1.问题引出
在上一篇文章中,我们详细了解了InnoDB索引的数据结构模型,这篇我们继续聊聊MySQL的索引有关的概念,在这篇文章开始之前,我们先来看一下这个问题:
在下面这个表T中,如果执行
select * from T where k between 3 and 5,
需要执行几次树的索引操作
下面是这个表的初始化语句
mysql> create table T (
ID int primary key,
k int NOT NULL DEFAULT 0,
s varchar(16) NOT NULL DEFAULT '',
index k(k))
engine=InnoDB;
insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff')
主键索引和二级索引的情况
现在,我们来看一下这条SQL查询语句的执行流程
- 1.在k索引树上找到k = 3的记录,取得ID = 300
- 2.再到ID索引树查到ID = 300对应的R3
- 3.在k索引树上取得下一个值k = 5,取得ID = 500
- 4.再回到ID索引树查到ID = 500对应的R4
- 5.在k索引树取下一个值k = 6,不满足条件,结束.
在这个过程中,回到主键索引树搜索的过程,我们称之为回表
,可以看到,这个查询过程读了k索引树的3条记录(步骤1 3 5),回表了两次(步骤 2 4)
在这个例子中,由于查询结果所需要的数据只在主键索引上有,所以不得不回表,那么,有没有可能经过索引优化,避免回表过程呢?
所以,覆盖索引登场!!!
2.覆盖索引
如果我们执行的语句是select ID from T where 3 and 5
,这时只需要查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,也就是说,在这个查询里面,索引k已经"覆盖了"我们的查询需求,我们称为覆盖索引
由于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。
基于上面覆盖,我们来讨论一个问题,在一个市民信息表上,是否有必要将身份证号和名字建立联合索引
假设这个市民表的定义是这样的:
CREATE TABLE `tuser` (
`id` int(11) NOT NULL,
`id_card` varchar(32) DEFAULT NULL,
`name` varchar(32) DEFAULT NULL,
`age` int(11) DEFAULT NULL,
`ismale` tinyint(1) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `id_card` (`id_card`),
KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB
我们知道, 身份证号是市民的唯一标识。 也就是说, 如果有根据身份证号查询市民信息的需求,我们只要在身份证号字段上建立索引就够了。 而再建立一个(身份证号、 姓名) 的联合索引, 是不是浪费空间?
如果现在有一个高频请求, 要根据市民的身份证号查询他的姓名, 这个联合索引就有意义了
。 它可以在这个高频请求上用到覆盖索引, 不再需要回表查整行记录, 减少语句的执行时间。
当然, 索引字段的维护总是有代价的。 因此, 在建立冗余索引来支持覆盖索引时就需要权衡考虑了。
3.最左匹配原则
看到这里你一定有一个疑问, 如果为每一种查询都设计一个索引, 索引是不是太多了。 如果我现在要按照市民的身份证号去查他的家庭地址呢? 虽然这个查询需求在业务中出现的概率不高, 但总不能让它走全表扫描吧? 反过来说, 单独为一个不频繁的请求创建一个(身份证号, 地址) 的索引又感觉有点浪费。 应该怎么做呢?
B+树这种索引结构, 可以利用索引的“最左前缀”
, 来定位记录。
为了直观地说明这个概念, 我们用(name, age) 这个联合索引来分析。
可以看到, 索引项是按照索引定义里面出现的字段顺序排序的
。
当你的逻辑需求是查到所有名字是“张三”的人时, 可以快速定位到ID4, 然后向后遍历得到所有需要的结果。如果你要查的是所有名字第一个字是“张”的人, 你的SQL语句的条件是"where name like‘张%’"。 这时, 你也能够用上这个索引, 查找到第一个符合条件的记录是ID3, 然后向后遍历,直到不满足条件为止。
可以看到, 不只是索引的全部定义, 只要满足最左前缀, 就可以利用索引来加速检索。 这个最左前缀可以是联合索引的最左N个字段, 也可以是字符串索引的最左M个字符(模糊匹配符)
。
基于上面对最左前缀索引的说明, 我们来讨论一个问题: 在建立联合索引的时候, 如何安排索引内的字段顺序。
这里我们的评估标准是, 索引的复用能力。 因为可以支持最左前缀, 所以当已经有了(a,b)这个联合索引后, 一般就不需要单独在a上建立索引了。 因此, 第一原则是, 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
。
所以现在你知道了, 这段开头的问题里, 我们要为高频请求创建(身份证号, 姓名) 这个联合索引, 并用这个索引支持“根据身份证号查询地址”的需求。
那么, 如果既有联合查询, 又有基于a、 b各自的查询呢?
查询条件里面只有b的语句, 是无法使用(a,b)这个联合索引的, 这时候你不得不维护另外一个索引, 也就是说你需要同时维护(a,b)、(b) 这两个索引。这时候, 我们要考虑的原则就是空间了。 比如上面这个市民表的情况, name字段是比age字段大的 , 那我就建议你创建一个(name,age)的联合索引和一个(age)的单字段索引。
4.索引下推
上一段我们说到满足最左前缀原则的时候, 最左前缀可以用于在索引中定位记录。 这时, 你可能要问, 那些不符合最左前缀的部分, 会怎么样呢?
我们还是以市民表的联合索引(name, age) 为例。 如果现在有一个需求: 检索出表中“名字第一个字是张, 而且年龄是10岁的所有男孩”。 那么, SQL语句是这么写的:
select * from tuser where name like '张%' and age=10 and ismale=1;
你已经知道了前缀索引规则, 所以这个语句在搜索索引树的时候, 只能用 “张”, 找到第一个满足条件的记录ID3。 当然, 这还不错, 总比全表扫描要好。
然后呢?
当然是判断其他条件是否满足
- 在MySQL 5.6之前, 只能从ID3开始一个个回表。 到主键索引上找出数据行, 再对比字段值。
- 而MySQL 5.6 引入的索引
下推优化 (indexcondition pushdown)
, 可以在索引遍历过程中, 对索引中包含的字段先做判断, 直接过滤掉不满足条件的记录, 减少回表次数。
有无索引下推的执行流程
无索引下推的过程(图一)
有索引下推的过程(图二)
在图1和2这两个图里面, 每一个虚线箭头表示回表一次。
图1中 (无索引下推) , 在(name,age)索引里面特意去掉了age的值, 这个过程InnoDB并不会去看age的值,只是按顺序把“name第一个字是’张’”的记录一条条取出来回表
。 因此, 需要回表4次。
图2跟图1的区别是, InnoDB在(name,age)索引内部就判断了age是否等于10, 对于不等于10的记录, 直接判断并跳过。 在我们的这个例子中, 只需要对ID4、 ID5这两条记录回表取数据判断, 就只需要回表2次。