MySQL之组合索引

1. 问题

1.1 组合索引问题

表结构：t_teacher

下面语句会走idx_name_age_business 吗？

1） select * from t_teacher where real_name= '王文涛' and age=60 and business_director=1634870465729;

2) select * from t_teacher where real_name= '王文涛' and age>60 and business_director=1634870465729;

3） select * from t_teacher where real_name= '王文涛' and business_director=1634870465729;

4） select * from t_teacher where real_name!= '王文涛' ;

2. 索引

2.1 索引是什么？

Mysql官方定义：索引（Index）是帮助MySQL高效获取数据的数据结构。

索引的本质：索引是数据结构，而且是实现了高级查找算法的数据结构。

2.2 索引结构

2.2.1 Hash索引

• 对索引的key进行一次hash计算就可以定位出数据存储的位置

• 等值查询时，哈希索引要比B+ 树索引更高效

• 仅能满足 “=”，“IN”，不支持范围查询，不支持索引完进行排序，like 'xx%' 模糊查询、联合索引

• 在有大量重复键值情况下，哈希索引的效率极低，因存在hash冲突问题

2.2.2 B-Tree

• 度(Degree)-节点的数据存储个数

• 叶子节点具有相同的深度

• 叶子节点的指针为空

• 节点中的数据key从左到右递增排列

2.2.3 B+Tree

• 非叶子节点不存储data，只存储key，可以增大度

• 叶子节点不存储指针

• 顺序访问指针，提高区间访问的性能

3. Mysql索引实现

3.1 MyISAM索引实现

MyISAM索引文件和数据文件是分离的，所以是非聚簇索引

3.1.1 主键索引

3.1.2 二级索引

3.2 InnoDB索引实现

索引与数据文件存储在一起,所以是聚簇索引

• 数据文件本身就是索引文件

• 表数据文件本身就是按B+Tree组成的一个索引结构文件

• 聚集索引-叶节点包含了完整的数据记录

• InnoDB要求表有主键，并且推荐使用整型的自增主键

3.1.1 主键索引

3.1.2 二级索引

4. 索引原理

4.1 磁盘I/O & 预读

表数据保存在磁盘上，而为了提高性能，每次把部分数据读入内存来计算，因访问磁盘的成本大概是访问内存的十万倍左右。

磁盘读取数据靠的是机械运动，每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分。

• 寻道时间：指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下；

• 旋转延迟：磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，也就是说1秒钟能转120次，旋转延迟就是1/120/2 = 4.17ms；

• 传输时间：从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒

一次磁盘IO的时间约等于5+4.17 = 9ms左右，看起来1次很少，但数据库动辄十万百万乃至千万级数据，每次9ms ,加起来也是很慢。

预读

考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页.

所以我们读取一页内的数据时候，实际上才发生了一次IO。

4.2 B+Tree查找原理

引入索引目的就是：每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。

B+Tree的数据页结构如下：

B+Tree查找例子详解：

1.如上图，是一颗b+树，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示）。

如磁盘块1包含数据项17和35，包含指针P1、P2、P3，P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。

真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中

2.查找过程

如图所示，如果要查找数据项29的话

• 首先会把磁盘块1由磁盘加载到内存，此时发生一次IO，在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，内存时间因为非常短（相比磁盘的IO）可以忽略不计;

• 通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存，发生第二次IO，

• 29在26和30之间，锁定磁盘块3的P2指针，通过指针加载磁盘块8到内存，发生第三次IO，同时内存中做二分查找找到29，结束查询，总计三次IO。

真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高。

3.B+Tree性质

• 通过上面的分析，我们知道IO次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。

• 当b+树的数据项是复合的数据结构（组合索引），比如(name,age,sex)的组合索引的时候，b+数是按照从左到右的顺序来建立搜索树的，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。

5. 索引实践

5.1 全值匹配

EXPLAIN select * from t_teacher where real_name= '王文涛' and age=60 and business_director=1634870465729;

5.2 最左前缀法则

如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中的列。

EXPLAIN select * from t_teacher where age=60 and business_director=1634870465729;

EXPLAIN select * from t_teacher where business_director=1634870465729;

EXPLAIN select * from t_teacher where real_name= '王文涛';

5.3 不在索引列上做任何操作

在索引列上做任何操作（计算、函数、（自动or手动）类型转换），会导致索引失效而转向全表扫描

EXPLAIN select * from t_teacher where left(real_name,3)= '王文涛';

5.4 不能使用索引中范围条件右边的列

EXPLAIN select * from t_teacher where real_name= '王文涛' and age>60 and business_director=1634870465729;

5.5 尽量使用覆盖索引

EXPLAIN select real_name,age,business_director from t_teacher where real_name= '王文涛' and age=60 and business_director=1634870465729;

5.6 mysql在使用不等于时无法使用索引会

EXPLAIN select * from t_teacher where real_name!= '王文涛' ;

5.7 is null,is not null 也无法使用索引

EXPLAIN select * from t_teacher where real_name is null;

5.8 字符串不加单引号索引失效

EXPLAIN select * from t_teacher where real_name= 11111 ；

6.ERP慢查询组合索引实践

6.1 订单管理->订单信息 慢查询

Sql:

select p.* , ( select group_concat(t1.inventory_code) from t_order_inventory t1 where t1.order_id = p.order_id and t1.site = p.site and t1.is_deleted = 0 ) as inventoryCodes from t_order_info p where p.is_deleted = 0 order by order_time desc, p.update_time desc limit 20;

a.未加组合索引前：

查询时间：8.6s

b.加组合索引(`idx_order_time` (`order_time`,'update_time'))后：

查询时间：0.2s, 相差40倍

效率的巨大变大，切身体会，需要我们用好组合索引。希望对大家有帮助，谢谢。

原创作品，请大家转载点赞，谢谢。