Mysql索引选择以及优化详解

• 生活家

索引模型

哈希表

  • 适用于只有等值查询的场景，memory引擎默认索引
  • innodb支持自适应哈希索引，不可干预，由引擎自行决定是否创建

有序数组：在等值查询和范围查询场景中的性能都非常优秀，但插入和删除数据需要进行数据移动，成本太高。因此，只适用于静态存储引擎

二叉平衡树：每个节点的左儿子小于父节点，父节点又小于右儿子，时间复杂度是 o(log(n))

多叉平衡树：索引不止存在内存中，还要写到磁盘上。为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。因此，要使用“n 叉”树。

b+tree

b-tree 与 b+tree

b-tree

b+tree

innodb 使用了 b+ 树索引模型。假设，我们有一个主键列为 id 的表，表中有字段 k，并且在 k 上有索引，如下所示：

  • 主键索引：也被称为聚簇索引，叶子节点存的是整行数据
  • 非主键索引：也被称为二级索引，叶子节点内容是主键的值

注意事项

  • 索引基于数据页有序存储，可能发生数据页的分裂(页存储空间不足)和合并(数据删除造成页利用率低)
  • 数据的无序插入会造成数据的移动，甚至数据页的分裂
  • 主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小
  • 索引字段越小，单层可存储数据量越多，可减少磁盘io 
// 假设一个数据页16k、一行数据1k、索引间指针6字节、索引字段bigint类型(8字节)

// 索引个数
k = 16*1024/(8+6) =1170

// 单个叶子节点记录数
n = 16/1 = 16

// 三层b+记录数
v = k*k*n = 21902400

myisam也是使用b+tree索引，区别在于不区分主键和非主键索引，均是非聚簇索引，叶子节点保存的是数据文件的指针

索引选择

优化器选择索引的目的，是找到一个最优的执行方案，并用最小的代价去执行语句。在数据库里面，扫描行数是影响执行代价的因素之一。扫描的行数越少，意味着访问磁盘数据的次数越少，消耗的 cpu 资源越少。

当然，扫描行数并不是唯一的判断标准，优化器还会结合是否使用临时表、是否排序等因素进行综合判断。

扫描行数如何计算

一个索引上不同的值越多，这个索引的区分度就越好。而一个索引上不同的值的个数，称之为“基数”（cardinality）。

-- 查看当前索引基数
mysql> show index from test;
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| table | non_unique | key_name | seq_in_index | column_name | collation | cardinality | sub_part | packed | null | index_type | comment | index_comment |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| test |   0 | primary |   1 | id   | a   |  100256 | null  | null |  | btree  |   |    |
| test |   1 | index_a |   1 | a   | a   |  98199 | null  | null | yes | btree  |   |    |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

从性能的角度考虑，innodb 使用采样统计，默认会选择 n 个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面数，就得到了这个索引的基数。因此，上述两个索引显示的基数并不相同。

而数据表是会持续更新的，索引统计信息也不会固定不变。所以，当变更的数据行数超过 1/m 的时候(innodb_stats_persistent=on时默认10，反之16)，会自动触发重新做一次索引统计。

mysql> show variables like '%innodb_stats_persistent%';
+--------------------------------------+-------------+
| variable_name      | value  |
+--------------------------------------+-------------+
-- 是否自动触发更新统计信息，当被修改的数据超过10%时就会触发统计信息重新统计计算
| innodb_stats_auto_recalc    | on   |
-- 控制在重新计算统计信息时是否会考虑删除标记的记录
| innodb_stats_include_delete_marked | off   |
-- 对null值的统计方法，当变量设置为nulls_equal时，所有null值都被视为相同
| innodb_stats_method     | nulls_equal | 
-- 操作元数据时是否触发更新统计信息
| innodb_stats_on_metadata    | off   |
-- 统计信息是否持久化存储
| innodb_stats_persistent    | on   |
-- innodb_stats_persistent=on，持久化统计信息采样的抽样页数
| innodb_stats_persistent_sample_pages | 20   |
-- 不推荐使用，已经被innodb_stats_transient_sample_pages替换
| innodb_stats_sample_pages   | 8   |
-- 瞬时抽样page数
| innodb_stats_transient_sample_pages | 8   |
+--------------------------------------+-------------+
  • 除了因为抽样导致统计基数不准外，mvcc也会导致基数统计不准确。例如：事务a先事务b开启且未提交，事务b删除部分数据，在可重复读中事务a还可以查询到删除的数据，此部分数据目前至少有两个版本，有一个标识为deleted的数据。
  • 主键是直接按照表的行数来估计的，表的行数，优化器直接使用show table status like ‘t’的值
  • 手动触发索引统计：
-- 重新统计索引信息
mysql> analyze table t;

排序对索引选择的影响

-- 创建表
mysql> create table `t` (
`id` int(11) not null,
`a` int(11) default null,
`b` int(11) default null,
primary key (`id`),
key `a` (`a`),
key `b` (`b`)
) engine=innodb;

-- 定义测试数据存储过程
mysql> delimiter ;
create procedure idata ()
begin

declare i int ;
set i = 1 ;
while (i <= 100000) do
 insert into t
values
 (i, i, i) ;
set i = i + 1 ;
end
while ;
end;
delimiter ;

-- 执行存储过程，插入测试数据
mysql> call idata ();

-- 查看执行计划，使用了字段a上的索引
mysql> explain select * from t where a between 10000 and 20000;
+----+-------------+-------+-------+---------------+-----+---------+------+-------+-----------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | extra         |
+----+-------------+-------+-------+---------------+-----+---------+------+-------+-----------------------+
| 1 | simple   | t   | range | a       | a  | 5    | null | 10000 | using index condition |
+----+-------------+-------+-------+---------------+-----+---------+------+-------+-----------------------+

-- 由于需要进行字段b排序，虽然索引b需要扫描更多的行数，但本身是有序的，综合扫描行数和排序，优化器选择了索引b，认为代价更小
mysql> explain select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 1;
+----+-------------+-------+-------+---------------+-----+---------+------+-------+------------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | extra               |
+----+-------------+-------+-------+---------------+-----+---------+------+-------+------------------------------------+
| 1 | simple   | t   | range | a,b      | b  | 5    | null | 50128 | using index condition; using where |
+----+-------------+-------+-------+---------------+-----+---------+------+-------+------------------------------------+

-- 方案1：通过force index强制走索引a，纠正优化器错误的选择，不建议使用（不通用，且索引名称更变语句也需要变）
mysql> explain select * from t force index(a) where (a between 1 and 1000) and (b between 50000 and 100000) order by b limit 1;
+----+-------------+-------+-------+---------------+-----+---------+------+------+----------------------------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | extra                       |
+----+-------------+-------+-------+---------------+-----+---------+------+------+----------------------------------------------------+
| 1 | simple   | t   | range | a       | a  | 5    | null | 999 | using index condition; using where; using filesort |
+----+-------------+-------+-------+---------------+-----+---------+------+------+----------------------------------------------------+

-- 方案2：引导 mysql 使用我们期望的索引，按b,a排序，优化器需要考虑a排序的代价
mysql> explain select * from t where (a between 1 and 1000) and (b between 50000 and 100000) order by b,a limit 1;
+----+-------------+-------+-------+---------------+-----+---------+------+------+----------------------------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | extra                       |
+----+-------------+-------+-------+---------------+-----+---------+------+------+----------------------------------------------------+
| 1 | simple   | t   | range | a,b      | a  | 5    | null | 999 | using index condition; using where; using filesort |
+----+-------------+-------+-------+---------------+-----+---------+------+------+----------------------------------------------------+

-- 方案3：有些场景下，我们可以新建一个更合适的索引，来提供给优化器做选择，或删掉误用的索引
alter table `t`
drop index `a`,
drop index `b`,
add index `ab` (`a`,`b`) ;

索引优化

索引选择性

索引选择性 = 基数 / 总行数

-- 表t中字段xxx的索引选择性
select count(distinct xxx)/count(id) from t;

索引的选择性，指的是不重复的索引值（基数）和表记录数的比值。选择性是索引筛选能力的一个指标，索引的取值范围是 0~1 ，当选择性越大，索引价值也就越大。

在使用普通索引查询时，会先加载普通索引，通过普通索引查询到实际行的主键，再使用主键通过聚集索引查询相应的行，以此循环查询所有的行。若直接全量搜索聚集索引，则不需要在普通索引和聚集索引中来回切换，相比两种操作的总开销可能扫描全表效率更高。

实际工作中，还是要看业务情况，如果数据分布不均衡，实际查询条件总是查询数据较少的部分，在索引选择较低的列上加索引，效果可能也很不错。

覆盖索引

覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段

-- 只需要查 id 的值，而 id 的值已经在 k 索引树上了，因此可以直接提供查询结果，不需要回表select id from t where k between 3 and 5-- 增加字段v，每次查询需要返回v，可考虑把k、v做成联合索引select id,v from t where k between 3 and 5

最左前缀原则+索引下推

-- id、name、age三列，name、age上创建联合索引-- 满足最左前缀原则，name、age均走索引select * from t where name='xxx' and age=12-- mysql自动优化，调整name、age顺序，，name、age均走索引select * from t where age=12 and name='xxx'-- name满足最左前缀原则走索引，mysql5.6引入索引下推优化（index condition pushdown)，即索引中先过滤掉不满足age=12的记录再回表select * from t where name like 'xxx%' and age=12-- 不满足最左前缀原则，均不走索引select * from t where name like '%xxx%' and age=12-- 满足最左前缀原则，name走索引select * from t where name='xxx'-- 不满足最左前缀原则，不走索引select * from t where age=12

联合索引建立原则：

  • 如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的
  • 空间：优先小字段单独建立索引，例如：name、age，可建立(name,age)联合索引和(age)单字段索引

前缀索引

mysql> create table suser(
id bigint unsigned primary key,
name varchar(64),  
email varchar(64),
...
)engine=innodb;

-- 以下查询场景
mysql> select name from suser where email='xxx';

-- 方案1：全文本索引，回表次数由符合条件的数据量决定
mysql> alter table suser add index index1(email);

-- 方案2：前缀索引，回表次数由前缀匹配结果决定
mysql> alter table suser add index index2(email(6));

前缀索引可以节省空间，但需要注意前缀长度的定义，在节省空间的同时，不能增加太多查询成本，即减少回表验证次数

如何设置合适的前缀长度？

-- 预设一个可以接受的区分度损失比，选择满足条件中最小的前缀长度
select count(distinct left(email,n))/count(distinct email) from suser;

如果合适的前缀长度较长？

比如身份证号，如果满足区分度要求，可能需要12位以上的前缀索引，节约的空间有限，又增加了查询成本，就没有必要使用前缀索引。此时，我们可以考虑使用以下方式：

倒序存储

-- 查询时字符串反转查询
mysql> select field_list from t where id_card = reverse('input_id_card_string');

使用hash字段

-- 创建一个整数字段，来保存身份证的校验码，同时在这个字段上创建索引
mysql> alter table t add id_card_crc int unsigned, add index(id_card_crc);

-- 查询时使用hash字段走索引查询，再使用原字段精度过滤
mysql> select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'

以上两种方式的缺点：

  • 不支持范围查询
  • 使用hash字段需要额外占用空间，新增了一个字段
  • 读写时需要额外的处理，reverse或者crc32等

前缀索引对覆盖索引的影响？

-- 使用前缀索引就用不上覆盖索引对查询性能的优化
select id,email from suser where email='xxx';

唯一索引

建议使用普通索引，唯一索引无法使用change buffer，内存命中率低

索引失效

  • 不做列运算，包括函数的使用，可能破坏索引值的有序性
  • 避免 %xxx 式查询使索引失效
  • or语句前后没有同时使用索引，当or左右查询字段只有一个是索引，该索引失效
  • 组合索引abc问题，最左前缀原则
  • 隐式类型转化
  • 隐式字符编码转换
  • 优化器放弃索引，回表、排序成本等因素影响，改走其它索引或者全部扫描

总结

到此这篇关于mysql索引选择以及优化的文章就介绍到这了,更多相关mysql索引选择优化内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！

赞 (0)
上一篇 2022年3月21日
下一篇 2022年3月21日

相关推荐