` like '%156%')",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`user`.`phone` like '%156%')"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`user`.`phone` like '%156%')"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`user`.`phone` like '%156%')"
                }
              ]
            }
          },
          {
            "substitute_generated_columns": {
            } 

          },
          {
            "table_dependencies": [
              {
                "table": "`user`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ]
              }
            ]
          },
          {
            "ref_optimizer_key_uses": [
            ]
          },
          {
            "rows_estimation": [
              {
                "table": "`user`",
                "table_scan": {
                  "rows": 99927,
                  "cost": 289
                }
              }
            ]
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ],
                "table": "`user`",
                "best_access_path": {
                  "considered_access_paths": [
                    {
                      "rows_to_scan": 99927,
                      "access_type": "scan", // 順序掃描
                      "resulting_rows": 99927,
                      "cost": 20274,
                      "chosen": true
                    }
                  ]
                },
                "condition_filtering_pct": 100,
                "rows_for_plan": 99927,
                "cost_for_plan": 20274,
                "chosen": true
              }
            ] 

          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`user`.`phone` like '%156%')",
              "attached_conditions_computation": [
              ],
              "attached_conditions_summary": [
                {
                  "table": "`user`",
                  "attached": "(`user`.`phone` like '%156%')"
                }
              ]
            }
          },
          {
            "refine_plan": [
              {
                "table": "`user`"
              }
            ]
          }
        ]
      }
    },
    {
      "join_execution": {
        "select#": 1,
        "steps": [
        ]
      }
    }
  ]
}/<code>

2、只查詢主鍵

<code>set session optimizer_trace='enabled=on';
select id from user where phone like '%156%';
-- 查看優化器追蹤
select * from information_schema.optimizer_trace;/<code>

下面我們繼續只看 TRACE 就行了：

<code>{
  "steps": [
    {
      "join_preparation": {
        "select#": 1, 

        "steps": [
          {
            "expanded_query": "/* select#1 */ select `user`.`id` AS `id` from `user` where (`user`.`phone` like '%156%')"
          }
        ]
      }
    },
    {
      "join_optimization": {
        "select#": 1,
        "steps": [
          {
            "condition_processing": {
              "condition": "WHERE",
              "original_condition": "(`user`.`phone` like '%156%')",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`user`.`phone` like '%156%')"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`user`.`phone` like '%156%')"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`user`.`phone` like '%156%')"
                }
              ]
            }
          },
          {
            "substitute_generated_columns": {
            }
          },
          {
            "table_dependencies": [
              {
                "table": "`user`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ]
              }
            ]
          },
          {
            "ref_optimizer_key_uses": [
            ]
          }, 

          {
            "rows_estimation": [
              {
                "table": "`user`",
                "table_scan": {
                  "rows": 99927,
                  "cost": 289
                }
              }
            ]
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ],
                "table": "`user`",
                "best_access_path": {
                  "considered_access_paths": [
                    {
                      "rows_to_scan": 99927,
                      "access_type": "scan", // 順序掃描
                      "resulting_rows": 99927,
                      "cost": 20274,
                      "chosen": true
                    }
                  ]
                },
                "condition_filtering_pct": 100,
                "rows_for_plan": 99927,
                "cost_for_plan": 20274,
                "chosen": true
              }
            ]
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`user`.`phone` like '%156%')",
              "attached_conditions_computation": [
              ],
              "attached_conditions_summary": [
                {
                  "table": "`user`",
                  "attached": "(`user`.`phone` like '%156%')"
                }
              ]
            }
          },
          {
            "refine_plan": [ 

              {
                "table": "`user`"
              }
            ]
          }
        ]
      }
    },
    {
      "join_execution": {
        "select#": 1,
        "steps": [
        ]
      }
    }
  ]
}/<code>

好了，到這裡我們可以發現，在 Trace 分析裡面，都沒顯示優化器為這兩個 SQL 實際選擇了什麼索引，而只是顯示了都是用了 順序掃描 的方式去查找數據。

可能唯一不同點就是：一個使用了主鍵索引的全表掃描，而另外一個是使用了普通索引的全表掃描；但是兩個都沒用上樹形查找，也就是沒用上 B+Tree 的特性來提升查詢性能。

六、最後總結

1、當全模糊查詢的 SQL 只查詢主鍵作為結果集時，因為覆蓋索引，會用上查詢字段對應的索引。

2、即使用上了索引，但是卻沒用上樹形查找的特性，只是正常的順序遍歷。

3、而正常的全表掃描也是主鍵索引的順序遍歷，所以說，其實這兩者的性能其實是差不多的。

今天，你學習了嗎

原文鏈接：https://www.cnblogs.com/Howinfun/p/12449975.html

閱讀更多 阿里Java架構師 的文章

關鍵字: 數據 深入分析 準備