主頁(yè) > 知識(shí)庫(kù) > Mysql使用索引的正確方法及索引原理詳解

Mysql使用索引的正確方法及索引原理詳解

熱門(mén)標(biāo)簽:合肥營(yíng)銷外呼系統(tǒng)收費(fèi) 地圖標(biāo)注賺錢(qián)真假 外呼系統(tǒng)從哪買 德惠市地圖標(biāo)注 陜西400電話如何申請(qǐng) 承德電腦地圖標(biāo)注 深圳 遵義地圖標(biāo)注app 商家地圖標(biāo)注哪個(gè)好

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

標(biāo)簽:巴中 三門(mén)峽 南陽(yáng) 貴州 商丘 贛州 揚(yáng)州 新余

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《Mysql使用索引的正確方法及索引原理詳解》,本文關(guān)鍵詞  Mysql,使用,索引,的,正確,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無(wú)關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《Mysql使用索引的正確方法及索引原理詳解》相關(guān)的同類信息!
  • 本頁(yè)收集關(guān)于Mysql使用索引的正確方法及索引原理詳解的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章