索引的分类
- 从
功能逻辑
上说,索引主要有4种,分别是普通索引、唯一索引、主键索引、全文索引。 - 按照
物理实现
方式,索引可以分为2种:聚簇索引和非聚簇索引。 - 按照
作用字段个数
进行划分,分成单列索引和联合索引。
不同的存储引擎支持的索引类型也不一样
- lnnoDB:支持B-tree、Full-text等索引,不支持Hash索引;
- MylSAM ︰支持B-tree、Full-text等索引,不支持Hash索引;
- Memory :支持B-tree、Hash等索引,不支持Full-text索引;
- NDB:支持Hash索引,不支持 B-tree、Full-text等索引;
- Archive :不支持B-tree、Hash、Full-text等索引;
创建索引
MysQL支持多种方法在单个或多个列上创建索引:在创建表的定义语句CREATE TABLE
中指定索引列,使用ALTER TABLE
语句在存在的表上创建索引,或者使用CREATE INDEX
语句在已存在的表上添加索引
MySQL8.0索引新特性
降序索引
降序索引以降序存储键值。虽然在语法上,从MySQL 4版本开始就已经支持降序索引的语法了,但实际上该DESC定义是被忽略的,直到MysQL 8.x版本才开始真正支持降序索引(仅限于InnoDB存储引擎)。
MysQL在8.0版本之前创建的仍然是升序索引
,使用时进行反向扫描
,这大大降低了数据库的效率。在某些场景下,降序索引意义重大。例如,如果一个查询,需要对多个列进行排序,且顺序要求不一致,那么使用降序索引将会避免数据库使用额外的文件排序操作,从而提高性能。
降序索引只对查询中特定的排序顺序有效,如果使用不当,反而查询效率更低
。比如创建索引时是a升序,b降序;那我们使用order by a desc, b desc时也是需要全表扫描的,MySQL 5.7的执行计划要明显好于MySQL 8.0。
隐藏索引
在MySQL 5.7版本及之前,只能通过显式的方式删除索引。此时,如果发现删除索引后出现错误,又只能通过显式创建索引的方式将删除的索引创建回来。如果数据表中的数据量非常大,或者数据表本身比较大,这种操作就会消耗系统过多的资源,操作成本非常高。
从MySQL 8.x开始支持隐藏索引(invisible indexes)
,只需要将待删除的索引设置为隐藏索引,使查询优化器不再使用这个索引(即使使用force index(强制使用索引),优化器也不会使用该索引),确认将索引设置为隐藏索引后系统不受任何响应,就可以彻底删除索引。这种通过先将索引设置为隐藏索引,再删除索引的方式就是软删除
。
同时,如果你想验证某个索引删除之后的查询性能影响,就可以暂时先隐藏该索引
。
主键不能被设置为隐藏索引。当表中没有显式主键时,表中第一个唯一非空索引会成为隐式主键,也不能设置为隐藏索引。
索引的设计原则
为了使索引的使用效率更高,在创建索引时,必须考虑在哪些字段上创建索引和创建什么类型的索引。索引设计不合理或者缺少索引都会对数据库和应用程序的性能造成障碍
。高效的索引对于获得良好的性能非常重要。设计索引时,应该考虑相应准则
。
哪些情况适合创建索引
字段的数值有唯一性的限制
索引本身可以起到约束的作用,比如唯一索引、主键索引
都是可以起到唯一性约束的,因此在我们的数据表中,如果某个字段是唯一性
的,就可以直接创建唯一性索引,或者主键索引
。这样可以更快速地通过该索引来确定某条记录。
例如,学生表中学号
是具有唯一性的字段,为该字段建立唯一性索引可以很快确定某个学生的信息,如果使用姓名
的话,可能存在同名现象,从而降低查询速度。
业务上具有唯一特性的字段,即使是组合字段,也必须建成唯一索引。(来源: Alibaba)
说明:不要以为唯一索引影响了insert 速度,这个速度损耗可以忽略,但提高查找速度是明显的.
频繁作为WHERE查询条件的字段
某个字段在SELECT语句的WHERE条件中经常被使用到
,那么就需要给这个字段创建索引了。尤其是在数据量大的情况下,创建普通索引就可以大幅提升数据查询的效率。
经常GROUP BY和ORDER BY的列
索引就是让数据按照某种顺序进行存储或检索,因此当我们使用GROUP BY对数据进行分组查询,或者使用ORDER BY对数据进行排序的时候,就需要对分组或者排序的字段进行索引
。如果待排序的列有多个,那么可以在这些列上建立组合索引
。
如果
同时有GROUP BY和ORDER BY的情况
:比如我们按照student_id进行分组,同时按照创建时间降序的方式进行排序,这时我们就需要同时进行GROUP BY和ORDER BY,那么是不是需要单独创建student_id的索引和create_time的索引呢?
我们实验一下:
我们有一个student_info表,有下面这样一个sql语句:
分别建立了student_id和create_time的索引
--分别为建立student_id和create_time的索引
alter table student_info
add index idx_sid(student_id);
alter table student_info
add index idx_cid(create_time);
--开始查询
explain select student_id, create_time
from student_info
group by student_id
order by create_time ;
此时会爆出一个错误:
为了达到实验目的,我们先进行修改它
set sql_mode='STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION';
这样就可以得出结果:
这里看到它是使用了idx_sid的索引,这里我们执行sql语句时,会先执行group by语句,然后才执行order by语句,所以会先用我们的idx_sid索引
下面我们再建立一个联合索引试试:
alter table student_info
add index idx_sid_unite_cid(student_id,create_time);
explain select student_id ,create_time
from student_info
group by student_id
order by create_time;
我们这里看到它走了联合索引
那我们把它的联合索引反过来建立试试,把前面的联合索引删了:
alter table student_info
add index idx_cid_unite_sid(create_time,student_id);
explain select student_id ,create_time
from student_info
group by student_id
order by create_time;
这里发现他并没有走联合索引,因为它先执行group by后就先走了student_id的索引
总结:
- 当只有group by时,我们可以针对group by后单独的字段建立索引,order by也是一样。
- 当两个都有时,则建立联合索引时,group by字段要先写在前面;
- 在8.0中当中,如果查询是降序的,那么建立索引也可以建立降序的
UPDATE、DELETE的WHERE条件列
对数据按照某个条件进行查询后再进行UPDATE或DELETE的操作,如果对WHERE 字段创建了索引,就能大幅提升效率
。原理是因为我们需要先根据WHERE条件列检索出来这条记录,然后再对它进行更新或删除。如果进行更新的时候,更新的字段是非索引字段,提升的效率会更明显,这是因为非索引字段更新不需要对索引进行维护
。
DISTINCT字段需要创建索引
有时候我们需要对某个字段进行去重
,使用DISTINCT,那么对这个字段创建索引,也会提升查询效率。
因为建立索引后,字段都是按照某种顺序排列到一起的,这样重复的就会挨在一起,去重就会变快很多了
多表JoIN连接操作时,创建索引注意事项
首先,连接表的数量尽量不要超过3张
,因为每增加━张表就相当于增加了一次嵌套的循环,数量级增长会非常快,严重影响查询的效率。
其次,对WHERE 条件创建索引
,因为WHERE才是对数据条件的过滤。如果在数据量非常大的情况下,没有WHERE 条件过滤是非常可怕的。
最后,对用于连接的字段创建索引
,并且该字段在多张表中的类型必须一致。比如course_id在student_info表和course表中都为int(11)类型,而不能一个为int另一个为varchar类型(因为这样的话,它可能需要强制转换,会用到函数,这样的话索引就会失效,具体在后面章节中讲)。
使用列的类型小的创建索引
我们这里所说的类型大小
指的就是该类型表示的数据范围的大小。
我们在定义表结构的时候要显式的指定列的类型,以整数类型为例,有TINYINT、MEDIUMINT、INT、BIGINT等,它们占用的存储空间依次递增,能表示的整数范围当然也是依次递增。如果我们想要对某个整数列建立索引的话,在表示的整数范围允许的情况下,尽量让索引列使用较小的类型,比如我们能使用INT就不要使用BIGINT,能使用MEDIUMINT 就不要使用INT
。这是因为:
- 数据类型越小,在查询时进行的
比较操作
越快 - 数据类型越小,索引占用的存储空间就越少,在一个数据页内就可以
放下更多的记录
,从而减少磁盘工/0
带来的性能损耗,也就意味着可以把更多的数据页缓存在内存中,从而加快读写效率。
这个建议对于表的主键来说更加适用
,因为不仅是聚簇索引中会存储主键值,其他所有的二级索引的节点处都会存储一份记录的主键值
,如果主键使用更小的数据类型,也就意味着节省更多的存储空间和更高效的/o
。
使用字符串前缀创建索引
假设我们的字符串很长,那存储一个字符串就需要占用很大的存储空间。在我们需要为这个字符串列建立索引时,那就意味着在对应的B+树中有这么两个问题:
- B+树索引中的记录需要把该列的完整字符串存储起来,更费时。而且字符串越长,在索引中
占用的存储空间越大
。 - 如果B+树索引中索引列存储的字符串很长,那在做
字符串比较时会占用更多的时间
。
我们可以通过截取字段的前面一部分内容建立索引,这个就叫前缀索引
。这样在查找记录时虽然不能精确的定位到记录的位置,但是能定位到相应前缀所在的位置,然后根据前缀相同的记录的主键值回表查询完整的字符串值。既节约空间,又减少了字符串的比较时间
问题是,截取多少呢?截取得多了,达不到节省索引存储空间的目的;截取得少了,重复内容太多,字段的散列度(选择性)会降低。怎么计算不同的长度的选择性呢?
引申另一个问题:索引列前缀对排序的影响
如果使用了索引列前缀,比方说前边只把address列的前12个字符放到了二级索引中,下边这个查询可能就有点儿尴尬了︰
SELECT * FROM shop ORDER BY address LIMIT 12;
因为二级索引中不包含完整的address列信息,所以无法对前12个字符相同,后边的字符不同的记录进行排序,也就是使用索引列前缀的方式无法支持使用索引排序
,只能使用文件排序。
区分度高(散列性高)的列适合作为索引
列的基数指的是某一列中不重复数据的个数
,比方说某个列包含值2,5,8,2,5,8,2,5,8,虽然有9条记录,但该列的基数却是3。也就是说,**在记录行数一定的情况下,列的基数越大,该列中的值越分散;列的基数越小,该列中的值越集中。**这个列的基数指标非常重要,直接影响我们是否能有效的利用索引。最好为列的基数大的列建立索引,为基数太小列的建立索引效果可能不好.
可以使用公式 select count(distinct a)/count(*) from t1
计算区分度,越接近1越好,一般超过33%就算是比较高效的索引了。
拓展:联合索引把区分度高(散列性高)的列放在前面。
使用最频繁的列放到联合索引的左侧
这样也可以较少的建立一些索引。同时,由于"最左前缀原则"
,可以增加联合索引的使用率
。
在多个字段都要创建索引的情况下,联合索引优于单值索引
限制索引的数目
在实际工作中,我们也需要注意平衡,索引的数目不是越多越好。我们需要限制每张表上的索引数量,建议单张表索引数量不超过6个
。原因:
- ①每个索引都需要
占用磁盘空间
,索引越多,需要的磁盘空间就越大。 - ②索引会
影响INSERT、DELETE、UPDATE等语句的性能
,因为表中的数据更改的同时,索引也会进行调整和更新,会造成负担。 - ③优化器在选择如何优化查询时,会根据统一信息,对每一个可以用到的
索引来进行评估
,以生成出一个最好的执行计划,如果同时有很多个索引都可以用于查询,会增加MySQL优化器生成执行计划时间,降低查询性能
。
哪些情况不适合创建索引
1.在where(包括group by,order by)中使用不到的字段,不要设置索引
2.数据量小的表最好不要使用索引
如果表记录太少,比如少于1000个,那么是不需要创建索引的。表记录太少,是否创建索引对查询效率的影响并不大
。甚至说,查询花费的时间可能遍历索引的时间还要短,索引可能不会产生优化效果。
3. 有大量重复数据的列上不要建立索引
4. 避免对经常更新的表创建过多的索引
第一层含义:频繁更新的字段不一定要创建索引。因为更新数据的时候,也需要更新索引,如果索引太多,在更新索引的时候也会造成负担,从而影响效率。
第二层含义:避免对经常更新的表创建过多的索引,并且索引中的列尽可能少。此时,虽然提高了查询速度,同时却会降低更新表的速度。|
5.不建议用无序的值作为索引
例如身份证、UUID(在索引比较时需要转为ASCII,并且插入时可能造成页分裂)、MD5、HASH、无序长字符串等。
6.删除不再使用或者很少使用的索引
7. 不要定义冗余或重复的索引
冗余索引
重复索引
小结
索引是一把双刃剑
,可提高查询效率,但也会降低插入和更新的速度并占用磁盘空间
。
选择索引的最终目的是为了使查询的速度变快,上面给出的原则是最基本的准则,但不能拘泥于上面的准则,大家要在以后的学习和工作中进行不断的实践,根据应用的实际情况进行分析和判断,选择最合适的索引方式。