MySQL创建索引

ゞ浴缸里的玫瑰 2021-11-05 09:48 978阅读 0赞

# 创建索引 #

#方法一：创建表时
        　　CREATE TABLE 表名 (
                    字段名1  数据类型 [完整性约束条件…],
                    字段名2  数据类型 [完整性约束条件…],
                    [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
                    [索引名]  (字段名[(长度)]  [ASC |DESC]) 
                    );
    
    
    #方法二：CREATE在已存在的表上创建索引
            CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 
                         ON 表名 (字段名[(长度)]  [ASC |DESC]) ;
    
    
    #方法三：ALTER TABLE在已存在的表上创建索引
            ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
                                 索引名 (字段名[(长度)]  [ASC |DESC]) ;
                                 
    #删除索引：DROP INDEX 索引名 ON 表名字;

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

#方式一
    create table t1(
        id int,
        name char,
        age int,
        sex enum('male','female'),
        unique key uni_id(id),
        index ix_name(name) #index没有key
    );
    create table t1(
        id int,
        name char,
        age int,
        sex enum('male','female'),
        unique key uni_id(id),
        index(name) #index没有key
    );
    
    
    #方式二
    create index ix_age on t1(age);
    
    
    #方式三
    alter table t1 add index ix_sex(sex);
    alter table t1 add index(sex);
    
    #查看
    mysql> show create table t1;
    | t1    | CREATE TABLE `t1` (
      `id` int(11) DEFAULT NULL,
      `name` char(1) DEFAULT NULL,
      `age` int(11) DEFAULT NULL,
      `sex` enum('male','female') DEFAULT NULL,
      UNIQUE KEY `uni_id` (`id`),
      KEY `ix_name` (`name`),
      KEY `ix_age` (`age`),
      KEY `ix_sex` (`sex`)
    ) ENGINE=InnoDB DEFAULT CHARSET=latin1

例子

# 测试索引 #

### **数据准备** ###

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

#1. 准备表
    create table s1(
    id int,
    name varchar(20),
    gender char(6),
    email varchar(50)
    );
    
    #2. 创建存储过程，实现批量插入记录
    delimiter $$ #声明存储过程的结束符号为$$
    create procedure auto_insert1()
    BEGIN
        declare i int default 1;
        while(i<3000000)do
            insert into s1 values(i,'eva','female',concat('eva',i,'@oldboy'));
            set i=i+1;
        end while;
    END$$ #$$结束
    delimiter ; #重新声明分号为结束符号
    
    #3. 查看存储过程
    show create procedure auto_insert1\G 
    
    #4. 调用存储过程
    call auto_insert1();

### **在没有索引的前提下测试查询速度** ###

#无索引：mysql根本就不知道到底是否存在id等于333333333的记录，只能把数据表从头到尾扫描一遍，此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢
    mysql> select * from s1 where id=333333333;
    Empty set (0.33 sec)

### **在表中已经存在大量数据的前提下，为某个字段段建立索引，建立速度会很慢** ###

**![1403368-20190709200116763-1250781706.png][]**

### **在索引建立完毕后，以该字段为查询条件时，查询速度提升明显** ###

**![1403368-20190709200141404-1902673278.png][]**

**PS：**

**1. mysql先去索引表里根据b+树的搜索原理很快搜索到id等于333333333的记录不存在，IO大大降低，因而速度明显提升**

**2. 我们可以去mysql的data目录下找到该表，可以看到占用的硬盘空间多了**

**3. 需要注意，如下图**

### **总结**： ###

#1. 一定是为搜索条件的字段创建索引，比如select * from s1 where id = 333;就需要为id加上索引
    
    #2. 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，建完后查询速度加快
    比如create index idx on s1(id);会扫描表中所有的数据，然后以id为数据项，创建索引结构，存放于硬盘的表中。
    建完以后，再查询就会很快了。
    
    #3. 需要注意的是：innodb表的索引会存放于s1.ibd文件中，而myisam表的索引则会有单独的索引文件table1.MYI
    
    MySAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而在innodb中，表数据文件本身就是按照B+Tree（BTree即Balance True）组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此innodb表数据文件本身就是主索引。
    因为inndob的数据文件要按照主键聚集，所以innodb要求表必须要有主键（Myisam可以没有），如果没有显式定义，则mysql系统会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则mysql会自动为innodb表生成一个隐含字段作为主键，这字段的长度为6个字节，类型为长整型.

# 如果才能正确命中索引 #

### **索引未命中** ###

**并不是说我们创建了索引就一定会加快查询速度，****若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下问题**

## **范围问题，或者说条件不明确** ##

**条件中出现这些符号或关键字：****>、>=、<、<=、!= 、between...and...、like、**

**大于号、小于号**

**![1403368-20190709200556497-1297520010.png][]**

### 不等于！= ###

![1403368-20190709200614043-1993370562.png][]

### between ...and... ###

[![1036857-20170913173514032-289009705.png][]][1036857-20170913173514032-289009705.png]

### like ###

[![1036857-20170913174115844-1107691992.png][]][1036857-20170913174115844-1107691992.png]

## **区分度问题** ##

尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(\*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

先把表中的索引都删除，让我们专心研究区分度的问题

![1403368-20190709200750174-1048382341.png][]

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

我们编写存储过程为表s1批量添加记录，name字段的值均为egon，也就是说name这个字段的区分度很低（gender字段也是一样的，我们稍后再搭理它）
    
    回忆b+树的结构，查询的速度与树的高度成反比，要想将树的高低控制的很低，需要保证：在某一层内数据项均是按照从左到右，从小到大的顺序依次排开，即左1<左2<左3<...
    
    而对于区分度低的字段，无法找到大小关系，因为值都是相等的，毫无疑问，还想要用b+树存放这些等值的数据，只能增加树的高度，字段的区分度越低，则树的高度越高。极端的情况，索引字段的值都一样，那么b+树几乎成了一根棍。本例中就是这种极端的情况，name字段所有的值均为'egon'
    
    #现在我们得出一个结论：为区分度低的字段建立索引，索引树的高度会很高，然而这具体会带来什么影响呢？？？
    
    #1：如果条件是name='xxxx',那么肯定是可以第一时间判断出'xxxx'是不在索引树中的（因为树中所有的值均为'egon’），所以查询速度很快
    
    #2：如果条件正好是name='egon',查询时，我们永远无

分析原因

## 索引列不能在条件中参与计算 ##

索引列不能在条件中参与计算，保持列“干净”，比如from\_unixtime(create\_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create\_time = unix\_timestamp(’2014-05-29’)

![1403368-20190709200835016-553049476.png][]

## ** and/or** ##

#1、and与or的逻辑
        条件1 and 条件2:所有条件都成立才算成立，但凡要有一个条件不成立则最终结果不成立
        条件1 or 条件2:只要有一个条件成立则最终结果就成立
    
    #2、and的工作原理
        条件：
            a = 10 and b = 'xxx' and c > 3 and d =4
        索引：
            制作联合索引(d,a,b,c)
        工作原理:
            对于连续多个and：mysql会按照联合索引，从左到右的顺序找一个区分度高的索引字段(这样便可以快速锁定很小的范围)，加速查询，即按照d—>a->b->c的顺序
    
    #3、or的工作原理
        条件：
            a = 10 or b = 'xxx' or c > 3 or d =4
        索引：
            制作联合索引(d,a,b,c)
            
        工作原理:
            对于连续多个or：mysql会按照条件的顺序，从左到右依次判断，即a->b->c->d

![1403368-20190709200935064-424274809.png][]

在左边条件成立但是索引字段的区分度低的情况下（name与gender均属于这种情况），会依次往右找到一个区分度高的索引字段，加速查询

![1403368-20190709201006443-553248361.png][]

![1403368-20190709201032478-1603709721.png][]

经过分析，在条件为name='egon' and gender='male' and id>333 and email='xxx'的情况下，我们完全没必要为前三个条件的字段加索引，因为只能用上email字段的索引，前三个字段的索引反而会降低我们的查询效率

![1403368-20190709201048096-332113559.png][]

## **最左前缀匹配原则** ##

**非常重要的原则，对于组合索引mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配(指的是范围大了，有索引速度也慢)，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。**

**![1403368-20190709201114481-1952868107.png][]**

## **其他情况** ##

使用函数
        select * from tb1 where reverse(email) = 'egon';
                
    - 类型不一致
        如果列是字符串类型，传入条件是必须用引号引起来，不然...
        select * from tb1 where email = 999;
        
    #排序条件为索引，则select字段必须也是索引字段，否则无法命中
    - order by
        select name from s1 order by email desc;
        当根据索引排序时候，select查询的字段如果不是索引，则速度仍然很慢
        select email from s1 order by email desc;
        特别的：如果对主键排序，则还是速度很快：
            select * from tb1 order by nid desc;
     
    - 组合索引最左前缀
        如果组合索引为：(name,email)
        name and email       -- 命中索引
        name                 -- 命中索引
        email                -- 未命中索引
    
    
    - count(1)或count(列)代替count(*)在mysql中没有差别了
    
    - create index xxxx  on tb(title(19)) #text类型，必须制定长度

### **其他注意事项** ###

- 避免使用select *
    - 使用count(*)
    - 创建表时尽量使用 char 代替 varchar
    - 表的字段顺序固定长度的字段优先
    - 组合索引代替多个单列索引（由于mysql中每次只能使用一个索引，所以经常使用多个条件查询时更适合使用组合索引）
    - 尽量使用短索引
    - 使用连接（JOIN）来代替子查询(Sub-Queries)
    - 连表时注意条件类型需一致
    - 索引散列值（重复少）不适合建索引，例：性别不适合

# 联合索引 #

## **联合索引** ##

联合索引是指对表上的多个列合起来做一个索引。联合索引的创建方法与单个索引的创建方法一样，不同之处仅在于有多个索引列，如：

mysql> create table t(
        -> a int,
        -> b int,
        -> primary key(a),
        -> key idx_a_b(a,b)
        -> );
    Query OK, 0 rows affected (0.11 sec)

## **覆盖索引** ##

**InnoDB存储引擎支持覆盖索引（covering index，或称索引覆盖），即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录。**

覆盖索引 查一个数据不需要回表
        select name from 表 where age = 20   不是覆盖索引
        select age from 表 where age =20  是覆盖索引
        select count(age) from 表 where age =20  是覆盖索引

## **合并索引** ##

当我们为单独的一列创建索引的时候
        如果条件是这一列,且使用正确就可以命中索引
    当我们为两列分别创建单独的索引的时候
        如果这两列都是条件,那么可能只能命中期中一个条件
        如果这两列都是条件,那么可能会命中两个索引  - 合并索引
    我们为多列直接创建联合所以
        条件命中联合索引

### **索引总结：** ###

1.条件一定是建立了索引的字段,如果条件使用的字段根本就没有创建索引,那么索引不生效
    2.如果条件是一个范围,随着范围的值逐渐增大,那么索引能发挥的作用也越小
    3.如果使用like进行模糊查询,那么使用a%的形式能命中索引,%a形式不能命中索引
    4.尽量选择区分度高的字段作为索引列
    5.索引列不能在条件中参与计算,也不能使用函数
    6.在多个条件以and相连的时候,会优点选择区分度高的索引列来进行查询
      在多个条件以or相连的时候,就是从左到右依次判断
    7.制作联合索引
        1.最左前缀原则 a,b,c,d 条件是a的能命中索引,条件是a,b能命中索引,a,b,c能命中,a,c.... 只要没有a就不能命中索引
            如果在联合查询中,总是涉及到同一个字段,那么就在建立联合索引的时候将这个字段放在最左侧
        2.联合索引 如果按照定义顺序,从左到右遇到的第一个在条件中以范围为条件的字段,索引失效
            尽量将带着范围查询的字段,定义在联合索引的最后面
        drop index
        如果我们查询的条件总是多个列合在一起查,那么就建立联合索引
            create index ind_mix on s1(id,email)
    
            select * from s1 where id = 1000000    命中索引
            select * from s1 where email = 'eva1000000@oldboy'  未命中索引
            但凡是创建了联合索引,那么在查询的时候,再创建顺序中从左到右的第一列必须出现在条件中
            select count(*) from s1 where id = 1000000 and email = 'eva10%';  命中索引
    
            select count(*) from s1 where id = 1000000 and email like 'eva10%'; 可以命中索引
            范围 :
            select * from s1 where id >3000 and email = 'eva300000@oldboy';  不能命中索引
    8.条件中涉及的字段的值必须和定义表中字段的数据类型一致,否则不能命中索引

### 执行计划 ###

执行计划
    看看mysql准备怎么执行这条语句 可以看到是否命中索引,计划能命中哪些,实际命中了哪些,执行的顺序,是否发生了索引合并,覆盖索引
    explain select * from s1;

转载于:https://www.cnblogs.com/songzhixue/p/11160201.html

[ContractedBlock.gif]: https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif
[ExpandedBlockStart.gif]: /images/20211104/f2fb615493f2473098ce00066628af16.png
[1403368-20190709200116763-1250781706.png]: /images/20211104/8ab60f4a664743899452ab591f898206.png
[1403368-20190709200141404-1902673278.png]: /images/20211104/2bb1bc296401465b8bf1e46ac4f79c74.png
[1403368-20190709200556497-1297520010.png]: /images/20211104/85bb741e403741e79a157993f5b82914.png
[1403368-20190709200614043-1993370562.png]: /images/20211104/1a6a8dd4598848f79162eb8e1fabda3d.png
[1036857-20170913173514032-289009705.png]: /images/20211104/22cc97d23aab4736a21c5c4ed8bab011.png
[1036857-20170913174115844-1107691992.png]: /images/20211104/b27c82adadbe4720836537729fabc7b7.png
[1403368-20190709200750174-1048382341.png]: /images/20211104/753a2e11eeb54c15b95e93fdb36572b9.png
[1403368-20190709200835016-553049476.png]: /images/20211104/67b2b2e72cb84a6e8f43acfd93b53337.png
[1403368-20190709200935064-424274809.png]: /images/20211104/227b4b70c0974d9082be8c34193613ba.png
[1403368-20190709201006443-553248361.png]: /images/20211104/fffe32bee05047bcab4c1a4e0f93ad28.png
[1403368-20190709201032478-1603709721.png]: /images/20211104/5330740bd4114582bd6a073247a43fbf.png
[1403368-20190709201048096-332113559.png]: /images/20211104/8928dccf52e94e1884b05f9ac1bf8942.png
[1403368-20190709201114481-1952868107.png]: /images/20211104/c2741997388b45298bf1bf447d240477.png