【MySQL】如何创建好索引

索引基础

在MySQL中，存储引擎首先在索引中找到对应值，然后根据匹配的索引记录找到对应的数据行。

优点

• 大大减少了服务器需要扫描的数据行数。
• 帮助服务器避免进行排序和分组，以及避免创建临时表（B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。临时表主要是在排序和分组过程中创建，不需要排序和分组，也就不需要创建临时表）。
• 将随机 I/O 变为顺序 I/O（B+Tree 索引是有序的，会将相邻的数据都存储在一起）。

B+ Tree原理

1. 数据结构

B Tree 指的是 Balance Tree，也就是平衡树。平衡树是一颗查找树，并且所有叶子节点位于同一层。

B+ Tree 是基于 B Tree 和叶子节点顺序访问指针进行实现，它具有 B Tree 的平衡性，并且通过顺序访问指针来提高区间查询的性能。

在 B+ Tree 中，一个节点中的 key 从左到右非递减排列，如果某个指针的左右相邻 key 分别是 keyi 和 keyi+1，且不为 null，则该指针指向节点的所有 key 大于等于 keyi 且小于等于 keyi+1。

2. 操作

进行查找操作时，首先在根节点进行二分查找，找到一个 key 所在的指针，然后递归地在指针所指向的节点进行查找。直到查找到叶子节点，然后在叶子节点上进行二分查找，找出 key 所对应的 data。

插入删除操作会破坏平衡树的平衡性，因此在插入删除操作之后，需要对树进行一个分裂、合并、旋转等操作来维护平衡性。

3. 与红黑树的比较

红黑树等平衡树也可以用来实现索引，但是文件系统及数据库系统普遍采用 B+ Tree 作为索引结构，主要有以下两个原因：

（一）更少的查找次数

平衡树查找操作的时间复杂度和树高 h 相关，O(h)=O(logdN)，其中 d 为每个节点的出度。

红黑树的出度为 2，而 B+ Tree 的出度一般都非常大，所以红黑树的树高 h 很明显比 B+ Tree 大非常多，查找的次数也就更多。

（二）利用磁盘预读特性

为了减少磁盘 I/O 操作，磁盘往往不是严格按需读取，而是每次都会预读。预读过程中，磁盘进行顺序读取，顺序读取不需要进行磁盘寻道，并且只需要很短的磁盘旋转时间，速度会非常快。

操作系统一般将内存和磁盘分割成固定大小的块，每一块称为一页，内存与磁盘以页为单位交换数据。数据库系统将索引的一个节点的大小设置为页的大小，使得一次 I/O 就能完全载入一个节点。并且可以利用预读特性，相邻的节点也能够被预先载入。

MySQL索引

索引是在存储引擎层实现的，而不是在服务器层实现的，所以不同存储引擎具有不同的索引类型和实现。

1. B+ Tree索引

是大多数 MySQL 存储引擎的默认索引类型。

MyISAM使用前缀压缩技术使得索引更小，InnoDB按原数据格式进行存储。MyISAM通过数据的（行号）物理位置引用被索引的行，InnoDB根据主键引用被索引的行。

不再需要进行全表扫描，从索引（树）的根节点开始进行搜索，所以查找速度快很多。

根节点的槽中存放了指向子结点的指针，这些指针实际上定义了子节点页中的上限和下限，由于节点直接是按照顺序排列的，在分组查询和范围查询中，可以直接锁定范围，所以根据范围查找的速度也会很快。

可以指定多个列作为索引列，多个索引列共同组成键。注意当一个索引包含了多个列值时，索引对多个值进行排序的依据是 CREATE TABLE 语句中定义索引时列的顺序。

适用于全键值、键值范围和键前缀查找，其中键前缀查找只适用于最左前缀查找。

查询类型

1. 全值匹配

指的是和索引中的所有列进行匹配。

1. 匹配最左前缀

当多个列组成索引列时，只使用索引的第一列。

1. 匹配列前缀

只匹配某一列的值的开头部分。

1. 匹配范围值

可以查找特定范围的数据。

1. 精确匹配某一列并范围匹配另一列

第一列全匹配，第二列范围匹配。

1. 只访问索引的查询

查询只需要访问索引，而无须访问数据行。

限制

如果不是按照索引列的顺序进行查找，则无法使用索引。

不能跳过索引中的列。

如果查询中有某个列的范围查询，则其右边所有列都无法使用索引优化查找。

索引的限制都和索引列的顺序有关，在性能优化时，可以使用相同的列但顺序不同的索引来满足不同类型的查询需求。

主索引与辅助索引

InnoDB 的 B+Tree 索引分为主索引和辅助索引，主索引是按主键值顺序索引，辅助索引是按列值的随机排列索引。

主索引的叶子节点 data 域记录着完整的数据记录，这种索引方式被称为聚簇索引。因为无法把数据行存放在两个不同的地方，所以一个表只能有一个聚簇索引。

因为索引中存储了实际的列值，所以某些查询只需要索引就能完成全部查询。

辅助索引的叶子节点的 data 域记录着主键的值，因此在使用辅助索引进行查找时，需要先查找到主键值，然后再到主索引中进行查找。

如果通过辅助索引查找行，需要先找到对应的主键值，然后根据这个值去聚簇索引中查找到对应的行，自适应哈希索引能够减少这个的工作。

2. 哈希索引

哈希索引基于哈希表实现，能以 O(1) 时间进行查找，但是失去了有序性：

• 无法用于排序与分组；
• 只支持精确查找，无法用于部分查找和范围查找。

对于每一行数据，存储引擎都会对所有的索引列计算出一个哈希码，不同键值的行的哈希码不一样。

哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。如果多个列的哈希值相同，索引会以链表的方式存放多个记录指针到同一个哈希条目中。

哈希索引自身只需要存储对应的哈希值，所以索引的结构十分紧凑，这也让哈希查找的速度可以达到常数时间。

数据结构

哈希表里有两个列，一个是槽，放置经过哈希处理的槽值。一个是槽值对应的数据行所在位置。

槽的编号是顺序的，而数据行不是，这也就意味着在哈希索引中是无法实现排序与分组的，只支持精确查找，无法用于部分查找和范围查找。

查找过程

MySQL先计算出之前使用了哈希存储的条件的哈希值，并使用该值寻找对应的记录指针，因为可能不同的值经过哈希处理后可能会出现相同的哈希值，所以查找到数据行后还要比较该行的条件是否符合。

访问哈希索引的数据非常快，除非有很多哈希冲突。当出现哈希冲突的时候，存储引擎必须遍历链表中所有的行指针，逐行进行比较，直到找到所有符合条件的行。

存在的限制

只包含哈希值和行指针，而不存储字段值，所以不能使用索引中的值来避免读取行。

哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序。

哈希索引也不支持部分索引列匹配查找，因为哈希索引始终是使用索引列的全部内容来计算哈希值的。

哈希索引值支持等值比较查询，也不支持范围查询。

使用

InnoDB 存储引擎有一个特殊的功能叫“自适应哈希索引”，当某个索引值被使用的非常频繁时，会在 B+Tree 索引之上自动再创建一个哈希索引，这样就让 B+Tree 索引具有哈希索引的一些优点，比如快速的哈希查找。

如果存储引擎不支持哈希索引，可以创建自定义哈希索引：在B+ Tree基础上创建一个伪哈希索引，使用哈希值而不是剑指本身进行索引查找，然后在查询的WHERE子句中手动指定使用哈希函数。

实例

需要存储大量URL，并需要根据URL进行搜索查找。

可以新增一个crc索引列，使用CRC32做哈希，MySQL优化器会使用这个选择性很高而体积很小的基于crc列的索引来完成查找。

若多个记录有相同的索引值，根据哈希值做快速的整数比较就能找到索引条目，然后一一比较返回对应的行。

可以使用触发器在插入和更新时维护crc列。要避免哈希冲突，必须在WHERE中代入哈希值和队列列值。

3. 全文索引

MyISAM 存储引擎支持全文索引，用于查找文本中的关键词，而不是直接比较是否相等。

查找条件使用 MATCH AGAINST，而不是普通的 WHERE。

全文索引使用倒排索引实现，它记录着关键词到其所在文档的映射。

InnoDB 存储引擎在 MySQL 5.6.4 版本中也开始支持全文索引。

4. 空间数据索引

MyISAM 存储引擎支持空间数据索引（R-Tree），可以用于地理数据存储。空间数据索引会从所有维度来索引数据，可以有效地使用任意维度来进行组合查询。

必须使用 GIS 相关的函数来维护数据。

索引优化

1. 独立的列

在进行查询时，索引列不能是表达式的一部分，也不能是函数的参数，否则无法使用索引。

例如下面的查询不能使用 actor_id 列的索引：

SELECT actor_idFROM sakila.actorWHERE actor_id + 1 = 5;123

一个良好的使用WHERE条件是始终将索引列单独放在比较符号的一侧。

2. 多列索引

MySQL 5.0 和更新版本引入了“索引合并”的策略，查询能跟同时使用多个单列索引来进行扫描，并将结果合并。

有三种合并算法，OR条件的联合，AND条件的相交，以及前两个的结合。

MySQL会使用一些技术来优化辅助查询，索引合并策略是一种优化的结果。

优化器不会把联合操作中所使用的缓存、排序、合并的成本计算到“查询成本”上，优化器只看随机页面读取的成本。

3. 索引列的顺序

让选择性最强的索引列放在前面，但更重要的是避免随机I/O和排序。

例如下面显示的结果中 customer_id 的选择性比 staff_id 更高，因此最好把 customer_id 列放在多列索引的前面。

SELECT COUNT(DISTINCT staff_id)/COUNT(*) AS staff_id_selectivity,COUNT(DISTINCT customer_id)/COUNT(*) AS customer_id_selectivity,COUNT(*)FROM payment;1234Copy to clipboardErrorCopiedstaff_id_selectivity: 0.0001customer_id_selectivity: 0.0373COUNT(*): 160491234

4. 前缀索引

前缀索引是一种能使索引更小、更快的有效办法，缺点是MySQL无法使用前缀索引做分组和排序操作，也无法使用前缀索引做覆盖扫描。

当索引很长的时候，可以使用模拟哈希索引，或者索引开始的部分字符，从而节约索引空间，提高索引效率。前缀应该足够长，使得前缀索引的选择性接近于索引的整个列。

索引的选择性是指：不重复的索引值和记录总数的比值。最大值为 1，此时每个记录都有唯一的索引与其对应。选择性越高，每个记录的区分度越高，查询效率也越高。

为了决定前缀的合适长度，需要找到最常见的值的列表，然后和最常见的前缀列表进行比较。一个办法是，计算完整列的选择性，并使前缀的选择性接近于完整列的选择性。

不仅要看评价选择性，同时也要注意最坏情况下的选择性。常见使用场景是针对很长的十六进制唯一ID使用前缀索引。

5. 覆盖索引

索引包含所有需要查询的字段的值。

优点：

• 索引通常远小于数据行的大小，只读取索引能大大减少数据访问量。
• 一些存储引擎（例如 MyISAM）在内存中只缓存索引，而数据依赖于操作系统来缓存。因此，只访问索引可以不使用系统调用（通常比较费时）。
• 对于 InnoDB 引擎，若辅助索引能够覆盖查询，则无需访问主索引。

能在索引中做最左前缀匹配的LIKE比较，如果是通配符开头的LIKE查询则无法比较。

聚簇索引

聚簇索引是一种数据存储方式。

InnoDB的聚簇索引仔同一个结构保存了索引和数据行，其中数据行存放仔索引的叶子页中。叶子页包含了行的全部数据，但是叶节点页只包含了索引列。

InnoDB通过主键聚集数据，如果没有主键，InnoDB会选择一个唯一的非空索引代替，如果没有，会隐式定义一个主键来作为聚簇索引。

优点

• 把相关数据保存在一起，减少I/O读取次数。
• 数据访问更快。
• 可以直接使用页节点中的主键值。

缺点

• 插入速度严重依赖于插入顺序，可以使用OPTIMIZE TABLE命令重新组织表。
• 因为会强制InnoDB将每个被更新的行移动到新的位置，所以更新聚簇索引列的代价很高。
• 可能会发生“页分裂”现象。当的主键值要求必须将这一行插入到某个已满的页中时，会将该页分裂成两个页面来容纳该行。页分裂会导致表占用更多的磁盘空间。
• 在行比较稀疏或数据存储不连续时，可能导致全表扫描变慢。

索引的优点

• 大大减少了服务器需要扫描的数据行数。
• 帮助服务器避免进行排序和分组，以及避免创建临时表（B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。临时表主要是在排序和分组过程中创建，不需要排序和分组，也就不需要创建临时表）。
• 将随机 I/O 变为顺序 I/O（B+Tree 索引是有序的，会将相邻的数据都存储在一起）。

索引的使用条件

• 对于非常小的表、大部分情况下简单的全表扫描比建立索引更高效；
• 对于中到大型的表，索引就非常有效；
  ，可能导致全表扫描变慢。

索引的优点

• 大大减少了服务器需要扫描的数据行数。
• 帮助服务器避免进行排序和分组，以及避免创建临时表（B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。临时表主要是在排序和分组过程中创建，不需要排序和分组，也就不需要创建临时表）。
• 将随机 I/O 变为顺序 I/O（B+Tree 索引是有序的，会将相邻的数据都存储在一起）。

索引的使用条件

• 对于非常小的表、大部分情况下简单的全表扫描比建立索引更高效；
• 对于中到大型的表，索引就非常有效；
• 但是对于特大型的表，建立和维护索引的代价将会随之增长。这种情况下，需要用到一种技术可以直接区分出需要查询的一组数据，而不是一条记录一条记录地匹配，例如可以使用分区技术。