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索引優化案例分析”，在日常操作中，相信很多人在MySQL索引優化案例分析問題上存在疑惑，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索引優化案例分析”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
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=1 DEFAULT CHARSET=utf8 COMMENT='員工記錄表';
INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());
‐‐ 插入一些示例數據
drop procedure if exists insert_emp;
delimiter ;;
create procedure insert_emp()
begin
declare i int;
set i=1;
while(i<=100000)do
insert into employees(name,age,position) values(CONCAT('zhuge',i),i,'dev');
set i=i+1;
end while;
end;;
delimiter ;
call insert_emp();如上有 employees 表，有主鍵索引和 (name, age, position ) 聯合索引, 看下面的查詢示例:
EXPLAIN SELECT * FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
結論：聯合索引第一個字段就用范圍查找不會走索引，mysql內部可能覺得第一個字段就用范圍，結果集應該很大，回表效率不高，還不如就全表掃描
EXPLAIN SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei' AND age = 22 AND position ='manager';
結論：雖然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， 一般不會使用這個手段，除非有證據能證明強制走索引后效率大幅度提高
EXPLAIN SELECT name,age,position FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';
將 select * 修改為 select name, age, posiion ， 只選擇索引中已經存在的列，可以不用回表，所以會利用索引
在表數據量比較大的情況會走索引，數據量不多的情況下會選擇全表掃描,示例如下:
in 查詢
EXPLAIN SELECT * FROM employees WHERE name in ('LiLei','HanMeimei','Lucy') AND age = 22 AND position ='manager';
用到全部索引 or 查詢
EXPLAIN SELECT * FROM employees WHERE (name = 'LiLei' or name = 'HanMeimei') AND age = 22 AND position ='manager';
用到全部索引
下面新建一張 employees_copy 表，結構和 employee 一樣，但數據只有三條, 再執行上面兩個查詢
in 查詢
EXPLAIN SELECT * FROM employees_copy WHERE name in ('LiLei','HanMeimei','Lucy') AND age = 22 AND position ='manager';
全表掃描
or查詢
EXPLAIN SELECT * FROM employees_copy WHERE (name = 'LiLei' or name = 'HanMeimei') AND age = 22 AND position ='manager';
全表掃描
大表
EXPLAIN SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager';
小表
EXPLAIN SELECT * FROM employees_copy WHERE name like 'LiLei%' AND age = 22 AND position ='manager';
可以看到，無論表的數據量大小，都會利用索引，為什么呢？
其實 like 用到了索引下推的優化
對于輔助聯合索引，正常情況下按照最左前綴原則， SELECT * from employees where name like 'LiLei%' and age = 22 and position = 'dev' 這種情況下只會走name字段的索引，因為根據name字段過濾完，得到的索引行里的age和position是無序的，無法很好的利用索引。
在MySQL5.6之前的版本，這個查詢只能在聯合索引里匹配到名字是 'LiLei' 開頭的索引，然后拿這些索引對應的主鍵逐個回表，到主鍵索引上找出相應的記錄，再比對age和position這兩個字段的值是否符合。
MySQL 5.6引入了索引下推優化，可以在索引遍歷過程中，對索引中包含的所有字段先做判斷，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。使用了索引下推優化后，上面那個查詢在聯合索引里匹配到名字是 'LiLei' 開頭的索引之后，同時還會在索引里過濾age和position這兩個字段，拿著過濾完剩下的索引對應的主鍵id再回表查整行數據。
索引下推會減少回表次數，對于innodb引擎的表索引下推只能用于二級索引，innodb的主鍵索引（聚簇索引）樹葉子節點上保存的是全行數據，所以這個時候索引下推并不會起到減少查詢全行數據的效果。
估計應該是Mysql認為范圍查找過濾的結果集過大，like KK% 在絕大多數情況來看，過濾后的結果集比較小，所以這里Mysql選擇給 like KK% 用了索引下推優化，當然這也不是絕對的，有時like KK% 也不一定就會走索引下推。
先看下面的兩個查詢:
同樣的表，同樣的字段，因為條件的不同，選擇的索引也不同，MySQL 是如何選擇的呢？
MySQl 提供了一個工具，可以看到選擇索引的計算過程， 用法如下:
mysql> set session optimizer_trace="enabled=on",end_markers_in_json=on; --開啟trace mysql> select * from employees where name > 'a' order by position; mysql> SELECT * FROM information_schema.OPTIMIZER_TRACE;
下面是對 trace 字段的解析
{
"steps": [
{
"join_preparation": { //第一階段：SQL準備階段，格式化sql
"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`"
}
] /* steps */
} /* join_preparation */
},
{
"join_optimization": { //第二階段：SQL優化階段
"select#": 1,
"steps": [
{
"condition_processing": { //條件處理
"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 */
},
{
"table_dependencies": [ //表依賴詳情
{
"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 */
},
{
"rows_estimation": [ //預估表的訪問成本
{
"table": "`employees`",
"range_analysis": {
"table_scan": { //全表掃描情況
"rows": 10123, //掃描行數
"cost": 2054.7 //查詢成本
} /* table_scan */,
"potential_range_indexes": [ //查詢可能使用的索引
{
"index": "PRIMARY", //主鍵索引
"usable": false,
"cause": "not_applicable"
},
{
"index": "idx_name_age_position", //輔助索引
"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 */,
"analyzing_range_alternatives": { //分析各個索引使用成本
"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": 5061, //索引掃描行數
"cost": 6074.2, //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": 10123,
"access_type": "scan", //訪問類型：為scan，全表掃描
"resulting_rows": 10123,
"cost": 2052.6,
"chosen": true, //確定選擇
"use_tmp_table": true
}
] /* considered_access_paths */
} /* best_access_path */,
"condition_filtering_pct": 100,
"rows_for_plan": 10123,
"cost_for_plan": 2052.6,
"sort_cost": 10123,
"new_cost_for_plan": 12176,
"chosen": true
}
] /* considered_execution_plans */
},
{
"attaching_conditions_to_tables": {
"original_condition": "(`employees`.`name` > 'a')",
"attached_conditions_computation": [
] /* attached_conditions_computation */,
"attached_conditions_summary": [
{
"table": "`employees`",
"attached": "(`employees`.`name` > 'a')"
}
] /* attached_conditions_summary */
} /* attaching_conditions_to_tables */
},
{
"clause_processing": {
"clause": "ORDER BY",
"original_clause": "`employees`.`position`",
"items": [
{
"item": "`employees`.`position`"
}
] /* items */,
"resulting_clause_is_simple": true,
"resulting_clause": "`employees`.`position`"
} /* clause_processing */
},
{
"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 */
},
{
"refine_plan": [
{
"table": "`employees`"
}
] /* refine_plan */
}
] /* steps */
} /* join_optimization */
},
{
"join_execution": { //第三階段：SQL執行階段
"select#": 1,
"steps": [
] /* steps */
} /* join_execution */
}
] /* steps */
}
// 結論：全表掃描的成本低于索引掃描，所以mysql最終選擇全表掃描mysql> select * from employees where name > 'zzz' order by position; mysql> SELECT * FROM information_schema.OPTIMIZER_TRACE; # 查看trace字段可知索引掃描的成本低于全表掃描，所以mysql最終選擇索引掃描 mysql> set session optimizer_trace="enabled=off"; //關閉trace
order by 和 group by 也會遵循左前綴法則, 如下例子 ：
根據左前綴法則，用到了 name 字段的索引，同時使用 age 字段用來排序， 因為 extra 種沒有 filesort
order by 或者 group by 用到的索引不會參與到 key_len 的計算，索引 key_len 仍然只是 74， 即 name字段的長度
再看下面一個例子:
where 條件是name 排序字段是 position 跳過了age字段，所以只能用 name 索引，無法利用 position 索引進行索引排序，用到是文件排序
再看第三個例子:
使用name條件查詢， 同時使用 age position 雙字段排序，沒有跳過聯合索引的字段. 所以可以用索引排序
然后顛倒一下排序順序，先position 再 age：
發現此時只能文件排序了
再看下面的例子
雖然排序字段與索引字段不一樣，但仍然是索引排序， 因為查詢條件中 用到是 （name， age）索引，排序中用到是 position 索引，并沒有顛倒順序。所以還是索引排序
如果一個正序一個倒序呢？
雖然排序字段與索引字段順序相同， 但是 age 是正序， position 是倒敘，導致與索引的排序方式不同，無法利用索引。從而發生了文件排序， Mysql8以上版本有降序索引可以支持該種查詢方式。
先 in 查詢:
對于排序來說，多個相等條件也是范圍查詢, 無法利用索引排序
先范圍查詢:
這里發生了全表掃描，沒有任何索引，排序自然也無法利用索引了，可以使用覆蓋索引優化:
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。index效率高，filesort效率低。
2、order by滿足兩種情況會使用Using index。
order by語句使用索引最左前列。
使用where子句與order by子句條件列組合滿足索引最左前列。
盡量在索引列上完成排序，遵循索引建立（索引創建的順序）時的最左前綴法則。
如果order by的條件不在索引列上，就會產生Using filesort。
能用覆蓋索引盡量用覆蓋索引
group by與order by很類似，其實質是先排序后分組，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。
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工具可以看到sort_mode信息里顯示< sort_key, additional_fields >或者< sort_key, packed_additional_fields >
是首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工具可以看到sort_mode信息里顯示< 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。
如果 字段的總長度小于max_length_for_sort_data ，那么使用 單路排序模式；
如果 字段的總長度大于max_length_for_sort_data ，那么使用 雙路排序模·式。
有如下查詢語句
select * from employees limit 10000,10;
該sql并不是只查詢了10條，而是查找了10010條，然后把前10000條結果給舍棄掉, 因此要查詢一個大表靠后的內容，執行效率是非常低的
上面的下面的sql語句沒有指定排序方式，默認使用ID排序。當使用ID排序時，我們可以使用下面的優化。
select * from employees where id > 90000 limit 5;
如果id是連續自增的，和limit 90000,5 結果沒有差別，是 90001 ~ 90005 的數據。
但是如果在90000之前刪除了一條數據，結果就不一樣了，id > 90000 limit 5 的結果是 90001 ~ 90005， 但是limit 90000, 5 的結果是 90002 ~ 90006， 很明顯 90002 ~ 90006 才是符合我們直覺的。所以這個優化只能限制與排序條件是連續的。如果id不是自增的呢？會出現什么情況，假如 90000 這條數據有兩個，limit 90000, 5 的結果是 90000 ~ 90004，而 id > 90000 limit 5 的結果仍是 90001 ~ 90005， 會把 id= 90000 的數據漏掉一條。
所以這個優化只能用于排序的字段是連續自增的，并且不能重復
有如下查詢語句
EXPLAIN select * from employees ORDER BY name limit 90000,5;
發現并沒有用上name的索引，因為 select * ,掃描聯合索引時，無法的到全部數據，需要回表，成本比全表掃描更高，所以優化器放棄使用索引。
可以使用索引覆蓋的方法，使用分頁查詢僅僅找到少量的主鍵，然后在使用主鍵查找整行數據， 如下:
select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;
看下執行計劃：
原 SQL 使用文件排序，優化后的使用索引排序
先造一些數據:
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; -- 插入一些示例數據 -- 往t1表插入1萬行記錄 drop procedure if exists insert_t1; delimiter ;; create procedure insert_t1() begin declare i int; set i=1; while(i<=10000)do insert into t1(a,b) values(i,i); set i=i+1; end while; end;; delimiter ; call insert_t1(); -- 往t2表插入100行記錄 drop procedure if exists insert_t2; delimiter ;; create procedure insert_t2() begin declare i int; set i=1; while(i<=100)do insert into t2(a,b) values(i,i); set i=i+1; end while; end;; delimiter ; call insert_t2();
新建 t1 t2 表，結構一樣， 都在a字段上有索引，b字段沒有索引，t1表有 10000 行記錄，t2表只有100條記錄。
內嵌循環連接算法 Nested-Loop Join
基于塊的嵌套循環連接算法 Block Nested-Loop Join
一次一行循環地從第一張表（稱為驅動表）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。
一般關聯字段有索引的時候使用這種算法, 示例:
EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;
從執行計劃中可以看到這些信息：
驅動表是 t2，被驅動表是 t1。先執行的就是驅動表；優化器一般會優先選擇小表做驅動表，用where條件過濾完驅動表，然后再跟被驅動表做關聯查詢。所以使用 inner join 時，排在前面的表并不一定就是驅動表
當使用left join時，左表是驅動表，右表是被驅動表，當使用right join時，右表時驅動表，左表是被驅動表
使用了 NLJ算法。一般 join 語句中，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。
上面sql的大致流程如下：
從表 t2 中讀取一行數據（如果t2表有查詢過濾條件的，用先用條件過濾完，再從過濾結果里取出一行數據）；
從第 1 步的數據中，取出關聯字段 a，到表 t1 中查找；
取出表 t1 中滿足條件的行，跟 t2 中獲取到的結果合并，作為結果返回給客戶端；
重復上面 3 步。
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
當關聯字段沒有沒有索引的時候會使用這種算法
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。
如下:
EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;
Extra 中 的Using join buffer (Block Nested Loop)說明該關聯查詢使用的是 BNL 算法。
上面sql的大致流程如下：
把 t2 的所有數據放入到 join_buffer 中
把表 t1 中每一行取出來，跟 join_buffer 中的數據做對比
返回滿足 join 條件的數據
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。
這個例子里表 t2 才 100 行，要是表 t2 是一個大表，join_buffer 放不下怎么辦呢？·
join_buffer 的大小是由參數 join_buffer_size 設定的，默認值是 256k。如果放不下表 t2 的所有數據話，策略很簡單，就是分段放。
比如 t2 表有1000行記錄， join_buffer 一次只能放800行數據，那么執行過程就是先往 join_buffer 里放800行記錄，然后從 t1 表里取數據跟 join_buffer 中數據對比得到部分結果，然后清空 join_buffer ，再放入 t2 表剩余200行記錄，再次從 t1 表里取數據跟 join_buffer 中數據對比。所以就多掃了一次 t1 表。
如果上面第二條sql使用 Nested-Loop Join，那么掃描行數為 100 * 10000 = 100萬次，這個是磁盤掃描。
很顯然，用BNL磁盤掃描次數少很多，相比于磁盤掃描，BNL的內存計算會快得多。
因此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
關聯字段加索引，讓mysql做join操作時盡量選擇NLJ算法，驅動表因為需要全部查詢出來，所以過濾的條件也盡量要走索引，避免全表掃描，總之，能走索引的過濾條件盡量都走索引
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，省去mysql優化器自己判斷的時間
straight_join解釋：straight_join功能同join類似，但能讓左邊的表來驅動右邊的表，能改表優化器對于聯表查詢的執行順序。
比如：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。
straight_join只適用于inner join，并不適用于left join，right join。（因為left join，right join已經代表指定了表的執行順序）
盡可能讓優化器去判斷，因為大部分情況下mysql優化器是比人要聰明的。使用straight_join一定要慎重，因為部分情況下人為指定的執行順序并不一定會比優化引擎要靠譜。
在決定哪個表做驅動表的時候，應該是兩個表按照各自的條件過濾，過濾完成之后，計算參與 join 的各個字段的總數據量，數據量小的那個表，就是“小表”，應該作為驅動表。不單單是表的總數據量
原則：小表驅動大表，即小的數據集驅動大的數據集
in：當B表的數據集小于A表的數據集時，in優于exists
select * from A where id in (select id from B)
#等價于：
for(select id from B){
select * from A where A.id = B.id
}exists：當A表的數據集小于B表的數據集時，exists優于in
將主查詢A的數據，放到子查詢B中做條件驗證，根據驗證結果（true或false）來決定主查詢的數據是否保留
select * from A where exists (select 1 from B where B.id = A.id)
#等價于:
for(select * from A){
select * from B where B.id = A.id
}
#A表與B表的ID字段應建立索引EXISTS (subquery)只返回TRUE或FALSE,因此子查詢中的SELECT * 也可以用SELECT 1替換,官方說法是實際執行時會忽略SELECT清單,因此沒有區別
EXISTS子查詢的實際執行過程可能經過了優化而不是我們理解上的逐條對比
EXISTS子查詢往往也可以用JOIN來代替，何種最優需要具體問題具體分析
有下面四條查詢語句：
EXPLAIN select count(1) from employees; EXPLAIN select count(id) from employees; EXPLAIN select count(name) from employees; EXPLAIN select count(*) from employees;
只有 count(字段名) 不會把該字段為null 計入總數
其實上面四條的查詢計劃都一樣，效率上沒有太大的差別
count(*)≈count(1)>count(字段)>count(主鍵 id)
字段有索引，count(字段)統計走二級索引，二級索引存儲數據比主鍵索引少，所以count(字段)>count(主鍵 id)
count(*)≈count(1)>count(主鍵 id)>count(字段)
字段沒有索引count(字段)統計走不了索引，count(主鍵 id)還可以走主鍵索引，所以count(主鍵 id)>count(字段)
count(1)跟count(字段)執行過程類似，不過count(1)不需要取出字段統計，就用常量1做統計，count(字段)還需要取出字段，所以理論上count(1)比count(字段)會快一點。
count(*) 是例外，mysql并不會把全部字段取出來，而是專門做了優化，不取值，按行累加，效率很高，所以不需要用count(列名)或count(常量)來替代 count(*)。
為什么對于count(id)，mysql最終選擇輔助索引而不是主鍵聚集索引？因為二級索引相對主鍵索引存儲數據更少，檢索性能應該更高，mysql內部做了點優化(應該是在5.7版本才優化)。
自己維護的總行數
show table status 如果只需要知道表總行數的估計值可以用如下sql查詢，性能很高 show table status like 'employee'
將總數維護到Redis里 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
索引設計原則：
1、代碼先行，索引后上
等到主體業務功能開發完畢，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
比如可以設計一個或者兩三個聯合索引(盡量少建單值索引)，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，還要確保這些聯合索引的字段順序盡量滿足sql查詢的最左前綴原則。
3、不要在小基數字段上建立索引
索引基數是指這個字段在表里總共有多少個不同的值，比如一張表總共100萬行記錄，其中有個性別字段，其值不是男就是女，那么該字段的基數就是2。
如果對這種小基數字段建立索引的話，還不如全表掃描了，因為你的索引樹里就包含男和女兩種值，根本沒法進行快速的二分查找，那用索引就沒有太大的意義了。
一般建立索引，盡量使用那些基數比較大的字段，就是值比較多的字段，那么才能發揮出B+樹快速二分查找的優勢來。
4、長字符串我們可以采用前綴索引
盡量對字段類型較小的列設計索引，比如說什么tinyint之類的，因為字段類型較小的話，占用磁盤空間也會比較小，此時你在搜索的時候性能也會比較好一點。
當然，這個所謂的字段類型小一點的列，也不是絕對的，很多時候你就是要針對varchar(255)這種字段建立索引，哪怕多占用一些磁盤空間也是有必要的。
對于這種varchar(255)的大字段可能會比較占用磁盤空間，可以稍微優化下，比如針對這個字段的前20個字符建立索引，就是說，對這個字段里的每個值的前20個字符放在索引樹里，類似于 KEY index(name(20),age,position)
此時你在where條件里搜索的時候，如果是根據name字段來搜索，那么此時就會先到索引樹里根據name字段的前20個字符去搜索，定位到之后前20個字符的前綴匹配的部分數據之后，再回到聚簇索引提取出來完整的name字段值進行比對。
但是假如你要是order by name，那么此時你的name因為在索引樹里僅僅包含了前20個字符，所以這個排序是沒法用上索引的， group by也是同理
5、where與order by沖突時優先where
在where和order by出現索引設計沖突時，到底是針對where去設計索引，還是針對order by設計索引？到底是讓where去用上索引，還是讓order by用上索引?
一般這種時候往往都是讓where條件去使用索引來快速篩選出來一部分指定的數據，接著再進行排序。
因為大多數情況基于索引進行where篩選往往可以最快速度篩選出你要的少部分數據，然后做排序的成本可能會小很多。
有 employees表，name, age, sex, position 列， 有聯合索引 （name, age, sex, position）,
sex : 性別，取值0 或1
有如下查詢: select id from employees where name = 'zhangsan' and age = 18 and position = 'dev' 因為跳過了 sex 字段，position 無法利用索引
因為 sex 只有兩個取值，我們在查詢語句上把 sex 的值全部枚舉出來， 如下:
select id from employees where name = 'zhangsan' and age = 18 and sex in (0, 1) and position = 'dev'
這樣一來就可以利用全部索引了。
加入我們要查詢最近一周登錄的用戶，首先想到的是 last_login_time > {一周之前的時間}
這是一個范圍查詢，在后面的所有字段便無法利用索引了，我們可以再設計一個字段，recent_login_flag(tinyint) 標識是否最近登錄過。用定時任務定期更新該字段的值。這樣就由范圍查詢變成了等值查詢，數據可能不是太及時變化，就看業務是否允許了。
總之就是想辦法最大限度的利用索引。
到此，關于“MySQL索引優化案例分析”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。
