一 、介紹
為何要有索引?
一般的應(yīng)用系統(tǒng)，讀寫(xiě)比例在10:1左右，而且插入操作和一般的更新操作很少出現(xiàn)性能問(wèn)題，在生產(chǎn)環(huán)境中，我們遇到最多的，也是最容易出問(wèn)題的，還是一些復(fù)雜的查詢操作，因此對(duì)查詢語(yǔ)句的優(yōu)化顯然是重中之重。說(shuō)起加速查詢，就不得不提到索引了。
什么是索引？
索引在MySQL中也叫做“鍵”，是存儲(chǔ)引擎用于快速找到記錄的一種數(shù)據(jù)結(jié)構(gòu)。索引對(duì)于良好的性能
非常關(guān)鍵，尤其是當(dāng)表中的數(shù)據(jù)量越來(lái)越大時(shí)，索引對(duì)于性能的影響愈發(fā)重要。
索引優(yōu)化應(yīng)該是對(duì)查詢性能優(yōu)化最有效的手段了。索引能夠輕易將查詢性能提高好幾個(gè)數(shù)量級(jí)。
索引相當(dāng)于字典的音序表，如果要查某個(gè)字，如果不使用音序表，則需要從幾百頁(yè)中逐頁(yè)去查。
30
10 40
5 15 35 66
1 6 11 19 21 39 55 100
你是否對(duì)索引存在誤解？
索引是應(yīng)用程序設(shè)計(jì)和開(kāi)發(fā)的一個(gè)重要方面。若索引太多，應(yīng)用程序的性能可能會(huì)受到影響。而索引太少，對(duì)查詢性能又會(huì)產(chǎn)生影響，要找到一個(gè)平衡點(diǎn)，這對(duì)應(yīng)用程序的性能至關(guān)重要。一些開(kāi)發(fā)人員總是在事后才想起添加索引----我一直認(rèn)為，這源于一種錯(cuò)誤的開(kāi)發(fā)模式。如果知道數(shù)據(jù)的使用，從一開(kāi)始就應(yīng)該在需要處添加索引。開(kāi)發(fā)人員往往對(duì)數(shù)據(jù)庫(kù)的使用停留在應(yīng)用的層面，比如編寫(xiě)SQL語(yǔ)句、存儲(chǔ)過(guò)程之類，他們甚至可能不知道索引的存在，或認(rèn)為事后讓相關(guān)DBA加上即可。DBA往往不夠了解業(yè)務(wù)的數(shù)據(jù)流，而添加索引需要通過(guò)監(jiān)控大量的SQL語(yǔ)句進(jìn)而從中找到問(wèn)題，這個(gè)步驟所需的時(shí)間肯定是遠(yuǎn)大于初始添加索引所需的時(shí)間，并且可能會(huì)遺漏一部分的索引。當(dāng)然索引也并不是越多越好，我曾經(jīng)遇到過(guò)這樣一個(gè)問(wèn)題：某臺(tái)MySQL服務(wù)器iostat顯示磁盤(pán)使用率一直處于100%，經(jīng)過(guò)分析后發(fā)現(xiàn)是由于開(kāi)發(fā)人員添加了太多的索引，在刪除一些不必要的索引之后，磁盤(pán)使用率馬上下降為20%?？梢?jiàn)索引的添加也是非常有技術(shù)含量的。
二 、索引的原理
一 、索引原理
索引的目的在于提高查詢效率，與我們查閱圖書(shū)所用的目錄是一個(gè)道理：先定位到章，然后定位到該章下的一個(gè)小節(jié)，然后找到頁(yè)數(shù)。相似的例子還有：查字典，查火車車次，飛機(jī)航班等
本質(zhì)都是：通過(guò)不斷地縮小想要獲取數(shù)據(jù)的范圍來(lái)篩選出最終想要的結(jié)果，同時(shí)把隨機(jī)的事件變成順序的事件，也就是說(shuō)，有了這種索引機(jī)制，我們可以總是用同一種查找方式來(lái)鎖定數(shù)據(jù)。
數(shù)據(jù)庫(kù)也是一樣，但顯然要復(fù)雜的多，因?yàn)椴粌H面臨著等值查詢，還有范圍查詢(>、、between、in)、模糊查詢(like)、并集查詢(or)等等。數(shù)據(jù)庫(kù)應(yīng)該選擇怎么樣的方式來(lái)應(yīng)對(duì)所有的問(wèn)題呢？我們回想字典的例子，能不能把數(shù)據(jù)分成段，然后分段查詢呢？最簡(jiǎn)單的如果1000條數(shù)據(jù)，1到100分成第一段，101到200分成第二段，201到300分成第三段......這樣查第250條數(shù)據(jù)，只要找第三段就可以了，一下子去除了90%的無(wú)效數(shù)據(jù)。但如果是1千萬(wàn)的記錄呢，分成幾段比較好？稍有算法基礎(chǔ)的同學(xué)會(huì)想到搜索樹(shù)，其平均復(fù)雜度是lgN，具有不錯(cuò)的查詢性能。但這里我們忽略了一個(gè)關(guān)鍵的問(wèn)題，復(fù)雜度模型是基于每次相同的操作成本來(lái)考慮的。而數(shù)據(jù)庫(kù)實(shí)現(xiàn)比較復(fù)雜，一方面數(shù)據(jù)是保存在磁盤(pán)上的，另外一方面為了提高性能，每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來(lái)計(jì)算，因?yàn)槲覀冎涝L問(wèn)磁盤(pán)的成本大概是訪問(wèn)內(nèi)存的十萬(wàn)倍左右，所以簡(jiǎn)單的搜索樹(shù)難以滿足復(fù)雜的應(yīng)用場(chǎng)景。
二 、磁盤(pán)IO與預(yù)讀
前面提到了訪問(wèn)磁盤(pán)，那么這里先簡(jiǎn)單介紹一下磁盤(pán)IO和預(yù)讀，磁盤(pán)讀取數(shù)據(jù)靠的是機(jī)械運(yùn)動(dòng)，每次讀取數(shù)據(jù)花費(fèi)的時(shí)間可以分為尋道時(shí)間、旋轉(zhuǎn)延遲、傳輸時(shí)間三個(gè)部分，尋道時(shí)間指的是磁臂移動(dòng)到指定磁道所需要的時(shí)間，主流磁盤(pán)一般在5ms以下；旋轉(zhuǎn)延遲就是我們經(jīng)常聽(tīng)說(shuō)的磁盤(pán)轉(zhuǎn)速，比如一個(gè)磁盤(pán)7200轉(zhuǎn)，表示每分鐘能轉(zhuǎn)7200次，也就是說(shuō)1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms；傳輸時(shí)間指的是從磁盤(pán)讀出或?qū)?shù)據(jù)寫(xiě)入磁盤(pán)的時(shí)間，一般在零點(diǎn)幾毫秒，相對(duì)于前兩個(gè)時(shí)間可以忽略不計(jì)。那么訪問(wèn)一次磁盤(pán)的時(shí)間，即一次磁盤(pán)IO的時(shí)間約等于5+4.17 = 9ms左右，聽(tīng)起來(lái)還挺不錯(cuò)的，但要知道一臺(tái)500 -MIPS（Million Instructions Per Second）的機(jī)器每秒可以執(zhí)行5億條指令，因?yàn)橹噶钜揽康氖请姷男再|(zhì)，換句話說(shuō)執(zhí)行一次IO的時(shí)間可以執(zhí)行約450萬(wàn)條指令，數(shù)據(jù)庫(kù)動(dòng)輒十萬(wàn)百萬(wàn)乃至千萬(wàn)級(jí)數(shù)據(jù)，每次9毫秒的時(shí)間，顯然是個(gè)災(zāi)難。下圖是計(jì)算機(jī)硬件延遲的對(duì)比圖，供大家參考：
考慮到磁盤(pán)IO是非常高昂的操作，計(jì)算機(jī)操作系統(tǒng)做了一些優(yōu)化，當(dāng)一次IO時(shí)，不光把當(dāng)前磁盤(pán)地址的數(shù)據(jù)，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)，因?yàn)榫植款A(yù)讀性原理告訴我們，當(dāng)計(jì)算機(jī)訪問(wèn)一個(gè)地址的數(shù)據(jù)的時(shí)候，與其相鄰的數(shù)據(jù)也會(huì)很快被訪問(wèn)到。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(yè)(page)。具體一頁(yè)有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k，也就是我們讀取一頁(yè)內(nèi)的數(shù)據(jù)時(shí)候，實(shí)際上才發(fā)生了一次IO，這個(gè)理論對(duì)于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)非常有幫助。
三 、索引的數(shù)據(jù)結(jié)構(gòu)
前面講了索引的基本原理，數(shù)據(jù)庫(kù)的復(fù)雜性，又講了操作系統(tǒng)的相關(guān)知識(shí)，目的就是讓大家了解，任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的，一定會(huì)有它的背景和使用場(chǎng)景，我們現(xiàn)在總結(jié)一下，我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么，其實(shí)很簡(jiǎn)單，那就是：每次查找數(shù)據(jù)時(shí)把磁盤(pán)IO次數(shù)控制在一個(gè)很小的數(shù)量級(jí)，最好是常數(shù)數(shù)量級(jí)。那么我們就想到如果一個(gè)高度可控的多路搜索樹(shù)是否能滿足需求呢？就這樣，b+樹(shù)應(yīng)運(yùn)而生（B+樹(shù)是通過(guò)二叉查找樹(shù)，再由平衡二叉樹(shù)，B樹(shù)演化而來(lái)）。
如上圖，是一顆b+樹(shù)，關(guān)于b+樹(shù)的定義可以參見(jiàn)B+樹(shù)，這里只說(shuō)一些重點(diǎn)，淺藍(lán)色的塊我們稱之為一個(gè)磁盤(pán)塊，可以看到每個(gè)磁盤(pán)塊包含幾個(gè)數(shù)據(jù)項(xiàng)（深藍(lán)色所示）和指針（黃色所示），如磁盤(pán)塊1包含數(shù)據(jù)項(xiàng)17和35，包含指針P1、P2、P3，P1表示小于17的磁盤(pán)塊，P2表示在17和35之間的磁盤(pán)塊，P3表示大于35的磁盤(pán)塊。真實(shí)的數(shù)據(jù)存在于葉子節(jié)點(diǎn)即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節(jié)點(diǎn)只不存儲(chǔ)真實(shí)的數(shù)據(jù)，只存儲(chǔ)指引搜索方向的數(shù)據(jù)項(xiàng)，如17、35并不真實(shí)存在于數(shù)據(jù)表中。
###b+樹(shù)的查找過(guò)程
如圖所示，如果要查找數(shù)據(jù)項(xiàng)29，那么首先會(huì)把磁盤(pán)塊1由磁盤(pán)加載到內(nèi)存，此時(shí)發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間，鎖定磁盤(pán)塊1的P2指針，內(nèi)存時(shí)間因?yàn)榉浅６蹋ㄏ啾却疟P(pán)的IO）可以忽略不計(jì)，通過(guò)磁盤(pán)塊1的P2指針的磁盤(pán)地址把磁盤(pán)塊3由磁盤(pán)加載到內(nèi)存，發(fā)生第二次IO，29在26和30之間，鎖定磁盤(pán)塊3的P2指針，通過(guò)指針加載磁盤(pán)塊8到內(nèi)存，發(fā)生第三次IO，同時(shí)內(nèi)存中做二分查找找到29，結(jié)束查詢，總計(jì)三次IO。真實(shí)的情況是，3層的b+樹(shù)可以表示上百萬(wàn)的數(shù)據(jù)，如果上百萬(wàn)的數(shù)據(jù)查找只需要三次IO，性能提高將是巨大的，如果沒(méi)有索引，每個(gè)數(shù)據(jù)項(xiàng)都要發(fā)生一次IO，那么總共需要百萬(wàn)次的IO，顯然成本非常非常高。
###b+樹(shù)性質(zhì)
1.索引字段要盡量的?。和ㄟ^(guò)上面的分析，我們知道IO次數(shù)取決于b+數(shù)的高度h，假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N，每個(gè)磁盤(pán)塊的數(shù)據(jù)項(xiàng)的數(shù)量是m，則有h=㏒(m+1)N，當(dāng)數(shù)據(jù)量N一定的情況下，m越大，h越?。欢鴐 = 磁盤(pán)塊的大小 / 數(shù)據(jù)項(xiàng)的大小，磁盤(pán)塊的大小也就是一個(gè)數(shù)據(jù)頁(yè)的大小，是固定的，如果數(shù)據(jù)項(xiàng)占的空間越小，數(shù)據(jù)項(xiàng)的數(shù)量越多，樹(shù)的高度越低。這就是為什么每個(gè)數(shù)據(jù)項(xiàng)，即索引字段要盡量的小，比如int占4字節(jié)，要比bigint8字節(jié)少一半。這也是為什么b+樹(shù)要求把真實(shí)的數(shù)據(jù)放到葉子節(jié)點(diǎn)而不是內(nèi)層節(jié)點(diǎn)，一旦放到內(nèi)層節(jié)點(diǎn)，磁盤(pán)塊的數(shù)據(jù)項(xiàng)會(huì)大幅度下降，導(dǎo)致樹(shù)增高。當(dāng)數(shù)據(jù)項(xiàng)等于1時(shí)將會(huì)退化成線性表。
2.索引的最左匹配特性：當(dāng)b+樹(shù)的數(shù)據(jù)項(xiàng)是復(fù)合的數(shù)據(jù)結(jié)構(gòu)，比如(name,age,sex)的時(shí)候，b+數(shù)是按照從左到右的順序來(lái)建立搜索樹(shù)的，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來(lái)檢索的時(shí)候，b+樹(shù)會(huì)優(yōu)先比較name來(lái)確定下一步的所搜方向，如果name相同再依次比較age和sex，最后得到檢索的數(shù)據(jù)；但當(dāng)(20,F)這樣的沒(méi)有name的數(shù)據(jù)來(lái)的時(shí)候，b+樹(shù)就不知道下一步該查哪個(gè)節(jié)點(diǎn)，因?yàn)榻⑺阉鳂?shù)的時(shí)候name就是第一個(gè)比較因子，必須要先根據(jù)name來(lái)搜索才能知道下一步去哪里查詢。比如當(dāng)(張三,F)這樣的數(shù)據(jù)來(lái)檢索時(shí)，b+樹(shù)可以用name來(lái)指定搜索方向，但下一個(gè)字段age的缺失，所以只能把名字等于張三的數(shù)據(jù)都找到，然后再匹配性別是F的數(shù)據(jù)了， 這個(gè)是非常重要的性質(zhì)，即索引的最左匹配特性。
四 、聚集索引與輔助索引
在數(shù)據(jù)庫(kù)中，B+樹(shù)的高度一般都在2~4層，這也就是說(shuō)查找某一個(gè)鍵值的行記錄時(shí)最多只需要2到4次IO，這倒不錯(cuò)。因?yàn)楫?dāng)前一般的機(jī)械硬盤(pán)每秒至少可以做100次IO，2~4次的IO意味著查詢時(shí)間只需要0.02~0.04秒。
數(shù)據(jù)庫(kù)中的B+樹(shù)索引可以分為聚集索引（clustered index）和輔助索引（secondary index），
聚集索引與輔助索引相同的是：不管是聚集索引還是輔助索引，其內(nèi)部都是B+樹(shù)的形式，即高度是平衡的，葉子結(jié)點(diǎn)存放著所有的數(shù)據(jù)。
聚集索引與輔助索引不同的是：葉子結(jié)點(diǎn)存放的是否是一整行的信息
1、聚集索引
#InnoDB存儲(chǔ)引擎表示索引組織表，即表中數(shù)據(jù)按照主鍵順序存放。而聚集索引（clustered index）就是按照每張表的主鍵構(gòu)造一棵B+樹(shù)，同時(shí)葉子結(jié)點(diǎn)存放的即為整張表的行記錄數(shù)據(jù)，也將聚集索引的葉子結(jié)點(diǎn)稱為數(shù)據(jù)頁(yè)。聚集索引的這個(gè)特性決定了索引組織表中數(shù)據(jù)也是索引的一部分。
同B+樹(shù)數(shù)據(jù)結(jié)構(gòu)一樣，每個(gè)數(shù)據(jù)頁(yè)都通過(guò)一個(gè)雙向鏈表來(lái)進(jìn)行鏈接。 #如果未定義主鍵，MySQL取第一個(gè)唯一索引（unique）而且只含非空列（NOT NULL）作為主鍵，InnoDB使用它作為聚簇索引。 #如果沒(méi)有這樣的列，InnoDB就自己產(chǎn)生一個(gè)這樣的ID值，它有六個(gè)字節(jié)，而且是隱藏的，使其作為聚簇索引。#由于實(shí)際的數(shù)據(jù)頁(yè)只能按照一棵B+樹(shù)進(jìn)行排序，因此每張表只能擁有一個(gè)聚集索引。在多少情況下，查詢優(yōu)化器傾向于采用聚集索引。
因?yàn)榫奂饕軌蛟贐+樹(shù)索引的葉子節(jié)點(diǎn)上直接找到數(shù)據(jù)。此外由于定義了數(shù)據(jù)的邏輯順序，聚集索引能夠特別快地訪問(wèn)針對(duì)范圍值得查詢。
聚集索引的好處之一：它對(duì)主鍵的排序查找和范圍查找速度非?？?，葉子節(jié)點(diǎn)的數(shù)據(jù)就是用戶所要查詢的數(shù)據(jù)。如用戶需要查找一張表，查詢最后的10位用戶信息，由于B+樹(shù)索引是雙向鏈表，所以用戶可以快速找到最后一個(gè)數(shù)據(jù)頁(yè)，并取出10條記錄
聚集索引的好處之二：范圍查詢（range query），即如果要查找主鍵某一范圍內(nèi)的數(shù)據(jù)，通過(guò)葉子節(jié)點(diǎn)的上層中間節(jié)點(diǎn)就可以得到頁(yè)的范圍，之后直接讀取數(shù)據(jù)頁(yè)即可
2、輔助索引
表中除了聚集索引外其他索引都是輔助索引（Secondary Index，也稱為非聚集索引），與聚集索引的區(qū)別是：輔助索引的葉子節(jié)點(diǎn)不包含行記錄的全部數(shù)據(jù)。
葉子節(jié)點(diǎn)除了包含鍵值以外，每個(gè)葉子節(jié)點(diǎn)中的索引行中還包含一個(gè)書(shū)簽（bookmark）。該書(shū)簽用來(lái)告訴InnoDB存儲(chǔ)引擎去哪里可以找到與索引相對(duì)應(yīng)的行數(shù)據(jù)。
由于InnoDB存儲(chǔ)引擎是索引組織表，因此InnoDB存儲(chǔ)引擎的輔助索引的書(shū)簽就是相應(yīng)行數(shù)據(jù)的聚集索引鍵。如下圖
輔助索引的存在并不影響數(shù)據(jù)在聚集索引中的組織，因此每張表上可以有多個(gè)輔助索引，但只能有一個(gè)聚集索引。當(dāng)通過(guò)輔助索引來(lái)尋找數(shù)據(jù)時(shí)，InnoDB存儲(chǔ)引擎會(huì)遍歷輔助索引并通過(guò)葉子級(jí)別的指針獲得只想主鍵索引的主鍵，然后再通過(guò)主鍵索引來(lái)找到一個(gè)完整的行記錄。
舉例來(lái)說(shuō)，如果在一棵高度為3的輔助索引樹(shù)種查找數(shù)據(jù)，那需要對(duì)這個(gè)輔助索引樹(shù)遍歷3次找到指定主鍵，如果聚集索引樹(shù)的高度同樣為3，那么還需要對(duì)聚集索引樹(shù)進(jìn)行3次查找，最終找到一個(gè)完整的行數(shù)據(jù)所在的頁(yè)，因此一共需要6次邏輯IO訪問(wèn)才能得到最終的一個(gè)數(shù)據(jù)頁(yè)。
五 、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，聯(lián)合唯一也都是索引，這些索引除了加速查找以外，還有約束的功能
二 、MySQL常用的索引
普通索引INDEX：加速查找
唯一索引： -主鍵索引PRIMARY KEY：加速查找+約束（不為空、不能重復(fù)） -唯一索引UNIQUE:加速查找+約束（不能重復(fù)）
聯(lián)合索引： -PRIMARY KEY(id,name):聯(lián)合主鍵索引 -UNIQUE(id,name):聯(lián)合唯一索引 -INDEX(id,name):聯(lián)合普通索引
三 、索引的兩大類型hash與btree
#我們可以在創(chuàng)建上述索引的時(shí)候，為其指定索引類型，分兩類
hash類型的索引：查詢單條快，范圍查詢慢
btree類型的索引：b+樹(shù)，層數(shù)越多，數(shù)據(jù)量指數(shù)級(jí)增長(zhǎng)（我們就用它，因?yàn)閕nnodb默認(rèn)支持它）
#不同的存儲(chǔ)引擎支持的索引類型也不一樣
InnoDB 支持事務(wù)，支持行級(jí)別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
MyISAM 不支持事務(wù)，支持表級(jí)別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
Memory 不支持事務(wù)，支持表級(jí)別鎖定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；
NDB 支持事務(wù)，支持行級(jí)別鎖定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；
Archive 不支持事務(wù)，支持表級(jí)別鎖定，不支持 B-tree、Hash、Full-text 等索引；
四 、創(chuàng)建/刪除索引的語(yǔ)法
#方法一：創(chuàng)建表時(shí)
CREATE TABLE 表名 (
字段名1 數(shù)據(jù)類型 [完整性約束條件…],
字段名2 數(shù)據(jù)類型 [完整性約束條件…],
[UNIQUE | FULLTEXT | SPATIAL ] INDEX | KEY
[索引名] (字段名[(長(zhǎng)度)] [ASC |DESC])
);
#方法二：CREATE在已存在的表上創(chuàng)建索引
CREATE [UNIQUE | FULLTEXT | SPATIAL ] INDEX 索引名
ON 表名 (字段名[(長(zhǎng)度)] [ASC |DESC]) ;
#方法三：ALTER TABLE在已存在的表上創(chuàng)建索引
ALTER TABLE 表名 ADD [UNIQUE | FULLTEXT | SPATIAL ] INDEX
索引名 (字段名[(長(zhǎng)度)] [ASC |DESC]) ;
#刪除索引：DROP INDEX 索引名 ON 表名字;
#方式一
create table t1(
id int,
name char,
age int,
sex enum('male','female'),
unique key uni_id(id),
index ix_name(name) #index沒(méi)有key
);
#方式二
create index ix_age on t1(age);
#方式三
alter table t1 add index ix_sex(sex);
#查看
mysql> show create table t1;
| t1 | CREATE TABLE `t1` (
`id` int(11) DEFAULT NULL,
`name` char(1) DEFAULT NULL,
`age` int(11) DEFAULT NULL,
`sex` enum('male','female') DEFAULT NULL,
UNIQUE KEY `uni_id` (`id`),
KEY `ix_name` (`name`),
KEY `ix_age` (`age`),
KEY `ix_sex` (`sex`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1
六 、測(cè)試索引
一 、準(zhǔn)備
#1. 準(zhǔn)備表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);
#2. 創(chuàng)建存儲(chǔ)過(guò)程，實(shí)現(xiàn)批量插入記錄
delimiter $$ #聲明存儲(chǔ)過(guò)程的結(jié)束符號(hào)為$$
create procedure auto_insert1()
BEGIN
declare i int default 1;
while(i3000000)do
insert into s1 values(i,'duoduo','male',concat('duoduo',i,'@oldboy'));
set i=i+1;
end while;
END$$ #$$結(jié)束
delimiter ; #重新聲明分號(hào)為結(jié)束符號(hào)
#3. 查看存儲(chǔ)過(guò)程
show create procedure auto_insert1\G
#4. 調(diào)用存儲(chǔ)過(guò)程
call auto_insert1();
#等到時(shí)間長(zhǎng)短，看機(jī)器性能
提示：創(chuàng)建表的時(shí)間長(zhǎng)短，看機(jī)器的性能，請(qǐng)耐心等待！
二 、在沒(méi)有索引的前提下測(cè)試查詢速度
#無(wú)索引：mysql根本就不知道到底是否存在id等于333333333的記錄，只能把數(shù)據(jù)表從頭到尾掃描一遍，此時(shí)有多少個(gè)磁盤(pán)塊就需要進(jìn)行多少IO操作，所以查詢速度很慢
mysql> select * from s1 where id=333333333;
Empty set (0.33 sec)
三 、在表中已經(jīng)存在大量數(shù)據(jù)的前提下，為某個(gè)字段段建立索引，建立速度會(huì)很慢
四 、在索引建立完畢后，以該字段為查詢條件時(shí)，查詢速度提升明顯
PS：
1. mysql先去索引表里根據(jù)b+樹(shù)的搜索原理很快搜索到id等于333333333的記錄不存在，IO大大降低，因而速度明顯提升
2. 我們可以去mysql的data目錄下找到該表，可以看到占用的硬盤(pán)空間多了
3. 需要注意，如下圖
五 、總結(jié)
#1. 一定是為搜索條件的字段創(chuàng)建索引，比如select * from s1 where id = 333;就需要為id加上索引
#2. 在表中已經(jīng)有大量數(shù)據(jù)的情況下，建索引會(huì)很慢，且占用硬盤(pán)空間，建完后查詢速度加快
比如create index idx on s1(id);會(huì)掃描表中所有的數(shù)據(jù)，然后以id為數(shù)據(jù)項(xiàng)，創(chuàng)建索引結(jié)構(gòu)，存放于硬盤(pán)的表中。
建完以后，再查詢就會(huì)很快了。
#3. 需要注意的是：innodb表的索引會(huì)存放于s1.ibd文件中，而myisam表的索引則會(huì)有單獨(dú)的索引文件table1.MYI
MySAM索引文件和數(shù)據(jù)文件是分離的，索引文件僅保存數(shù)據(jù)記錄的地址。
而在innodb中，表數(shù)據(jù)文件本身就是按照B+Tree（BTree即Balance True）組織的一個(gè)索引結(jié)構(gòu)，這棵樹(shù)的葉節(jié)點(diǎn)data域保存了完整的數(shù)據(jù)記錄。
這個(gè)索引的key是數(shù)據(jù)表的主鍵，因此innodb表數(shù)據(jù)文件本身就是主索引。
因?yàn)閕nndob的數(shù)據(jù)文件要按照主鍵聚集，所以innodb要求表必須要有主鍵（Myisam可以沒(méi)有），
如果沒(méi)有顯式定義，則mysql系統(tǒng)會(huì)自動(dòng)選擇一個(gè)可以唯一標(biāo)識(shí)數(shù)據(jù)記錄的列作為主鍵，
如果不存在這種列，則mysql會(huì)自動(dòng)為innodb表生成一個(gè)隱含字段作為主鍵，這字段的長(zhǎng)度為6個(gè)字節(jié)，類型為長(zhǎng)整型.
七 、正確使用索引
一 、索引未命中
并不是說(shuō)我們創(chuàng)建了索引就一定會(huì)加快查詢速度，若想利用索引達(dá)到預(yù)想的提高查詢速度的效果，我們?cè)谔砑铀饕龝r(shí)，必須遵循以下問(wèn)題
1 、范圍問(wèn)題，或者說(shuō)條件不明確，條件中出現(xiàn)這些符號(hào)或關(guān)鍵字：>、>=、、=、!= 、between...and...、like、
大于號(hào)、小于號(hào)
不等于！=
between ...and...
like
2盡量選擇區(qū)分度高的列作為索引,區(qū)分度的公式是count(distinct col)/count(*)，表示字段不重復(fù)的比例，比例越大我們掃描的記錄數(shù)越少，唯一鍵的區(qū)分度是1，而一些狀態(tài)、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0，那可能有人會(huì)問(wèn)，這個(gè)比例有什么經(jīng)驗(yàn)值嗎？使用場(chǎng)景不同，這個(gè)值也很難確定，一般需要join的字段我們都要求是0.1以上，即平均1條掃描10條記錄
#先把表中的索引都刪除，讓我們專心研究區(qū)分度的問(wèn)題
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id | int(11) | YES | MUL | NULL | |
| name | varchar(20) | YES | | NULL | |
| gender | char(5) | YES | | NULL | |
| email | varchar(50) | YES | MUL | NULL | |
+--------+-------------+------+-----+---------+-------+
rows in set (0.00 sec)
mysql> drop index a on s1;
Query OK, 0 rows affected (0.20 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> drop index d on s1;
Query OK, 0 rows affected (0.18 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id | int(11) | YES | | NULL | |
| name | varchar(20) | YES | | NULL | |
| gender | char(5) | YES | | NULL | |
| email | varchar(50) | YES | | NULL | |
+--------+-------------+------+-----+---------+-------+
rows in set (0.00 sec)
先把表中的索引都刪除，讓我們專心研究區(qū)分度的問(wèn)題
我們編寫(xiě)存儲(chǔ)過(guò)程為表s1批量添加記錄，name字段的值均為duoduo，也就是說(shuō)name這個(gè)字段的區(qū)分度很低（gender字段也是一樣的，我們稍后再搭理它）
回憶b+樹(shù)的結(jié)構(gòu)，查詢的速度與樹(shù)的高度成反比，要想將樹(shù)的高低控制的很低，需要保證：在某一層內(nèi)數(shù)據(jù)項(xiàng)均是按照從左到右，從小到大的順序依次排開(kāi)，即左1左2左3...
而對(duì)于區(qū)分度低的字段，無(wú)法找到大小關(guān)系，因?yàn)橹刀际窍嗟鹊?，毫無(wú)疑問(wèn)，還想要用b+樹(shù)存放這些等值的數(shù)據(jù)，只能增加樹(shù)的高度，字段的區(qū)分度越低，則樹(shù)的高度越高。極端的情況，索引字段的值都一樣，那么b+樹(shù)幾乎成了一根棍。本例中就是這種極端的情況，name字段所有的值均為'duoduo'
#現(xiàn)在我們得出一個(gè)結(jié)論：為區(qū)分度低的字段建立索引，索引樹(shù)的高度會(huì)很高，然而這具體會(huì)帶來(lái)什么影響呢？？？
#1：如果條件是name='xxxx',那么肯定是可以第一時(shí)間判斷出'xxxx'是不在索引樹(shù)中的（因?yàn)闃?shù)中所有的值均為'duoduo'），所以查詢速度很快
#2：如果條件正好是name='duoduo',查詢時(shí)，我們永遠(yuǎn)無(wú)法從樹(shù)的某個(gè)位置得到一個(gè)明確的范圍，只能往下找，往下找，往下找。。。這與全表掃描的IO次數(shù)沒(méi)有多大區(qū)別，所以速度很慢
分析
3、 =和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優(yōu)化器會(huì)幫你優(yōu)化成索引可以識(shí)別的形式
4、 索引列不能參與計(jì)算，保持列“干凈”，比如from_unixtime(create_time) = '2014-05-29'就不能使用到索引，原因很簡(jiǎn)單，b+樹(shù)中存的都是數(shù)據(jù)表中的字段值，但進(jìn)行檢索時(shí)，需要把所有元素都應(yīng)用函數(shù)才能比較，顯然成本太大。所以語(yǔ)句應(yīng)該寫(xiě)成create_time = unix_timestamp('2014-05-29')
5、 and/or
#1、and與or的邏輯
條件1 and 條件2:所有條件都成立才算成立，但凡要有一個(gè)條件不成立則最終結(jié)果不成立
條件1 or 條件2:只要有一個(gè)條件成立則最終結(jié)果就成立
#2、and的工作原理
條件：
a = 10 and b = 'xxx' and c > 3 and d =4
索引：
制作聯(lián)合索引(d,a,b,c)
工作原理:
對(duì)于連續(xù)多個(gè)and：mysql會(huì)按照聯(lián)合索引，從左到右的順序找一個(gè)區(qū)分度高的索引字段(這樣便可以快速鎖定很小的范圍)，加速查詢，即按照d—>a->b->c的順序
#3、or的工作原理
條件：
a = 10 or b = 'xxx' or c > 3 or d =4
索引：
制作聯(lián)合索引(d,a,b,c)
工作原理:
對(duì)于連續(xù)多個(gè)or：mysql會(huì)按照條件的順序，從左到右依次判斷，即a->b->c->d
在左邊條件成立但是索引字段的區(qū)分度低的情況下（name，加速查詢）
6最左前綴匹配原則，非常重要的原則，對(duì)于組合索引mysql會(huì)一直向右匹配直到遇到范圍查詢(>、、between、like)就停止匹配(指的是范圍大了，有索引速度也慢)，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調(diào)整。
7、 其他情況
- 使用函數(shù)
select * from tb1 where reverse(email) = 'duoduo';
- 類型不一致
如果列是字符串類型，傳入條件是必須用引號(hào)引起來(lái)，不然...
select * from tb1 where email = 999;
#排序條件為索引，則select字段必須也是索引字段，否則無(wú)法命中
- order by
select name from s1 order by email desc;
當(dāng)根據(jù)索引排序時(shí)候，select查詢的字段如果不是索引，則速度仍然很慢
select email from s1 order by email desc;
特別的：如果對(duì)主鍵排序，則還是速度很快：
select * from tb1 order by nid desc;
- 組合索引最左前綴
如果組合索引為：(name,email)
name and email -- 命中索引
name -- 命中索引
email -- 未命中索引
- count(1)或count(列)代替count(*)在mysql中沒(méi)有差別了
- create index xxxx on tb(title(19)) #text類型，必須制定長(zhǎng)度
其他注意事項(xiàng)
- 避免使用select *
- count(1)或count(列) 代替 count(*)
- 創(chuàng)建表時(shí)盡量時(shí) char 代替 varchar
- 表的字段順序固定長(zhǎng)度的字段優(yōu)先
- 組合索引代替多個(gè)單列索引（經(jīng)常使用多個(gè)條件查詢時(shí)）
- 盡量使用短索引
- 使用連接（JOIN）來(lái)代替子查詢(Sub-Queries)
- 連表時(shí)注意條件類型需一致
- 索引散列值（重復(fù)少）不適合建索引，例：性別不適合
八、 聯(lián)合索引與覆蓋索引
一 、聯(lián)合索引
聯(lián)合索引時(shí)指對(duì)表上的多個(gè)列合起來(lái)做一個(gè)索引。聯(lián)合索引的創(chuàng)建方法與單個(gè)索引的創(chuàng)建方法一樣，不同之處在僅在于有多個(gè)索引列，如下
mysql> create table t(
-> a int,
-> b int,
-> primary key(a),
-> key idx_a_b(a,b)
-> );
Query OK, 0 rows affected (0.11 sec)
那么何時(shí)需要使用聯(lián)合索引呢？在討論這個(gè)問(wèn)題之前，先來(lái)看一下聯(lián)合索引內(nèi)部的結(jié)果。從本質(zhì)上來(lái)說(shuō)，聯(lián)合索引就是一棵B+樹(shù)，不同的是聯(lián)合索引的鍵值得數(shù)量不是1，而是>=2。接著來(lái)討論兩個(gè)整型列組成的聯(lián)合索引，假定兩個(gè)鍵值得名稱分別為a、b如圖
可以看到這與我們之前看到的單個(gè)鍵的B+樹(shù)并沒(méi)有什么不同，鍵值都是排序的，通過(guò)葉子結(jié)點(diǎn)可以邏輯上順序地讀出所有數(shù)據(jù)，就上面的例子來(lái)說(shuō)，即（1,1），（1,2），（2,1），（2,4），（3,1），（3,2），數(shù)據(jù)按（a,b）的順序進(jìn)行了存放。
因此，對(duì)于查詢select * from table where a=xxx and b=xxx, 顯然是可以使用(a,b) 這個(gè)聯(lián)合索引的，對(duì)于單個(gè)列a的查詢select * from table where a=xxx,也是可以使用（a,b）這個(gè)索引的。
但對(duì)于b列的查詢select * from table where b=xxx,則不可以使用（a,b） 索引，其實(shí)你不難發(fā)現(xiàn)原因，葉子節(jié)點(diǎn)上b的值為1、2、1、4、1、2顯然不是排序的，因此對(duì)于b列的查詢使用不到(a,b) 索引
聯(lián)合索引的第二個(gè)好處是在第一個(gè)鍵相同的情況下，已經(jīng)對(duì)第二個(gè)鍵進(jìn)行了排序處理，例如在很多情況下應(yīng)用程序都需要查詢某個(gè)用戶的購(gòu)物情況，并按照時(shí)間進(jìn)行排序，最后取出最近三次的購(gòu)買記錄，這時(shí)使用聯(lián)合索引可以幫我們避免多一次的排序操作，因?yàn)樗饕旧碓谌~子節(jié)點(diǎn)已經(jīng)排序了，如下
#===========準(zhǔn)備表==============
create table buy_log(
userid int unsigned not null,
buy_date date
);
insert into buy_log values
(1,'2009-01-01'),
(2,'2009-01-01'),
(3,'2009-01-01'),
(1,'2009-02-01'),
(3,'2009-02-01'),
(1,'2009-03-01'),
(1,'2009-04-01');
alter table buy_log add key(userid);
alter table buy_log add key(userid,buy_date);
#===========驗(yàn)證==============
mysql> show create table buy_log;
| buy_log | CREATE TABLE `buy_log` (
`userid` int(10) unsigned NOT NULL,
`buy_date` date DEFAULT NULL,
KEY `userid` (`userid`),
KEY `userid_2` (`userid`,`buy_date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 |
#可以看到possible_keys在這里有兩個(gè)索引可以用，分別是單個(gè)索引userid與聯(lián)合索引userid_2,但是優(yōu)化器最終選擇了使用的key是userid因?yàn)樵撍饕娜~子節(jié)點(diǎn)包含單個(gè)鍵值，所以理論上一個(gè)頁(yè)能存放的記錄應(yīng)該更多
mysql> explain select * from buy_log where userid=2;
+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+
| 1 | SIMPLE | buy_log | ref | userid,userid_2 | userid | 4 | const | 1 | |
+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+
row in set (0.00 sec)
#接著假定要取出userid為1的最近3次的購(gòu)買記錄，用的就是聯(lián)合索引userid_2了，因?yàn)樵谶@個(gè)索引中，在userid=1的情況下，buy_date都已經(jīng)排序好了
mysql> explain select * from buy_log where userid=1 order by buy_date desc limit 3;
+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+
| 1 | SIMPLE | buy_log | ref | userid,userid_2 | userid_2 | 4 | const | 4 | Using where; Using index |
+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+
row in set (0.00 sec)
#ps：如果extra的排序顯示是Using filesort，則意味著在查出數(shù)據(jù)后需要二次排序
#對(duì)于聯(lián)合索引（a,b）,下述語(yǔ)句可以直接使用該索引，無(wú)需二次排序
select ... from table where a=xxx order by b;
#然后對(duì)于聯(lián)合索引(a,b,c)來(lái)首，下列語(yǔ)句同樣可以直接通過(guò)索引得到結(jié)果
select ... from table where a=xxx order by b;
select ... from table where a=xxx and b=xxx order by c;
#但是對(duì)于聯(lián)合索引(a,b,c)，下列語(yǔ)句不能通過(guò)索引直接得到結(jié)果，還需要自己執(zhí)行一次filesort操作，因?yàn)樗饕╝，c)并未排序
select ... from table where a=xxx order by c;
二、 覆蓋索引
InnoDB存儲(chǔ)引擎支持覆蓋索引（covering index，或稱索引覆蓋），即從輔助索引中就可以得到查詢記錄，而不需要查詢聚集索引中的記錄。
使用覆蓋索引的一個(gè)好處是：輔助索引不包含整行記錄的所有信息，故其大小要遠(yuǎn)小于聚集索引，因此可以減少大量的IO操作
注意：覆蓋索引技術(shù)最早是在InnoDB Plugin中完成并實(shí)現(xiàn)，這意味著對(duì)于InnoDB版本小于1.0的，或者M(jìn)ySQL數(shù)據(jù)庫(kù)版本為5.0以下的，InnoDB存儲(chǔ)引擎不支持覆蓋索引特性
對(duì)于InnoDB存儲(chǔ)引擎的輔助索引而言，由于其包含了主鍵信息，因此其葉子節(jié)點(diǎn)存放的數(shù)據(jù)為（primary key1，priamey key2，...,key1，key2，...）。例如
select age from s1 where id=123 and name = 'duoduo'; #id字段有索引，但是name字段沒(méi)有索引,該sql命中了索引，但未覆蓋，需要去聚集索引中再查找詳細(xì)信息。
最牛逼的情況是，索引字段覆蓋了所有，那全程通過(guò)索引來(lái)加速查詢以及獲取結(jié)果就ok了
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id | int(11) | NO | | NULL | |
| name | varchar(20) | YES | | NULL | |
| gender | char(6) | YES | | NULL | |
| email | varchar(50) | YES | | NULL | |
+--------+-------------+------+-----+---------+-------+
rows in set (0.21 sec)
mysql> explain select name from s1 where id=1000; #沒(méi)有任何索引
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
| 1 | SIMPLE | s1 | NULL | ALL | NULL | NULL | NULL | NULL | 2688336 | 10.00 | Using where |
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
row in set, 1 warning (0.00 sec)
mysql> create index idx_id on s1(id); #創(chuàng)建索引
Query OK, 0 rows affected (4.16 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> explain select name from s1 where id=1000; #命中輔助索引，但是未覆蓋索引，還需要從聚集索引中查找name
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | NULL |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
row in set, 1 warning (0.08 sec)
mysql> explain select id from s1 where id=1000; #在輔助索引中就找到了全部信息，Using index代表覆蓋索引
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | Using index |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
row in set, 1 warning (0.03 sec)
覆蓋索引的另外一個(gè)好處是對(duì)某些統(tǒng)計(jì)問(wèn)題而言的。基于上一小結(jié)創(chuàng)建的表buy_log,查詢計(jì)劃如下
mysql> explain select count(*) from buy_log;
+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+
| 1 | SIMPLE | buy_log | index | NULL | userid | 4 | NULL | 7 | Using index |
+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+
row in set (0.00 sec)
innodb存儲(chǔ)引擎并不會(huì)選擇通過(guò)查詢聚集索引來(lái)進(jìn)行統(tǒng)計(jì)。由于buy_log表有輔助索引，而輔助索引遠(yuǎn)小于聚集索引，選擇輔助索引可以減少IO操作，故優(yōu)化器的選擇如上key為userid輔助索引
對(duì)于（a,b）形式的聯(lián)合索引，一般是不可以選擇b中所謂的查詢條件。但如果是統(tǒng)計(jì)操作，并且是覆蓋索引，則優(yōu)化器還是會(huì)選擇使用該索引，如下
#聯(lián)合索引userid_2（userid,buy_date）,一般情況，我們按照buy_date是無(wú)法使用該索引的，但特殊情況下：查詢語(yǔ)句是統(tǒng)計(jì)操作，且是覆蓋索引，則按照buy_date當(dāng)做查詢條件時(shí)，也可以使用該聯(lián)合索引
mysql> explain select count(*) from buy_log where buy_date >= '2011-01-01' and buy_date '2011-02-01';
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
| 1 | SIMPLE | buy_log | index | NULL | userid_2 | 8 | NULL | 7 | Using where; Using index |
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
row in set (0.00 sec)
九、查詢優(yōu)化神器-explain
關(guān)于explain命令相信大家并不陌生，具體用法和字段含義可以參考官網(wǎng)explain-output，這里需要強(qiáng)調(diào)rows是核心指標(biāo)，絕大部分rows小的語(yǔ)句執(zhí)行一定很快（有例外，下面會(huì)講到）。所以優(yōu)化語(yǔ)句基本上都是在優(yōu)化rows。
執(zhí)行計(jì)劃：讓mysql預(yù)估執(zhí)行操作(一般正確)
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(全表掃描)
select * from userinfo3 limit 1;
快：
select * from userinfo3 where email='alex'
type: const(走索引)
參考文中：https://www.jb51.net/article/140759.htm
十 、慢查詢優(yōu)化的基本步驟
0.先運(yùn)行看看是否真的很慢，注意設(shè)置SQL_NO_CACHE
1.where條件單表查，鎖定最小返回記錄表。這句話的意思是把查詢語(yǔ)句的where都應(yīng)用到表中返回的記錄數(shù)最小的表開(kāi)始查起，單表每個(gè)字段分別查詢，看哪個(gè)字段的區(qū)分度最高
2.explain查看執(zhí)行計(jì)劃，是否與1預(yù)期一致（從鎖定記錄較少的表開(kāi)始查詢）
3.order by limit 形式的sql語(yǔ)句讓排序的表優(yōu)先查
4.了解業(yè)務(wù)方使用場(chǎng)景
5.加索引時(shí)參照建索引的幾大原則
6.觀察結(jié)果，不符合預(yù)期繼續(xù)從0分析
十一、 慢日志管理
慢日志
- 執(zhí)行時(shí)間 > 10
- 未命中索引
- 日志文件路徑
配置：
- 內(nèi)存
show variables like '%query%';
show variables like '%queries%';
set global 變量名 = 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內(nèi)容：
slow_query_log = ON
slow_query_log_file = D:/....
注意：修改配置文件之后，需要重啟服務(wù)
MySQL日志管理
========================================================
錯(cuò)誤日志: 記錄 MySQL 服務(wù)器啟動(dòng)、關(guān)閉及運(yùn)行錯(cuò)誤等信息
二進(jìn)制日志: 又稱binlog日志，以二進(jìn)制文件的方式記錄數(shù)據(jù)庫(kù)中除 SELECT 以外的操作
查詢?nèi)罩? 記錄查詢的信息
慢查詢?nèi)罩? 記錄執(zhí)行時(shí)間超過(guò)指定時(shí)間的操作
中繼日志： 備庫(kù)將主庫(kù)的二進(jìn)制日志復(fù)制到自己的中繼日志中，從而在本地進(jìn)行重放
通用日志： 審計(jì)哪個(gè)賬號(hào)、在哪個(gè)時(shí)段、做了哪些事件
事務(wù)日志或稱redo日志： 記錄Innodb事務(wù)相關(guān)的如事務(wù)執(zhí)行時(shí)間、檢查點(diǎn)等
========================================================
一、bin-log
1. 啟用
# vim /etc/my.cnf
[mysqld]
log-bin[=dir\[filename]]
# service mysqld restart
2. 暫停
//僅當(dāng)前會(huì)話
SET SQL_LOG_BIN=0;
SET SQL_LOG_BIN=1;
3. 查看
查看全部：
# mysqlbinlog mysql.000002
按時(shí)間：
# 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"
按字節(jié)數(shù)：
# mysqlbinlog mysql.000002 --start-position=260
# mysqlbinlog mysql.000002 --stop-position=260
# mysqlbinlog mysql.000002 --start-position=260 --stop-position=930
4. 截?cái)郻in-log（產(chǎn)生新的bin-log文件）
a. 重啟mysql服務(wù)器
b. # mysql -uroot -p123 -e 'flush logs'
5. 刪除bin-log文件
# mysql -uroot -p123 -e 'reset master'
二、查詢?nèi)罩?/strong>
啟用通用查詢?nèi)罩?br />
# vim /etc/my.cnf
[mysqld]
log[=dir\[filename]]
# service mysqld restart
三、慢查詢?nèi)罩?/strong>
啟用慢查詢?nèi)罩?br />
# 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
查看慢查詢?nèi)罩?br />
測(cè)試:
BENCHMARK(count,expr)
SELECT BENCHMARK(50000000,2*3);
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問(wèn)大家可以留言交流，謝謝大家對(duì)腳本之家的支持。
您可能感興趣的文章:- mysql 添加索引 mysql 如何創(chuàng)建索引
- MySQL查看、創(chuàng)建和刪除索引的方法
- MySQL 創(chuàng)建索引(Create Index)的方法和語(yǔ)法結(jié)構(gòu)及例子
- Mysql索引會(huì)失效的幾種情況分析
- MySQL 主鍵與索引的聯(lián)系與區(qū)別分析
- 基于mysql全文索引的深入理解
- mysql性能優(yōu)化之索引優(yōu)化
- MySQL 索引分析和優(yōu)化
- Mysql索引類型與基本用法實(shí)例分析
