索引概述

索引是帮助 MySQL 高效获取数据的有序的数据结构。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查询算法，这种数据结构就是索引。

优缺点：

优点：

提高数据检索效率，降低数据库的IO成本
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗

缺点：

索引列也是要占用磁盘空间的
索引大大提高了查询效率，但降低了更新表的速度，比如 INSERT、UPDATE、DELETE

实际上索引的缺点可以忽略：
1.磁盘比较便宜
2.往往在使用索引的表中，查询操作频率高，增删改频率低

索引结构

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含一下几种：

索引结构	描述
B+Tree	最常见的索引类型，大部分引擎都支持B+树索引
Hash	底层数据结构是用哈希表实现，性能高支持精确查询，但不支持范围查询
R-Tree(空间索引)	空间索引是 MyISAM 引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-Text(全文索引)	是一种通过建立倒排索引，快速匹配文档的方式，类似于 Lucene, Solr, ES

索引	InnoDB	MyISAM	Memory
B+Tree索引	支持	支持	支持
Hash索引	不支持	不支持	支持
R-Tree索引	不支持	支持	不支持
Full-text	5.6版本后支持	支持	不支持

注意：
1.B+Tree索引不同的存储引擎基本都支持，Hash索引只有Memory支持
2.平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引

B-Tree

在讲解B树之前，我们首先看看二叉树：

二叉树缺点：
1.数据本身有序，构建二叉树会退化成链表，这是性能大大降低，等于全表查询
2.由于二叉树只有两个分支，如果数据量比较大，层级会很深，检索速度也会很低

二叉树的缺点可以用红黑树来解决：

红黑树的缺点：红黑树本质也是二叉树，也存在上述二叉树的缺点2，为了解决这个问题，可以使用 B-Tree 结构。

以一棵最大度数为5（5阶）的 B-Tree(多路平衡查找树) 为例（每个节点最多存储4个key，5个指针）

B-Tree结构

须知：
1.多路：一个节点下可以有多颗子树，这样就可以解决二叉树在数据量大的情况下，层级较深的情况
2.度数：一个节点的子节点/子树的个数
3.指针数等于子节点数

动态构建B树演示地址：https://www.cs.usfca.edu/~galles/visualization/BTree.html
子树分裂原则:中间节点向上分裂

总结：对于B树来说，每个节点的每个key下都会挂着数据

B+Tree

结构图：
B+Tree结构图

演示地址：https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

B+树分裂效果图

B+树与B树
1.区别：

所有的key都会出现在叶子节点
叶子节点形成一个单向链表
数据只挂在叶子节点的key下
非叶子节点只起到索引的作用

2.相同点：

B+Tree本质是B树的变种，因此也遵循子树分裂原则

MySQL 索引数据结构对经典的 B+Tree 进行了优化。在原 B+Tree 的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的 B+Tree（其实最终就形成了一个双向链表），提高区间访问的性能。另外一个节点是存储在一个页中的，在InnoDB中一个页大小默认是16KB

MySQL B+Tree 结构图

Hash

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。如果两个（或多个）键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表（拉链法）来解决。

Hash索引原理图

特点：

Hash索引只能用于等值查询（=、in），不支持范围查询（betwwn、>、<、…）
无法利用索引完成排序操作
查询效率高，通常只需要一次检索（前提是不出现hash碰撞）就可以了，效率通常要高于 B+Tree 索引

存储引擎支持：

Memory
InnoDB: 具有自适应hash功能，hash索引是存储引擎根据 B+Tree 索引在指定条件下自动构建的

面试题

为什么 InnoDB 存储引擎选择使用 B+Tree 索引结构？

在相同数据量的情况下，相对于二叉树/红黑树，B+树层级更少，搜索效率更高
相对于B树，非叶子节点不存储数据，一页中可以存储更多的指针，因此在相同数据量情况下，B+树的层级更浅，检索速度更快，另外由于B+树只在叶子节点存储数据，因此搜索效率稳定，而且叶子节点形成了一个双向链表，范围查询更加高效
相对于 Hash 索引，B+Tree 支持范围匹配及排序操作

索引分类

分类	含义	特点	关键字
主键索引	针对于表中主键创建的索引	默认自动创建，只能有一个	PRIMARY
唯一索引	避免同一个表中某数据列中的值重复	可以有多个	UNIQUE
常规索引	快速定位特定数据	可以有多个
全文索引	全文索引查找的是文本中的关键词，而不是比较索引中的值	可以有多个	FULLTEXT

在 InnoDB 存储引擎中，根据索引的存储形式，又可以分为以下两种：

分类	含义	特点
聚集索引(Clustered Index)	将数据存储与索引放一块，索引结构的叶子节点保存了行数据	必须有，而且只有一个
二级索引(Secondary Index)	将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键	可以存在多个

演示图：

大致原理演示图

聚集索引选取规则：

如果存在主键，主键索引就是聚集索引
如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引
如果表没有主键或没有合适的唯一索引，则 InnoDB 会自动生成一个 rowid 作为隐藏的聚集索引

思考题

1. 以下 SQL 语句，哪个执行效率高？为什么？

  
select * from user where id = 10;
select * from user where name = 'Arm';
-- 备注：id为主键，name字段创建的有索引

答：第一条语句，因为第二条需要回表查询，相当于两个步骤。

2. InnoDB 主键索引的 B+Tree 高度为多少？

答：假设一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB 的指针占用6个字节的空间，主键假设为bigint，占用字节数为8. 可得公式：n * 8 + (n + 1) * 6 = 16 * 1024，其中 8 表示 bigint 占用的字节数，n 表示当前节点存储的key的数量，(n + 1) 表示指针数量（比key多一个）。算出n约为1170。

如果树的高度为2，那么他能存储的数据量大概为：1171 * 16 = 18736；如果树的高度为3，那么他能存储的数据量大概为：1171 * 1171 * 16 = 21939856。

另外，如果有成千上万的数据，那么就要考虑分表，涉及运维篇知识。

索引语法

创建索引：

  
create [ unique | fulltext ] index index_name on table_name (index_col_name, ...);

如果不加 CREATE 后面不加索引类型参数，则创建的是常规索引，如果关联多个字段，建立的就是联合索引

查看索引： SHOW INDEX FROM table_name;

删除索引： DROP INDEX index_name ON table_name;

案例：

  
-- name字段为姓名字段，该字段的值可能会重复，为该字段创建索引
create index idx_user_name on tb_user(name);
-- phone手机号字段的值非空，且唯一，为该字段创建唯一索引
create unique index idx_user_phone on tb_user (phone);
-- 为profession, age, status创建联合索引
create index idx_user_pro_age_stat on tb_user(profession, age, status);
-- 为email建立合适的索引来提升查询效率
create index idx_user_email on tb_user(email);

-- 删除索引
drop index idx_user_email on tb_user;

SQL性能分析

SQL执行频次

为什么要查询SQL执行频次? SQL优化主要对查询语句进行优化，如果数据库的查询语句频次远小于增删改的频次，就没必要进行SQL优化了

查看当前数据库的 INSERT, UPDATE, DELETE, SELECT 访问频次：
SHOW GLOBAL STATUS LIKE 'Com_______'; 或者 SHOW SESSION STATUS LIKE 'Com_______';

查询效果图

慢查询日志

慢查询日志为我们定位出那些SQL查询语句效率比较低

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志。 MySQL的慢查询日志默认没有开启，需要在MySQL的配置文件（/etc/my.cnf，这也是Linux系统位置）中配置如下信息：

# 开启慢查询日志开关
slow_query_log=1
# 设置慢查询日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time=2

更改后记得重启MySQL服务，日志文件位置：/var/lib/mysql/localhost-slow.log（Linux系统位置）

查看慢查询日志开关状态： show variables like 'slow_query_log';

慢查询效果图

show profiles

慢查询需要我们指定long_query_time，相对来说不太灵活，实际上有些sql虽然小于long_query_time，但也需要优化，于是通过show profiles我们可以查询任意一条SQL语句执行耗时的详细情况

show profile 能在做SQL优化时帮我们了解时间都耗费在哪里。
1.通过 have_profiling 参数，能看到当前 MySQL 是否支持 profile 操作：SELECT @@have_profiling;
2.profiling 默认关闭，可以通过set语句在session/global级别开启 profiling：SET [session/global] profiling = 1;
3.查看所有语句的耗时：show profiles;
4.查看指定query_id的SQL语句各个阶段的耗时：show profile for query query_id;
5.查看指定query_id的SQL语句CPU的使用情况：show profile cpu for query query_id;

show profiles效果图

explain

前面介绍的慢查询和show profiles都是单纯从时间判断一条SQL是否需要优化，而实际上不仅仅是执行时间，语句是否使用索引，多表查询中表的连接顺序等等也是判断的标准，而explain就能获取到这些信息

EXPLAIN或者DESC命令获取select语句的执行计划

语法：

# 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 HWERE 条件;

EXPLAIN 各字段含义：

id：select 查询的序列号，表示查询中执行 select 子句或者操作表的顺序（id相同，执行顺序从上到下；id不同，值越大越先执行）
select_type：表示 SELECT 的类型，常见取值有SIMPLE（简单表，即不适用表连接或者子查询）、PRIMARY（主查询，即外层的查询）、UNION（UNION中的第二个或者后面的查询语句）、SUBQUERY（SELECT/WHERE之后包含了子查询）等（参考意义不大）
type：表示连接类型，性能由好到差的连接类型为 NULL、system、const、eq_ref、ref、range、index、all（比较重要，根据主键或唯一索引查询一般为const，如果是非唯一索引则一般是ref，all是全表扫描，index表示用了索引但扫描了所有索引）
possible_keys：可能应用在这张表上的索引，一个或多个
Key：实际使用的索引，如果为 NULL，则没有使用索引
Key_len：表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好，也就是说索引字段尽量占用空间少
rows：MySQL认为必须要执行的行数，在InnoDB引擎的表中，是一个估计值，可能并不总是准确的
filtered：表示返回结果的行数占需读取行数的百分比，filtered的值越大越好
Extra：前面字段没有展示的信息会在Extra中展示

总结：开发人员进行SQL优化时最主要关注的就是explain，而在explain中我们主要关注type，possible_keys、key、key_len和Extra这几个字段

使用规则

最左前缀法则(主要针对联合索引)

如果索引关联了多列（联合索引），要遵守最左前缀法则（即索引最左列必须存在），最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，索引将部分失效（后面的字段索引失效）。

注意：是最左边的列一定要存在，与其在查询中出现的位置并无关，例如：

  
create index idx_user_pro_age_status on user(profession, age, status);
-- idx_user_pro_age_status在下面这条SQL查询中会生效的，因为在where中profession条件是存在的
explain select * from user where age=31 and status='0' and profession = '软件工程'; 

范围查询(也是针对联合索引)

联合索引中，出现范围查询（<, >），范围查询右侧的列索引失效。可以用>=或者<=来规避索引失效问题。例如下图：

这里我有个问题，要是把范围查询的索引部分放在最右，那么会有索引失效吗

索引失效情况

索引列进行运算操作

在索引列上进行运算操作，索引将失效。如下图示：
索引列运算操作

字符串不加引号

字符串类型字段使用时，不加引号，索引将失效。如：explain select * from tb_user where phone = 17799990015;，此处phone的值没有加引号，phone字段上建立的索引会失效
注意：对联合索引也是一样的，如果联合索引某个字段值是字符串，但未加引号，这个字段上的索引会失效

头部模糊匹配

模糊查询中，如果仅仅是尾部模糊匹配，索引不会失效；如果是头部模糊匹配，索引失效。如：explain select * from tb_user where profession like '%工程';，前后都有 % 也会失效。

or连接的条件

用 or 分割开的条件，如果 or 其中一个条件的列没有索引，那么涉及的索引都不会被用到。就算其中一个列是主键，也会失效，这时会进行全表扫描，性能最差，当然如果索引失效，走的自然是全表扫描，如下图：
or连接的条件

数据分布影响

如果MySQL的优化器评估使用索引比全表更慢，则不使用索引。一般如果一条查询一定会走全表扫描，或者要扫描表的大部分，MySQL优化器会评估直接使用全表扫描，毕竟省去了翻目录的时间

SQL 提示

是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。

例如：
1.建议使用索引，use index：
explain select * from tb_user use index(idx_user_pro) where profession="软件工程";

2.不使用哪个索引，ignore index：
explain select * from tb_user ignore index(idx_user_pro) where profession="软件工程";

3.必须使用哪个索引，force index：
explain select * from tb_user force index(idx_user_pro) where profession="软件工程";

use 是建议，实际使用哪个索引 MySQL 还会自己权衡运行速度去更改，force就是无论如何都强制使用该索引。

覆盖索引&回表查询

尽量使用覆盖索引（查询使用了索引，并且需要返回的列，在该索引中已经全部能找到），尽量减少 select *。

通过Extra中展示的值，能够区分出查询是否回表查询（注意：Extra在不同的MySQL版本，展示的值会不一样）

explain 中 Extra 字段含义：
using index condition：查找使用了索引，但是需要回表查询数据
using where; using index;：查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询

如何利用辅助索引（二级索引）优化SQL：
1.如果在聚集索引中直接能找到对应的行，则直接返回行数据，只需要一次查询，哪怕是select *；
2.如果在辅助索引中找聚集索引，如select id, name from xxx where name='xxx';，也只需要通过辅助索引(name)查找到对应的id，返回name和name索引对应的id即可，只需要一次查询；
3.如果是通过辅助索引查找其他字段，则需要回表查询，如select id, name, gender from xxx where name='xxx';
所以尽量不要用select *，容易出现回表查询，降低效率，除非有联合索引包含了所有字段

面试题：一张表，有四个字段（id, username, password, status），由于数据量大，需要对以下SQL语句进行优化，该如何进行才是最优方案： select id, username, password from tb_user where username='itcast';
解：
1. 给username和password字段建立联合索引，则不需要回表查询，直接覆盖索引
或者击中缓存

前缀索引

当字段类型为字符串（varchar, text等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率，此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

语法：create index idx_xxxx on table_name(columnn(n)); 前缀长度：可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。求选择性公式：

  
select count(distinct email) / count(*) from tb_user;
select count(distinct substring(email, 1, 5)) / count(*) from tb_user;

show index 里面的sub_part可以看到接取的长度

单列索引&联合索引

单列索引：即一个索引只包含单个列
联合索引：即一个索引包含了多个列
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。

单列索引情况： explain select id, phone, name from tb_user where phone = '17799990010' and name = '韩信'; 这句只会用到phone索引字段，如果name字段也建立了索引，MySQL只会使用两者中的一个，MySQL会判断name和phone谁的索引查询效率高从而选择效率高的，

注意：
1.多条件联合查询时，MySQL优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询
2.单列索引和联合索引都属于二级索引

设计原则

针对于数据量较大，且查询比较频繁的表建立索引
针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引
尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高
如果是字符串类型的字段，字段长度较长，可以针对于字段的特点，建立前缀索引
尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率
要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价就越大，会影响增删改的效率
如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询

问题保留

1.索引是如何被加载进入内存的，按页？按区？还是按段？

索引