溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“MySQL索引優化的方法”，在日常操作中，相信很多人在MySQL索引優化的方法問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”MySQL索引優化的方法”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
#1.建立員工表，并創建name,age,position索引，id為自增主鍵
CREATE TABLE `employees` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
`age` int(11) NOT NULL DEFAULT '0' COMMENT '年齡',
`position` varchar(20) NOT NULL DEFAULT '' COMMENT '職位',
`hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入職時間',
PRIMARY KEY (`id`),
KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=100010 DEFAULT CHARSET=utf8 COMMENT='員工記錄表'
# 2.前面插入三條數據,并建立employees_min_copy表插入這三條數據
INSERT INTO employees (name,age,`position`,hire_time) VALUES
('LiLei',22,'manager','2021-08-17 21:00:55')
,('HanMeimei',23,'dev','2021-08-17 21:00:55')
,('Lucy',23,'dev','2021-08-17 21:00:55')
;
#3.再通過執行計劃向表中插入十萬條數據
#3.1建立存儲過程，往employees表中插入數據（MySQL8.0版本）
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_employees`$$
CREATE PROCEDURE `batch_insert_employees`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN
DECLARE start_number BIGINT DEFAULT start_number;
DECLARE stop_number BIGINT DEFAULT start_number;
SET stop_number=start_number + counts;
WHILE start_number < stop_number DO
INSERT INTO employees(name,age,position,hire_time) VALUES(CONCAT('zhang',start_number),start_number,'dev',now());
SET start_number=start_number+1;
END WHILE ;
COMMIT;
END$$
DELIMITER ;
#3.2執行存儲過程插入十萬條數據
CALL batch_insert_employees(1,100000);1.聯合索引第一個字段用范圍不會走索引
EXPLAIN SELECT * FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
原因：MySQL 內部可能覺得第一個字段就用范圍，結果集應該很大，還需要回表，回表效率不高，不如直接采用全表掃描 但是我們可以強制走索引
EXPLAIN SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei' AND age = 22 AND position ='manager';
-- 關閉查詢緩存 set global query_cache_size=0; set global query_cache_type=0; -- 執行時間0.321s SELECT * FROM employees WHERE name > 'LiLei'; -- 執行時間0.458s SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei';
使用了強制走索引讓聯合索引第一個字段范圍查找也走索引，掃描的行rows看上去也少了點，但是最終查找效率不一定比全表掃描高，因為回表效率不高
對于這種情況，如果可以使用覆蓋索引，就使用覆蓋索引進行優化
EXPLAIN SELECT name,age,position FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
2.in 和 or 在表數據量比較大的情況會走索引，在表記錄不多的情況下會選擇全表掃描
EXPLAIN SELECT * FROM employees
WHERE name in ('LiLei','HanMeimei','Lucy')
AND age = 22
AND position ='manager';
#表數據量大走索引，數據量小全表掃描
EXPLAIN SELECT * FROM employees
WHERE (name = 'LiLei' or name = 'HanMeimei')
AND age = 22
AND position ='manager';
將十萬行數據的employees表復制一份插入幾行數據，再進行查詢
發現進行了全表掃描
3.like xx% 無論數據量多少一般情況都會走索引
EXPLAIN SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager';
MySQL 底層使用索引下推（Index Condition Pushdown，ICP） 來對 like xx%進行優化。
索引下推： 對于輔助的聯合索引(idx_name_age_position)，通常按照最左前綴原則，SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager' 因為在 name 是范圍查詢，過濾完后，age 和 position 是無序的，后續索引無法使用，只會走name字段索引。
MySQL5.6 以前： 先在索引樹中匹配 name 是 'LiLei' 開頭的索引，然后根據索引下的主鍵進行回表操作，在主鍵索引上在匹配 age 和 position
MySQL 5.6以后： 引入索引下推，先在索引樹種匹配 name 是 'LiLei' 開頭的索引，同時將該所與樹通有的所有條件字段進行判斷，過濾掉不符合條件的記錄再回表匹配其他條件及查詢整行數據。
優點： 過濾掉不符合條件的記錄之后再回表，可以有效的減少回表次數，提高查詢效率。
MySQL 范圍查找為什么沒有使用索引下推優化？ 可能因為范圍查找結果集一般較大，like xx%在大多數情況下，過濾后結果集較小。而結果集大的時候，每次檢索出來都要匹配后面的字段，不一定比立即回表要快。但是也不是絕對的，有些時候 Like xx%也不會走索引下推。
先來看兩條 SQL 語句：
# MySQL直接使用全表掃描 EXPLAIN select * from employees where name > 'a'; # MySQL走索引 EXPLAIN select * from employees where name > 'zzz';
我們發現第一條 SQL 進行了全表掃描，第二條 SQL 走了索引。對應第一條SQL，MySQL 通過計算執行成本發現走索引成本比全部掃描更高（走索引需要遍歷 name 字段，再進行回表操作查出最終數據，比直接查聚簇索引樹更慢)。對于這種情況可以使用覆蓋索引進行優化。至于 MySQL 如何選擇最終索引，可以用 Trace 工具進行查看。但開啟trace工具會影響 MySQL 性能，用完之后需立即關閉。
#開啟trace set session optimizer_trace="enabled=on",end_markers_in_json=on; #關閉trace set session optimizer_trace="enabled=off"; #使用trace select * from employees where name > 'a' order by position; select * from information_schema.OPTIMIZER_TRACE;
下面是執行后的Trace中的內容：
{
"steps": [
{
#第一階段：SQL準備階段，格式化sql
"join_preparation": {
"select#": 1,
"steps": [
{
"expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'a') order by `employees`.`position` limit 0,200"
}
] /* steps */
} /* join_preparation */
},
{
#第二階段：SQL優化階段
"join_optimization": {
"select#": 1,
"steps": [
{
#條件處理
"condition_processing": {
"condition": "WHERE",
"original_condition": "(`employees`.`name` > 'a')",
"steps": [
{
"transformation": "equality_propagation",
"resulting_condition": "(`employees`.`name` > 'a')"
},
{
"transformation": "constant_propagation",
"resulting_condition": "(`employees`.`name` > 'a')"
},
{
"transformation": "trivial_condition_removal",
"resulting_condition": "(`employees`.`name` > 'a')"
}
] /* steps */
} /* condition_processing */
},
{
"substitute_generated_columns": {
} /* substitute_generated_columns */
},
{
#表依賴詳情
"table_dependencies": [
{
"table": "`employees`",
"row_may_be_null": false,
"map_bit": 0,
"depends_on_map_bits": [
] /* depends_on_map_bits */
}
] /* table_dependencies */
},
{
"ref_optimizer_key_uses": [
] /* ref_optimizer_key_uses */
},
{
#預估表的訪問成本
"rows_estimation": [
{
"table": "`employees`",
"range_analysis": {
"table_scan": { --全表掃描情況
"rows": 93205, --掃描行數
"cost": 9394.9 --查詢成本
} /* table_scan */,
#查詢可能使用的索引
"potential_range_indexes": [
{
"index": "PRIMARY", --主鍵索引
"usable": false, -- 是否使用
"cause": "not_applicable"
},
{
#輔助索引
"index": "idx_name_age_position",
"usable": true,
"key_parts": [
"name",
"age",
"position",
"id"
] /* key_parts */
}
] /* potential_range_indexes */,
"setup_range_conditions": [
] /* setup_range_conditions */,
"group_index_range": {
"chosen": false,
"cause": "not_group_by_or_distinct"
} /* group_index_range */,
"skip_scan_range": {
"potential_skip_scan_indexes": [
{
"index": "idx_name_age_position",
"usable": false,
"cause": "query_references_nonkey_column"
}
] /* potential_skip_scan_indexes */
} /* skip_scan_range */,
#分析各個索引使用成本
"analyzing_range_alternatives": {
"range_scan_alternatives": [
{
"index": "idx_name_age_position",
"ranges": [
"a < name" --索引使用范圍
] /* ranges */,
"index_dives_for_eq_ranges": true,
"rowid_ordered": false, --使用該索引獲取的記錄是否按照主鍵排序
"using_mrr": false,
"index_only": false, --是否使用覆蓋索引
"rows": 46602, --索引掃描行數
"cost": 16311, --索引使用成本
"chosen": false, --是否選擇該索引
"cause": "cost"
}
] /* range_scan_alternatives */,
"analyzing_roworder_intersect": {
"usable": false,
"cause": "too_few_roworder_scans"
} /* analyzing_roworder_intersect */
} /* analyzing_range_alternatives */
} /* range_analysis */
}
] /* rows_estimation */
},
{
"considered_execution_plans": [
{
"plan_prefix": [
] /* plan_prefix */,
"table": "`employees`",
"best_access_path": { --最優訪問路徑
"considered_access_paths": [ --最終選擇的訪問路徑
{
"rows_to_scan": 93205,
"filtering_effect": [
] /* filtering_effect */,
"final_filtering_effect": 0.5,
"access_type": "scan", --訪問類型：為scan，全表掃描
"resulting_rows": 46602,
"cost": 9392.8,
"chosen": true --確定選擇
}
] /* considered_access_paths */
} /* best_access_path */,
"condition_filtering_pct": 100,
"rows_for_plan": 46602,
"cost_for_plan": 9392.8,
"chosen": true
}
] /* considered_execution_plans */
},
{
"attaching_conditions_to_tables": {
"original_condition": "(`employees`.`name` > 'a')",
"attached_conditions_computation": [
{
"table": "`employees`",
"rechecking_index_usage": {
"recheck_reason": "low_limit",
"limit": 200,
"row_estimate": 46602
} /* rechecking_index_usage */
}
] /* attached_conditions_computation */,
"attached_conditions_summary": [
{
"table": "`employees`",
"attached": "(`employees`.`name` > 'a')"
}
] /* attached_conditions_summary */
} /* attaching_conditions_to_tables */
},
{
"optimizing_distinct_group_by_order_by": {
"simplifying_order_by": {
"original_clause": "`employees`.`position`",
"items": [
{
"item": "`employees`.`position`"
}
] /* items */,
"resulting_clause_is_simple": true,
"resulting_clause": "`employees`.`position`"
} /* simplifying_order_by */
} /* optimizing_distinct_group_by_order_by */
},
{
"reconsidering_access_paths_for_index_ordering": {
"clause": "ORDER BY",
"steps": [
] /* steps */,
"index_order_summary": {
"table": "`employees`",
"index_provides_order": false,
"order_direction": "undefined",
"index": "unknown",
"plan_changed": false
} /* index_order_summary */
} /* reconsidering_access_paths_for_index_ordering */
},
{
"finalizing_table_conditions": [
{
"table": "`employees`",
"original_table_condition": "(`employees`.`name` > 'a')",
"final_table_condition ": "(`employees`.`name` > 'a')"
}
] /* finalizing_table_conditions */
},
{
"refine_plan": [
{
"table": "`employees`"
}
] /* refine_plan */
},
{
"considering_tmp_tables": [
{
"adding_sort_to_table_in_plan_at_position": 0
} /* filesort */
] /* considering_tmp_tables */
}
] /* steps */
} /* join_optimization */
},
{
#第三階段：SQL執行階段
"join_execution": {
"select#": 1,
"steps": [
{
"sorting_table_in_plan_at_position": 0,
"filesort_information": [
{
"direction": "asc",
"table": "`employees`",
"field": "position"
}
] /* filesort_information */,
"filesort_priority_queue_optimization": {
"limit": 200,
"chosen": true
} /* filesort_priority_queue_optimization */,
"filesort_execution": [
] /* filesort_execution */,
"filesort_summary": {
"memory_available": 262144,
"key_size": 40,
"row_size": 186,
"max_rows_per_buffer": 201,
"num_rows_estimate": 285696,
"num_rows_found": 100003,
"num_initial_chunks_spilled_to_disk": 0,
"peak_memory_used": 38994,
"sort_algorithm": "std::stable_sort",
"unpacked_addon_fields": "using_priority_queue",
"sort_mode": "<fixed_sort_key, additional_fields>"
} /* filesort_summary */
}
] /* steps */
} /* join_execution */
}
] /* steps */
}由 Trace字段可知，全表掃描的 cost_for_plan = 9394.9 小于使用索引 cost_for_plan = 16311，故最終選擇全表掃描。
# 案例1 explain select * from employees where name = 'Lucy' and position = 'dev' order by age;
分析： 案例1 由最左前綴法則分析出索引中間不能出現斷層，只使用了 name 索引前綴，也可以從key_len = 3n + 2 看出。age 索引列用在排序過程中，因為Extra字段里沒有 Using filesort 而是 Using index condition 。
#案例2 explain select * from employees where name = 'Lucy' order by position;
分析： 案例2 索引查詢使用了 name 索引前綴，但排序由于跳過了 age 所以Extra字段出現了 Using filesort 。
#案例3 explain select * from employees where name = 'Lucy' order by age, position;
分析： 案例3 查詢時使用了 name 索引，age 和 postion 用于排序，不會出現 Using filesort
#案例4 explain select * from employees where name = 'Lucy' order by position,age;
分析： 案例4 查詢時使用了 name 索引，age 和 postion 順序與創建索引樹不一致，出現了 Using filesort
#案例5 explain select * from employees where name = 'Lucy' and age = 22 order by position,age;
分析： 案例5 查詢時使用了 name 索引，age 和 postion 順序與創建索引樹不一致，但 name、age 為常量，MySQL 會自動優化，不會出現 Using filesort
#案例6 explain select * from employees where name = 'Lucy' order byage,position desc;
分析： 案例6 排序順序一樣，但 order by 默認升序，導致與索引的排序方式不同，出現了 Using filesort 。 MySQL8.0 以上版本有降序索引可以支持這種查詢。
#案例7 explain select * from employees where name = 'Lucy' or name = 'LiLei' order by age;
分析： 案例7 對于排序來說，多個相等條件也是范圍查詢，出現了 Using filesort 。
#案例8 #SQL-1 explain select * from employees where name > 'zzz' order by name; #SQL-2 explain select * from employees where name > 'a' order by name;
分析： 案例8 原因同前面的例子，可以使用覆蓋索引優化。
MySQL排序總結：
1、MySQL支持兩種方式的排序 filesort 和 index，Using index是指MySQL掃描索引本身完成排序。Using filesort 是指MySQL掃描聚簇索引（整張表）進行排序。index效率高，filesort效率低。
2、order by 滿足兩種情況會使用 Using index（不絕對）
a.order by 語句使用索引最左前列。
b.使用 where 子句與 order by 子句條件列組合滿足索引最左前列。
3、盡量在索引列上完成排序，遵循最左前綴法則。
4、如果 order by 的條件不在索引列上，就會產生Using filesort。
5、能用覆蓋索引盡量用覆蓋索引
6、group by 與 order by 很類似，其實質是先排序后分組（group by 底層：先執行一次 order by 再進行分組），遵照索引創建順序的最左前綴法則。對于group by的優化如果不需要排序的可以加上order by null 禁止排序。注意，where高于having，能寫在where中的限定條件就不要去having限定了。
Using filesort 文件排序原理 filesort文件排序方式有：
單路排序：是一次性取出滿足條件行的所有字段，然后在 sort buffer 中進行排序。用trace工具得到sort_mode信息顯示< sort_key, additional_fields >或者< sort_key, packed_additional_fields >
雙路排序（又叫回表排序模式） ：先根據相應的條件取出相應的排序字段和可以直接定位行數據的行 ID，然后在 sort buffer 中進行排序，排序完后需要再次取回其它需要的字段。用trace工具得到sort_mode信息顯示< sort_key, rowid >
MySQL 通過比較系統變量 max_length_for_sort_data(默認1024字節) 的大小和需要查詢的字段總大小來判斷使用哪種排序模式。
字段的總長度 < max_length_for_sort_data ，使用單路排序
字段的總長度 >max_length_for_sort_data ，使用雙路排序
select * from employees where name = 'Lucy' order by position;
"join_execution": { --Sql執行階段
"select#": 1,
"steps": [
{
"filesort_information": [
{
"direction": "asc",
"table": "`employees`",
"field": "position"
}
] /* filesort_information */,
"filesort_priority_queue_optimization": {
"usable": false,
"cause": "not applicable (no LIMIT)"
} /* filesort_priority_queue_optimization */,
"filesort_execution": [
] /* filesort_execution */,
"filesort_summary": { --文件排序信息
"rows": 10000, --預計掃描行數
"examined_rows": 10000, --參與排序的行
"number_of_tmp_files": 3, --使用臨時文件的個數，如果為0代表全部使用的sort_buffer內存排序，否則使用的磁盤文件排序
"sort_buffer_size": 262056, --排序緩存的大小，單位Byte
"sort_mode": "<sort_key, packed_additional_fields>" --排序方式，此處是路排序
} /* filesort_summary */
}
] /* steps */
} /* join_execution */單路排序會把所有需要查詢的字段都放到 sort buffer 中排序，而雙路排序只會把主鍵和需要排序的字段放到 sort buffer 中進行排序，然后再通過主鍵回到原表查詢需要的字段。
單路排序過程：
a.從索引 name 找到第一個滿足 name = 'Lucy' 條件的主鍵 id
b.回表根據主鍵 id 取出整行，取出所有字段的值，存入 sort_buffer 中
c.從索引name找到下一個滿足 name = 'Lucy' 條件的主鍵 id
d.重復步驟 2、3 直到不滿足 name = 'Lucy'
e.對 sort_buffer 中的數據按照字段 position 進行排序
f.返回結果
雙路排序過程：
a.從索引 name 找到第一個滿足 name ='Lucy' 的主鍵 id
b.根據主鍵 id 取出整行，把排序字段 position 和主鍵 id 這兩個字段放到 sort buffer 中
c.從索引 name 取下一個滿足 name = 'Lucy' 記錄的主鍵 id
d.重復 3、4 直到不滿足 name = 'Lucy'
e.對 sort_buffer 中的字段 position 和主鍵 id 按照字段 position 進行排序
f.遍歷排序好的 id 和字段 position，按照 id 的值回到原表中取出所有字段的值返回
select * from employees limit 10000,10
這條 SQL 語句實際查詢了 10010 條記錄，然后丟棄了前面的 10000 條記錄，所以，在 數據量很大時，執行效率是非常非常低的。一般需要對分頁查詢進行優化。 優化方法： 1.根據自增且連續的主鍵排序的分頁查詢
select * from employees where id > 90000 limit 5;
當一個表的主鍵連續且自增時，可以使用該方法進行優化，但如果自增不連續會造成數據丟失。
2.根據非主鍵字段排序的分頁查詢
#優化前 select * from employees ORDER BY name limit 90000,5; #優化后 select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;
先通過排序和分頁操作先查出主鍵，然后根據主鍵查出對應的記錄。
#示例表 # 創建t1,t2表，主鍵id,單值索引a CREATE TABLE `t1` ( `id` int(11) NOT NULL AUTO_INCREMENT, `a` int(11) DEFAULT NULL, `b` int(11) DEFAULT NULL, PRIMARY KEY (`id`), KEY `idx_a` (`a`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; create table t2 like t1; #存儲過程往t1,t2表插入數據 DELIMITER $$ USE `zhebase`$$ DROP PROCEDURE IF EXISTS `batch_insert_t1`$$ CREATE PROCEDURE `batch_insert_t1`(IN `start_number` BIGINT,IN `counts` BIGINT) BEGIN DECLARE start_number BIGINT DEFAULT start_number; DECLARE stop_number BIGINT DEFAULT start_number; SET stop_number=start_number + counts; WHILE start_number < stop_number DO INSERT INTO t1(a,b) VALUES(start_number,start_number); SET start_number=start_number+1; END WHILE ; COMMIT; END$$ DELIMITER ; DELIMITER $$ USE `zhebase`$$ DROP PROCEDURE IF EXISTS `batch_insert_t2`$$ CREATE PROCEDURE `batch_insert_t2`(IN `start_number` BIGINT,IN `counts` BIGINT) BEGIN DECLARE start_number BIGINT DEFAULT start_number; DECLARE stop_number BIGINT DEFAULT start_number; SET stop_number=start_number + counts; WHILE start_number < stop_number DO INSERT INTO t2(a,b) VALUES(start_number,start_number); SET start_number=start_number+1; END WHILE ; COMMIT; END$$ DELIMITER ; #執行存儲過程往t1表插入10000條記錄,t2表插入100條記錄 CALL batch_insert_t1(1,10000); CALL batch_insert_t2(1,100);
嵌套循環連接 Nested-Loop Join(NLJ) 算法
基于塊的嵌套循環連接 Block Nested-Loop Join(BNL)算法
MySQL對于被驅動表的關聯字段沒索引的關聯查詢，一般都會使用 BNL 算法。如果有索引一般選擇 NLJ 算法，有索引的情況下 NLJ 算法比 BNL算法性能更高
1.嵌套循環連接 Nested-Loop Join(NLJ) 算法 原理：一次一行循環地從第一張表（驅動表）中讀取行，在這行數據中取到關聯字段，根據關聯字段在另一張表（被驅動表）里取出滿足條件的行，然后取出兩張表的結果合集。
explain select * from t1 inner join t2 on t1.a= t2.a;
從執行計劃可以了解的信息：
a.驅動表是 t2，被驅動表是 t1( inner join 時 SQL優化器會小表驅動大表，外連接則根據連接類型區分）
b.使用了 NLJ 算法。如果執行計劃 Extra 中未出現 Using join buffer 則表示使用的 join 算法是 NLJ
整個過程會讀取 t2 表的所有數據(掃描100行)，然后遍歷這每行數據中字段 a 的值，根據 t2 表中 a 的值索引掃描 t1 表中的對應行(掃描100次 t1 表的索引，1次掃描可以認為最終只掃描 t1 表一行完整數據，也就是總共 t1 表也掃描了100行)。因此整個過程掃描了 200 行 。
2. 基于塊的嵌套循環連接 Block Nested-Loop Join(BNL)算法 原理：把驅動表的數據讀入到 join_buffer 中，然后掃描被驅動表，把被驅動表每一行取出來跟 join_buffer 中的數據做對比
explain select * from t1 inner join t2 on t1.b= t2.b;
整個過程對表 t1 和 t2 都做了一次全表掃描，因此掃描的總行數為10000(表 t1 的數據總量) + 100(表 t2 的數據總量) = 10100。并且 join_buffer 里的數據是無序的，因此對表 t1 中的每一行，都要做 100 次判斷，所以內存中的判斷次數是 100 * 10000= 100 萬次（非掃描次數） 。 注意： join_buffer 的大小是由參數 join_buffer_size 控制，默認256k。如果 t2 放不下就會使用分段策略（先從 t2 表取出部分數據，比對完就清空 join_buffer，再重新拿出來余下的部分進行比對）。
被驅動表的關聯字段無索引為什么要選擇使用 BNL 算法而不使用 NLJ 算法？ 如第二條 SQL，如果使用 NLJ 算法掃描行數為 100 * 10000 = 100萬，這個是磁盤掃描。使用 BNL 算法僅需掃描 100100 行。
對于表關聯 SQL 的優化
盡量少關聯（在阿里規范中，關聯表不能超過三種，可以后端代碼單獨查詢，循環關聯）
小表驅動大表，寫多表連接 SQL 時如果明確知道哪張表是小表可以用straight_join寫法固定連接驅動方式，節約 MySQL 優化器判斷時間.select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql選著 t2 表作為驅動表
關聯字段加索引，大表關聯字段一定要加索引，盡量使得 MySQL 在進行 join 操作時選擇NLJ算法
多表連接是非常難以優化的，最好95%的場景都使用單表來完成，復雜場景交個JAVA代碼，大規模計算交給大數據工具，無需效率才考慮連接
原則：小表驅動大表
# in 先執行括號里面的 select * from A where id in (select id from B) #exists 先執行括號外面的 #select * 可以用 select 1 替換，沒有區別 #exists 子查詢內部會進行優化，并非逐條對比 #exists 子查詢往往也可以用 jion 來代替，何種最優需要具體問題具體分析 select * from A where exists (select 1 from B where B.id = A.id)
注意：根據某個字段 count 不會統計字段為 null 的行
#掃描二級索引，按行累加 explain select count(1) from employees; #掃描輔助索引按行累加（輔助索引比聚簇索引小） explain select count(id) from employees; #把 name 拿到內存，不為 null 就累加 explain select count(name) from employees; #不取值，按行累加 explain select count(*) from employees;
四條語句的效率幾乎可以忽略，效率對比如下： 字段有索引： count(* )≈count(1)>count(字段)>count(主鍵 id) 段)>count(主鍵 id) 字段無索引： count(*)≈count(1)>count(主鍵 id)>count(字段)
常見優化方法：
1.對于 MyISAM 存儲引擎的表做不帶 where 條件的 count 查詢性能是很高的，數據總行數直接寫在磁盤上，查詢不需要計算。innodb 存儲引擎的表則不會記錄(因為有MVCC機制)
2.對與不用知道確切行的可以直接使用show table status，它是一個估值，使用該查詢效率很高
3.將總數維護到 Redis 里面，插入或刪除表數據行的時候同時維護 Redis 里的表總行數 key 的計數值(用 incr 或 decr 命令)，但是這種方式可能不準，很難保證表操作和Redis 操作的事務一致性。
4.增加數據庫計數表，插入或刪除表數據行的時候同時維護計數表，且它們在同一個事務里操作
1、代碼先行，索引后上，先開發完主體業務代碼，再把涉及到該表相關sql都要拿出來分析之后再建立索引。
2、聯合索引盡量覆蓋條件，可以設計一個或者兩三個聯合索引(單值索引要少建)，讓每一個聯合索引都盡量去包含SQL語句里的 where、order by、group by 的字段，且這些聯合索引字段順序盡量滿足 SQL查詢的最左前綴原則。
3、不要在小基數字段上建立索引，無法進行快速的二分查找，不能能發揮出B+樹快速二分查找的優勢來，沒有意義
4、盡量對字段類型較小的列設計索引，盡量對字段類型較小的列設計索引，比如 Tinyint 之類，字段類型較小的話，占用磁盤空間小，搜索的時性能更好。
5、長字符串可以采用前綴索引，比如針對某個字段的前20個字符建立索引，即：每個值的前20個字符放入索引樹中，搜索時會先匹配前而是個字符，再回表到聚簇索引取出來完整的 name 字段值進行比較。但排序（order by 和 group by）時無法使用該索引。
6、where 與 order by 沖突時優先 where，大多數情況下根據索引進行 where 篩選一般篩選出來的數據比較少，然后做排序成本會更低。
7、基于慢SQL查詢做優化，可以根據監控后臺的一些慢SQL，針對這些慢 SQL 查詢做特定的索引優化（MySQL有提供，只需設置具體參數）。
到此，關于“MySQL索引優化的方法”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
