上篇介绍了 InnoDB 索引数据结构模型,本篇介绍索引的其他概念。

先来看一个问题,在表 T 中,执行 slelect * from T where k between 3 and 5 需要执行几次树的搜索操作,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');	

image-20200922005258477

建表完毕,插入数据完毕,索引示意图准备完毕。

下面是 slelect * from T where k between 3 and 5 这条查询语句的执行过程:

  • 1、在 k 索引树上找到 k = 3 的记录,取得对应主键 ID = 300。【回表】
  • 2、到 ID 索引树查到 ID =300 对应的 R3【这个R3我之前没理解,现在看来就是整行数据了。】
  • 3、在 k 索引树取下一个值 k = 5,取得 ID = 500
  • 4、 ID 索引树查到 ID = 500 对应的 R4
  • 5、 在 k 索引树查取下一个值 k = 6不满足条件,循环结束【进行索引搜索时,对数据挨个进行搜索,直到搜索到不符合要求的数据,循环结束。】

在上面的过程中,我们看到了回表操作 —— 回到主键索引树搜索的过程。整个查询过程读了 k 索引树的 3条记录 (步骤 1、3、5)回表2次(步骤2、4)。

这个例子中,由于查询结果需要的数据只在主键索引上有,所以必须回表,那么是否可以经过索引优化之后避免回表这个过程?

覆盖索引

如果将之前的查询语句换成 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,因此可以直接提供查询结果,不需要回表。也就是说,在这个查询中,索引 k 已经覆盖了我们的查询需求,这种情况称为覆盖索引【那么索引是否只能覆盖主键,因为二级索引中存储的是主键值,只有在查询主键内容时才能产生索引覆盖。】

  • 覆盖索引可以减少树的搜索次数,显著提升查询性能,使用索引覆盖是常用的性能优化手段

需要注意的是,引擎内部使用覆盖索引在索引 k 上其实读取了三个记录R3~R5(对应的索引 k 上的记录数据项)【k 树中等于 3、5、6 的这三条记录】,但是对于 MySQL 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。【那么这里引擎内部读取记录和扫描行数不一致的情况会产生什么问题吗?】

问题:

  • 如何查看扫描行数?【作者给出了,该内容在 16 章《如何正确显示随机消息》中】

基于上面的覆盖索引,讨论下面的问题:在一个市民信息表上,是否有必要将身份证号名字建立联合索引

问题:

  • 这里作者之前应该是没有提出过联合索引相关概念的,这直接就抛出来?不先说明吗?

联合索引:两个或更多列上的索引被称为联合索引,或复合索引。

假设市民表的定义如下:

CREATE TABLE `tuser` (
  `id` int(11) NOT NULL,
  `id_card` varchar(32) DEFAULT NULL,
  `name` varchar(32) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `ismal` tinyint(1) DEFAULT NULL,
  KEY `id_card` (`id_card`),
  KEY `name_age` (`name`,`age`)
) ENGINE = InooDB

【上面的 KEY 就是索引。】

我们知道,身份证号是市民的唯一标识。所以如果根据身份证号查询市民信息的话,只需要在身份证号字段上建立索引就行,如果再建立一个(身份证号、姓名)的联合索引,是否浪费空间?

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,那么上面的联合索引就有意义了。它可以在高频请求上用到覆盖索引**,而不用再回表查整行记录,从而减少了语句的执行时间

  • 覆盖索引的第二个应用:在联合索引上使用,也可以避免回表。
  • 上面建表语句建立的是 nage age 的联合索引,而这里作者说的是 id_cardname 的联合索引,这里点出,避免混淆。

但是维护索引字段也需要付出代价,建立冗余索引来支持覆盖索引时需要权衡考虑。

最左前缀原则

那么如果为每个查询都建立一个索引,索引数量会不会太多。如果业务需求变成按照身份证号查地址呢?虽然查询需求出现的频率不高,但是也不能让这种查询变成全表扫描

反之,如果单独为一个不频繁的请求创建一个(身份证、地址)的索引感觉又挺浪费,应该怎么做?

  • B+树 这种搜索结果,可以使用索引"最左前缀",来定位记录。

下面使用 (name,age) 这个联合索引进行分析:

可以看到:索引按照索引定义里面出现的字段顺序排序。

当需求是查到所有名字是是"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。

如果要查的是所有姓""的人 此时你的 SQL 语句是 "where name like '张 %'" 这个模糊查询语句,也能够用上这个索引,查到的第一个符合条件的记录是 ID3,然后向后遍历,直到不满足条件位置。【like aa% 模糊查询索引有效 , like %aa 模糊查询索引无效,因为 前者符合最左前缀原则】

不只是满足搜索的全部定义,只要满足最左前缀,就可以利用索引加速查询。

符合最左前缀规则的条件

  • 联合索引最左 N 个字段
  • 字符串索引最左 M 个字符

基于最左前缀,下面要讨论的是建立联合索引时,如何安排索引内字段的顺序【建立索引要考虑到索引被复用的能力】

  • 评估字段顺序的标准是索引复用能力。
  • 因为最左前缀原则,当已经有了 (a,b) 这个联合索引后,一般不需要单独在 a 上建立索引
  • 第一原则:如果通过调整索引顺序可以减少维护一个索引,那么优先采用这个联合索引的顺序。

回到最开始的问题:我们为高频请求创建了 (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"的这个需求。

  • 既有联合查询,又有基于 a、b 各自的查询时**,查询条件里只有 b 的语句是无法使用** (a,b) 这个联合索引的,此时必须维护另外一个索引,也就是需要同时维护联合索引 (a,b) 以及 索引 b.

上面的情况下需要考虑的原则是空间【这里作者没有说明白,有一条留言说的很好:联合索引和单独索引是 (a,b) (b) 还是 (b,a) (a) 取决于字段长度,字段长的只建立一次,短的建立两次。】

索引下推

满足最左前缀时,可以用联合索引定位查询记录。那么不符合最左前缀的那部分会发生什么?

还是以市民表的联合索引 (name,age) 为例,如果现在有一个需求:

  • 检索出表所有"名字第一个字是张,并且年龄是10岁的男孩"
  • 对应的 SQL 语句:select * from tuser where name like '张%' and age = 10 and ismale=1

根据最左前缀原则,这个语句在搜索索引树时只能用"张" 找到第一个满足条件的 ID3,但是这种情况已经比全表扫描要好了。

下一步是判断其他条件是否满足。

  • 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,再进行字段比对。
  • MySQL 5.6 引入了索引下推优化(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【也就是先判断条件,满足了才回表,而不是每次都回表之后再判断。】

图3图4 是这两个过程的执行流程图:

image-20200924153407115

可以看到,图3中回表了4次,图4只回表了2次:

  • 作者在图3中特意去掉了 (name,age) 联合索引中的 age ,因为在这个过程中 InnoDB不会使用 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,所以需要回表4次。
  • 图4图3 的区别: InnoDB联合索引(name,age) 内部判断了 age 是否等于10,对于不等于10的记录直接跳过回表操作。所以只回表了两次。【这里能直接看到 age 是因为 联合索引的值都在索引树中】

小结

完善了数据库索引的概念,包括:

  • 索引覆盖
  • 前缀索引
  • 索引下推

在满足查询语句需求的前提下,尽量少的访问数据库是数据库设计的重要原则,尤其是设计表结构时,要以减少资源消耗为目标**【尽量少地回表,尽量多的最左前缀,将字段长的作为联合索引的开头】**。

Q.E.D.

知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议

最是人间留不住,曾是惊鸿照影来。