索引使用策略及優(yōu)化

MySQL的優(yōu)化主要分為結(jié)構(gòu)優(yōu)化（Scheme optimization）和查詢優(yōu)化（Query optimization）。本章討論的高性能索引策略主要屬于結(jié)構(gòu)優(yōu)化范疇。本章的內(nèi)容完全基于上文的理論基礎，實際上一旦理解了索引背后的機制，那么選擇高性能的策略就變成了純粹的推理，并且可以理解這些策略背后的邏輯。

示例數(shù)據(jù)庫

為了討論索引策略，需要一個數(shù)據(jù)量不算小的數(shù)據(jù)庫作為示例。本文選用MySQL官方文檔中提供的示例數(shù)據(jù)庫之一：employees。這個數(shù)據(jù)庫關系復雜度適中，且數(shù)據(jù)量較大。下圖是這個數(shù)據(jù)庫的E-R關系圖（引用自MySQL官方手冊）

MySQL官方文檔中關于此數(shù)據(jù)庫的頁面為http://dev.mysql.com/doc/employee/en/employee.html。里面詳細介紹了此數(shù)據(jù)庫，并提供了下載地址和導入方法，如果有興趣導入此數(shù)據(jù)庫到自己的MySQL可以參考文中內(nèi)容。

最左前綴原理與相關優(yōu)化

高效使用索引的首要條件是知道什么樣的查詢會使用到索引，這個問題和B+Tree中的“最左前綴原理”有關，下面通過例子說明最左前綴原理。

這里先說一下聯(lián)合索引的概念。在上文中，我們都是假設索引只引用了單個的列，實際上，MySQL中的索引可以以一定順序引用多個列，這種索引叫做聯(lián)合索引，一般的，一個聯(lián)合索引是一個有序元組《a1， a2， …， an》，其中各個元素均為數(shù)據(jù)表的一列，實際上要嚴格定義索引需要用到關系代數(shù)，但是這里我不想討論太多關系代數(shù)的話題，因為那樣會顯得很枯燥，所以這里就不再做嚴格定義。另外，單列索引可以看成聯(lián)合索引元素數(shù)為1的特例。

以employees.titles表為例，下面先查看其上都有哪些索引：

從結(jié)果中可以到titles表的主索引為《emp_no， title， from_date》，還有一個輔助索引《emp_no》。為了避免多個索引使事情變復雜（MySQL的SQL優(yōu)化器在多索引時行為比較復雜），這里我們將輔助索引drop掉：

這樣就可以專心分析索引PRIMARY的行為了。

情況一：全列匹配。

很明顯，當按照索引中所有列進行精確匹配（這里精確匹配指“=”或“IN”匹配）時，索引可以被用到。這里有一點需要注意，理論上索引對順序是敏感的，但是由于MySQL的查詢優(yōu)化器會自動調(diào)整where子句的條件順序以使用適合的索引，例如我們將where中的條件順序顛倒：

效果是一樣的。

情況二：最左前綴匹配。

當查詢條件精確匹配索引的左邊連續(xù)一個或幾個列時，如《emp_no》或《emp_no， title》，所以可以被用到，但是只能用到一部分，即條件所組成的最左前綴。上面的查詢從分析結(jié)果看用到了PRIMARY索引，但是key_len為4，說明只用到了索引的第一列前綴。

情況三：查詢條件用到了索引中列的精確匹配，但是中間某個條件未提供。

此時索引使用情況和情況二相同，因為title未提供，所以查詢只用到了索引的第一列，而后面的from_date雖然也在索引中，但是由于title不存在而無法和左前綴連接，因此需要對結(jié)果進行掃描過濾from_date（這里由于emp_no唯一，所以不存在掃描）。如果想讓from_date也使用索引而不是where過濾，可以增加一個輔助索引《emp_no， from_date》，此時上面的查詢會使用這個索引。除此之外，還可以使用一種稱之為“隔離列”的優(yōu)化方法，將emp_no與from_date之間的“坑”填上。

首先我們看下title一共有幾種不同的值：

只有7種。在這種成為“坑”的列值比較少的情況下，可以考慮用“IN”來填補這個“坑”從而形成最左前綴：

這次key_len為59，說明索引被用全了，但是從type和rows看出IN實際上執(zhí)行了一個range查詢，這里檢查了7個key。看下兩種查詢的性能比較：

“填坑”后性能提升了一點。如果經(jīng)過emp_no篩選后余下很多數(shù)據(jù)，則后者性能優(yōu)勢會更加明顯。當然，如果title的值很多，用填坑就不合適了，必須建立輔助索引。

情況四：查詢條件沒有指定索引第一列。

由于不是最左前綴，索引這樣的查詢顯然用不到索引。

情況五：匹配某列的前綴字符串。

此時可以用到索引，但是如果通配符不是只出現(xiàn)在末尾，則無法使用索引。（原文表述有誤，如果通配符%不出現(xiàn)在開頭，則可以用到索引，但根據(jù)具體情況不同可能只會用其中一個前綴）

情況六：范圍查詢。

范圍列可以用到索引（必須是最左前綴），但是范圍列后面的列無法用到索引。同時，索引最多用于一個范圍列，因此如果查詢條件中有兩個范圍列則無法全用到索引。

可以看到索引對第二個范圍索引無能為力。這里特別要說明MySQL一個有意思的地方，那就是僅用explain可能無法區(qū)分范圍索引和多值匹配，因為在type中這兩者都顯示為range。同時，用了“between”并不意味著就是范圍查詢，例如下面的查詢：

看起來是用了兩個范圍查詢，但作用于emp_no上的“BETWEEN”實際上相當于“IN”，也就是說emp_no實際是多值精確匹配。可以看到這個查詢用到了索引全部三個列。因此在MySQL中要謹慎地區(qū)分多值匹配和范圍匹配，否則會對MySQL的行為產(chǎn)生困惑。

情況七：查詢條件中含有函數(shù)或表達式。

很不幸，如果查詢條件中含有函數(shù)或表達式，則MySQL不會為這列使用索引（雖然某些在數(shù)學意義上可以使用）。例如：

雖然這個查詢和情況五中功能相同，但是由于使用了函數(shù)left，則無法為title列應用索引，而情況五中用LIKE則可以。再如：

顯然這個查詢等價于查詢emp_no為10001的函數(shù)，但是由于查詢條件是一個表達式，MySQL無法為其使用索引。看來MySQL還沒有智能到自動優(yōu)化常量表達式的程度，因此在寫查詢語句時盡量避免表達式出現(xiàn)在查詢中，而是先手工私下代數(shù)運算，轉(zhuǎn)換為無表達式的查詢語句。

索引選擇性與前綴索引

既然索引可以加快查詢速度，那么是不是只要是查詢語句需要，就建上索引？答案是否定的。因為索引雖然加快了查詢速度，但索引也是有代價的：索引文件本身要消耗存儲空間，同時索引會加重插入、刪除和修改記錄時的負擔，另外，MySQL在運行時也要消耗資源維護索引，因此索引并不是越多越好。一般兩種情況下不建議建索引。

第一種情況是表記錄比較少，例如一兩千條甚至只有幾百條記錄的表，沒必要建索引，讓查詢做全表掃描就好了。至于多少條記錄才算多，這個個人有個人的看法，我個人的經(jīng)驗是以2000作為分界線，記錄數(shù)不超過 2000可以考慮不建索引，超過2000條可以酌情考慮索引。

另一種不建議建索引的情況是索引的選擇性較低。所謂索引的選擇性（Selectivity），是指不重復的索引值（也叫基數(shù)，Cardinality）與表記錄數(shù)（#T）的比值：

Index Selectivity = Cardinality / #T

顯然選擇性的取值范圍為（0， 1］，選擇性越高的索引價值越大，這是由B+Tree的性質(zhì)決定的。例如，上文用到的employees.titles表，如果title字段經(jīng)常被單獨查詢，是否需要建索引，我們看一下它的選擇性：

title的選擇性不足0.0001（精確值為0.00001579），所以實在沒有什么必要為其單獨建索引。

有一種與索引選擇性有關的索引優(yōu)化策略叫做前綴索引，就是用列的前綴代替整個列作為索引key，當前綴長度合適時，可以做到既使得前綴索引的選擇性接近全列索引，同時因為索引key變短而減少了索引文件的大小和維護開銷。下面以employees.employees表為例介紹前綴索引的選擇和使用。

從圖12可以看到employees表只有一個索引《emp_no》，那么如果我們想按名字搜索一個人，就只能全表掃描了：

如果頻繁按名字搜索員工，這樣顯然效率很低，因此我們可以考慮建索引。有兩種選擇，建《first_name》或《first_name， last_name》，看下兩個索引的選擇性：

《first_name》顯然選擇性太低，《first_name， last_name》選擇性很好，但是first_name和last_name加起來長度為30，有沒有兼顧長度和選擇性的辦法？可以考慮用first_name和last_name的前幾個字符建立索引，例如《first_name， left（last_name， 3）》，看看其選擇性：

選擇性還不錯，但離0.9313還是有點距離，那么把last_name前綴加到4：

這時選擇性已經(jīng)很理想了，而這個索引的長度只有18，比《first_name， last_name》短了接近一半，我們把這個前綴索引 建上：

此時再執(zhí)行一遍按名字查詢，比較分析一下與建索引前的結(jié)果：

性能的提升是顯著的，查詢速度提高了120多倍。

前綴索引兼顧索引大小和查詢速度，但是其缺點是不能用于ORDER BY和GROUP BY操作，也不能用于Covering index（即當索引本身包含查詢所需全部數(shù)據(jù)時，不再訪問數(shù)據(jù)文件本身）。

InnoDB的主鍵選擇與插入優(yōu)化

在使用InnoDB存儲引擎時，如果沒有特別的需要，請永遠使用一個與業(yè)務無關的自增字段作為主鍵。

經(jīng)常看到有帖子或博客討論主鍵選擇問題，有人建議使用業(yè)務無關的自增主鍵，有人覺得沒有必要，完全可以使用如學號或身份證號這種唯一字段作為主鍵。不論支持哪種論點，大多數(shù)論據(jù)都是業(yè)務層面的。如果從數(shù)據(jù)庫索引優(yōu)化角度看，使用InnoDB引擎而不使用自增主鍵絕對是一個糟糕的主意。

上文討論過InnoDB的索引實現(xiàn)，InnoDB使用聚集索引，數(shù)據(jù)記錄本身被存于主索引（一顆B+Tree）的葉子節(jié)點上。這就要求同一個葉子節(jié)點內(nèi)（大小為一個內(nèi)存頁或磁盤頁）的各條數(shù)據(jù)記錄按主鍵順序存放，因此每當有一條新的記錄插入時，MySQL會根據(jù)其主鍵將其插入適當?shù)墓?jié)點和位置，如果頁面達到裝載因子（InnoDB默認為15/16），則開辟一個新的頁（節(jié)點）。

如果表使用自增主鍵，那么每次插入新的記錄，記錄就會順序添加到當前索引節(jié)點的后續(xù)位置，當一頁寫滿，就會自動開辟一個新的頁。如下圖所示：

這樣就會形成一個緊湊的索引結(jié)構(gòu)，近似順序填滿。由于每次插入時也不需要移動已有數(shù)據(jù)，因此效率很高，也不會增加很多開銷在維護索引上。

如果使用非自增主鍵（如果身份證號或?qū)W號等），由于每次插入主鍵的值近似于隨機，因此每次新紀錄都要被插到現(xiàn)有索引頁得中間某個位置：

此時MySQL不得不為了將新記錄插到合適位置而移動數(shù)據(jù)，甚至目標頁面可能已經(jīng)被回寫到磁盤上而從緩存中清掉，此時又要從磁盤上讀回來，這增加了很多開銷，同時頻繁的移動、分頁操作造成了大量的碎片，得到了不夠緊湊的索引結(jié)構(gòu)，后續(xù)不得不通過OPTIMIZE TABLE來重建表并優(yōu)化填充頁面。

因此，只要可以，請盡量在InnoDB上采用自增字段做主鍵。

后記

這篇文章斷斷續(xù)續(xù)寫了半個月，主要內(nèi)容就是上面這些了。不可否認，這篇文章在一定程度上有紙上談兵之嫌，因為我本人對MySQL的使用屬于菜鳥級別，更沒有太多數(shù)據(jù)庫調(diào)優(yōu)的經(jīng)驗，在這里大談數(shù)據(jù)庫索引調(diào)優(yōu)有點大言不慚。就當是我個人的一篇學習筆記了。

其實數(shù)據(jù)庫索引調(diào)優(yōu)是一項技術活，不能僅僅靠理論，因為實際情況千變?nèi)f化，而且MySQL本身存在很復雜的機制，如查詢優(yōu)化策略和各種引擎的實現(xiàn)差異等都會使情況變得更加復雜。但同時這些理論是索引調(diào)優(yōu)的基礎，只有在明白理論的基礎上，才能對調(diào)優(yōu)策略進行合理推斷并了解其背后的機制，然后結(jié)合實踐中不斷的實驗和摸索，從而真正達到高效使用MySQL索引的目的。

另外，MySQL索引及其優(yōu)化涵蓋范圍非常廣，本文只是涉及到其中一部分。如與排序（ORDER BY）相關的索引優(yōu)化及覆蓋索引（Covering index）的話題本文并未涉及，同時除B-Tree索引外MySQL還根據(jù)不同引擎支持的哈希索引、全文索引等等本文也并未涉及。如果有機會，希望再對本文未涉及的部分進行補充吧。

責任編輯：haq