|
|
|
|
|
# 05 | 深入浅出索引（下）
|
|
|
|
|
|
|
|
|
|
|
|
在上一篇文章中，我和你介绍了InnoDB索引的数据结构模型，今天我们再继续聊聊跟MySQL索引有关的概念。
|
|
|
|
|
|
|
|
|
|
|
|
在开始这篇文章之前，我们先来看一下这个问题：
|
|
|
|
|
|
|
|
|
|
|
|
在下面这个表T中，如果我执行 select \* from T where k between 3 and 5，需要执行几次树的搜索操作，会扫描多少行？
|
|
|
|
|
|
|
|
|
|
|
|
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'),(700,7,'gg');
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
图1 InnoDB的索引组织结构
|
|
|
|
|
|
|
|
|
|
|
|
现在，我们一起来看看这条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索引树取下一个值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，循环结束。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
在这个过程中，**回到主键索引树搜索的过程，我们称为回表**。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和5），回表了两次（步骤2和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？
|
|
|
|
|
|
|
|
|
|
|
|
# 覆盖索引
|
|
|
|
|
|
|
|
|
|
|
|
如果执行的语句是select ID from T where k between 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。**
|
|
|
|
|
|
|
|
|
|
|
|
需要注意的是，在引擎内部使用覆盖索引在索引k上其实读了三个记录，R3~R5（对应的索引k上的记录项），但是对于MySQL的Server层来说，它就是找引擎拿到了两条记录，因此MySQL认为扫描行数是2。
|
|
|
|
|
|
|
|
|
|
|
|
> 备注：关于如何查看扫描行数的问题，我将会在第16文章《如何正确地显示随机消息？》中，和你详细讨论。
|
|
|
|
|
|
|
|
|
|
|
|
基于上面覆盖索引的说明，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。这正是业务DBA，或者称为业务数据架构师的工作。
|
|
|
|
|
|
|
|
|
|
|
|
# 最左前缀原则
|
|
|
|
|
|
|
|
|
|
|
|
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？
|
|
|
|
|
|
|
|
|
|
|
|
这里，我先和你说结论吧。**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。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
图2 （name，age）索引示意图
|
|
|
|
|
|
|
|
|
|
|
|
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。
|
|
|
|
|
|
|
|
|
|
|
|
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。
|
|
|
|
|
|
|
|
|
|
|
|
# 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：
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
mysql> 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（index condition 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。
|
|
|
|
|
|
|
|
|
|
|
|
图3和图4，是这两个过程的执行流程图。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
图3 无索引下推执行流程
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
图4 索引下推执行流程
|
|
|
|
|
|
|
|
|
|
|
|
在图3和4这两个图里面，每一个虚线箭头表示回表一次。
|
|
|
|
|
|
|
|
|
|
|
|
图3中，在(name,age)索引里面我特意去掉了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4跟图3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。
|
|
|
|
|
|
|
|
|
|
|
|
# 小结
|
|
|
|
|
|
|
|
|
|
|
|
今天这篇文章，我和你继续讨论了数据库索引的概念，包括了覆盖索引、前缀索引、索引下推。你可以看到，在满足语句需求的情况下， 尽量少地访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标。
|
|
|
|
|
|
|
|
|
|
|
|
接下来我给你留下一个问题吧。
|
|
|
|
|
|
|
|
|
|
|
|
实际上主键索引也是可以使用多个字段的。DBA小吕在入职新公司的时候，就发现自己接手维护的库里面，有这么一个表，表结构定义类似这样的：
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
CREATE TABLE `geek` (
|
|
|
|
|
|
`a` int(11) NOT NULL,
|
|
|
|
|
|
`b` int(11) NOT NULL,
|
|
|
|
|
|
`c` int(11) NOT NULL,
|
|
|
|
|
|
`d` int(11) NOT NULL,
|
|
|
|
|
|
PRIMARY KEY (`a`,`b`),
|
|
|
|
|
|
KEY `c` (`c`),
|
|
|
|
|
|
KEY `ca` (`c`,`a`),
|
|
|
|
|
|
KEY `cb` (`c`,`b`)
|
|
|
|
|
|
) ENGINE=InnoDB;
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
公司的同事告诉他说，由于历史原因，这个表需要a、b做联合主键，这个小吕理解了。
|
|
|
|
|
|
|
|
|
|
|
|
但是，学过本章内容的小吕又纳闷了，既然主键包含了a、b这两个字段，那意味着单独在字段c上创建一个索引，就已经包含了三个字段了呀，为什么要创建“ca”“cb”这两个索引？
|
|
|
|
|
|
|
|
|
|
|
|
同事告诉他，是因为他们的业务里面有这样的两种语句：
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
select * from geek where c=N order by a limit 1;
|
|
|
|
|
|
select * from geek where c=N order by b limit 1;
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
我给你的问题是，这位同事的解释对吗，为了这两个查询模式，这两个索引是否都是必须的？为什么呢？
|
|
|
|
|
|
|
|
|
|
|
|
你可以把你的思考和观点写在留言区里，我会在下一篇文章的末尾和你讨论这个问题。感谢你的收听，也欢迎你把这篇文章分享给更多的朋友一起阅读。
|
|
|
|
|
|
|
|
|
|
|
|
# 上期问题时间
|
|
|
|
|
|
|
|
|
|
|
|
上期的问题是，通过两个alter 语句重建索引k，以及通过两个alter语句重建主键索引是否合理。
|
|
|
|
|
|
|
|
|
|
|
|
在评论区，有同学问到为什么要重建索引。我们文章里面有提到，索引可能因为删除，或者页分裂等原因，导致数据页有空洞，重建索引的过程会创建一个新的索引，把数据按顺序插入，这样页面的利用率最高，也就是索引更紧凑、更省空间。
|
|
|
|
|
|
|
|
|
|
|
|
这道题目，我给你的“参考答案”是：
|
|
|
|
|
|
|
|
|
|
|
|
重建索引k的做法是合理的，可以达到省空间的目的。但是，重建主键的过程不合理。不论是删除主键还是创建主键，都会将整个表重建。所以连着执行这两个语句的话，第一个语句就白做了。这两个语句，你可以用这个语句代替 ： alter table T engine=InnoDB。在专栏的第12篇文章《为什么表数据删掉一半，表文件大小不变？》中，我会和你分析这条语句的执行流程。
|
|
|
|
|
|
|
|
|
|
|
|
评论区留言中， @壹笙☞漂泊 做了很详细的笔记，@高枕 帮同学解答了问题，@约书亚 提了一个很不错的面试问题。在这里，我要和你们道一声感谢。
|
|
|
|
|
|
|
|
|
|
|
|
PS：如果你在面试中，曾有过被MySQL相关问题难住的经历，也可以把这个问题发到评论区，我们一起来讨论。如果解答这个问题，需要的篇幅会很长的话，我可以放到答疑文章展开。
|
|
|
|
|
|
|
