索引對于良好的性能非常關(guān)鍵。尤其是當(dāng)表中的數(shù)據(jù)量越來越大時，索引對性能的影響愈發(fā)重要。

一、索引的類型

在MySQL中，索引是在存儲引擎層而不是服務(wù)器層實(shí)現(xiàn)的。所以沒用統(tǒng)一的索引標(biāo)準(zhǔn)，不同存儲引擎的索引工作方式并不相同。

1.1、B-Tree

B-Tree索引即使用B-Tree數(shù)據(jù)結(jié)構(gòu)來存儲數(shù)據(jù)。B-Tree通常意味著所有值都是按順序存儲的，并且每個葉子頁到根的距離相同。存儲引擎已不同的方式來使用B-Tree索引，性能也各不相同。

可以使用B-Tree索引的查詢類型——全鍵值、鍵值范圍和鍵前綴查找。其中鍵前綴查找只適用于根據(jù)最左前綴查找。

1.2、哈希索引

哈希索引基于哈希表實(shí)現(xiàn)，只有精確匹配索引的所有列的查詢才有效。在MySQL中，只有Memory引擎顯示支持哈希索引，這也是Memory引擎的默認(rèn)索引類型。

對于每一行數(shù)據(jù)，存儲引擎都會對所有的索引列計算一個哈希碼，如果多個列的哈希碼相同，索引會以鏈表的方式存放多個記錄指針到同一個哈希條目中。哈希索引將所有的哈希碼存儲在索引中，同時在哈希表中保存指向每個數(shù)據(jù)行的指針。

1.3、全文索引

全文索引是一種特殊類型的索引，它查找的是文本中的關(guān)鍵詞，而不是直接比較索引中 的值。全文搜索和其他幾類索引的匹配方式完全不一樣。它有許多需要注意的細(xì)節(jié)，如 停用詞、詞干和復(fù)數(shù)、布爾搜索等。全文索引更類似于搜索引擎做的事情，而不是簡單 的WHERE條件匹配。

在相同的列上同時創(chuàng)建全文索引和基于值的B-Tree索引不會有沖突，全文索引適用于 MATCH AGAINST操作，而不是普通的WHERE條件操作。

1.4、其他索引類別

還有很多第三方的存儲引擎使用不同類型的數(shù)據(jù)結(jié)構(gòu)來存儲索引。例如TokuDB使用分 形樹索引(fractal tree index),這是一類較新開發(fā)的數(shù)據(jù)結(jié)構(gòu)，既有B-Tree的很多優(yōu)點(diǎn)， 也避免了 B.Tree的一些缺點(diǎn)。如果通讀完本章，可以看到很多關(guān)于InnoDB的主題，包 括聚簇索引、覆蓋索引等。多數(shù)情況下，針對InnoDB的討論也都適用于TokuDB。

二、索引的優(yōu)點(diǎn)

索引可以讓服務(wù)器快速地定位到表的指定位置。但是這并不是索引的唯一作用，到目前 為止可以看到，根據(jù)創(chuàng)建索引的數(shù)據(jù)結(jié)構(gòu)不同，索引也有一些其他的附加作用。總結(jié)下來索引的三大優(yōu)點(diǎn)：

• 索引大大減少了服務(wù)器需要掃描的數(shù)據(jù)量；
• 索引可以幫助服務(wù)器避免排序和臨時表；
• 索引可以將隨機(jī)I/O變?yōu)轫樞騃/O。

索引是最好的解決方案嗎？

索引并不總是最好的工具。總的來說，只有當(dāng)索引幫助存儲引擎快速查找到記錄帶 來的好處大于其帶來的額外工作時，索引才是有效的。對于非常小的表，大部分情 況下簡單的全表掃描更高效。對于中到大型的表，索引就非常有效。但對于特大型的表，建立和使用索引的代價將隨之增長。這種情況下，則需要一種技術(shù)可以直接區(qū)分出查詢需要的一組數(shù)據(jù)，而不是一條記錄一條記錄地匹配。

三、高性能的索引策略

3.1、獨(dú)立的列

索引列不能是表達(dá)式的一部分，也不能是函數(shù)的參數(shù)。

例如：SELECT actor_id FROM actor WHERE actor_id + 1 = 5;

或者：SELECT actor_id FROM actor WHERE f(actor_id) = 5;

3.2、前綴索引和索引選擇性

有時候需要索引很長的字符列，這會讓索引變得很大且很慢。此時可以有兩個策略，一個是自定義哈希索引，另一個就是前綴索引。

• 前綴索引能大大節(jié)約索引空間，從而提高索引效率，但這樣也會降低索引的選擇性（索引選擇性——不重復(fù)的索引值和數(shù)據(jù)表記錄總數(shù)的比值）；
• 索引前綴長度的選擇——計算法。例如：LELECT COUNT(DISTINCT city)/COUNT() AS sel1, COUNT(DISTINCT LEFT(city, 3))/COUNT() AS sel2, …; 如果前綴的選擇性接近sel1就可以使用了。有時候只看平均選擇型也不靠譜，還需要做進(jìn)一步判斷。
• 缺點(diǎn)：MySQL無法使用前綴索引做ORDER BY和GROUP BY，也無法使用前綴索引做覆蓋掃描；
• 有時候也可以使用前綴索引——可將對應(yīng)列的字符串反序存儲，并創(chuàng)建前綴索引。

3.3、多列索引

為多列創(chuàng)建合適的索引

• 多列索引。例如：key(col1, col2, col3)；
• MySQL5.0之后的版本引入了“索引合并”的策略，一定程度上可以使用表上的多個單列索引來定位表中的行；
• 索引合并策略有時候是一種優(yōu)化后的結(jié)果，但實(shí)際上更說明表上的索引建得很糟糕。
  • 當(dāng)出現(xiàn)服務(wù)器對多個索引做相交操作時（多個AND），通常意味著需要一個包含相關(guān)列的多列索引，而不是多個獨(dú)立的單列索引;
  • 當(dāng)服務(wù)器需要對多個索引做聯(lián)合操作時（多個OR），通常需要耗費(fèi)大量的CPU和內(nèi)存在算法的緩存、排序和合并上。

3.4、選擇合適的索引順序

• 正確的索引順序依賴于使用該索引的查詢，并且同時需要考慮如何更好的滿足排序和分組的需要；
• 索引可以按照升序或者降序進(jìn)行掃描，以滿足精確符合列順序的ORDER BY 、GROUP BY和DISTINCT等子句的查詢需求；
• 索引列順序的選擇——在不考慮分組和排序的情況下，將選擇性最高的列放到索引最前面（經(jīng)驗(yàn)法則）；
• 避免隨機(jī)I/O和排序；
• 對于某些特殊用戶和分組，避免其使用普通的索引查詢。

3.5、聚簇索引

聚簇索引就是按照每張表的主鍵構(gòu)造一顆B+樹，同時葉子節(jié)點(diǎn)中存放的就是整張表的行記錄數(shù)據(jù)，也將聚集索引的葉子節(jié)點(diǎn)稱為數(shù)據(jù)頁。這個特性決定了索引組織表中數(shù)據(jù)也是索引的一部分，每張表只能擁有一個聚簇索引。

Innodb通過主鍵聚集數(shù)據(jù)，如果沒有定義主鍵，innodb會選擇非空的唯一索引代替。如果沒有這樣的索引，innodb會隱式的定義一個主鍵來作為聚簇索引。

聚簇索引的優(yōu)點(diǎn)：

• 數(shù)據(jù)訪問更快，因?yàn)榫鄞厮饕龑⑺饕蛿?shù)據(jù)保存在同一個B+樹中，因此從聚簇索引中獲取數(shù)據(jù)比非聚簇索引更快
• 聚簇索引對于主鍵的排序查找和范圍查找速度非常快

聚簇索引的缺點(diǎn)：

• 插入速度嚴(yán)重依賴于插入順序，按照主鍵的順序插入是最快的方式，否則將會出現(xiàn)頁分裂，嚴(yán)重影響性能。因此，對于InnoDB表，我們一般都會定義一個自增的ID列為主鍵
• 更新主鍵的代價很高，因?yàn)閷?dǎo)致被更新的行移動。因此，對于InnoDB表，我們一般定義主鍵為不可更新。
• 二級索引訪問需要兩次索引查找，第一次找到主鍵值，第二次根據(jù)主鍵值找到行數(shù)據(jù)。

3.6、覆蓋索引

通常開發(fā)人員會根據(jù)查詢的where條件來創(chuàng)建合適的索引，但是優(yōu)秀的索引設(shè)計應(yīng)該考慮到整個查詢。其實(shí)mysql可以使用索引來直接獲取列的數(shù)據(jù)。如果索引的葉子節(jié)點(diǎn)包含了要查詢的數(shù)據(jù)，那么就不用回表查詢了，也就是說這種索引包含（亦稱覆蓋）所有需要查詢的字段的值，我們稱這種索引為覆蓋索引

3.7、使用索引掃描排序

MySQL有兩種方式可以生成有序結(jié)果：通過排序操作；按照索引順序掃描。

• 只有當(dāng)索引的列順序和ORDER BY子句的順序完全一致，并且所有列的排序方向（升序/降序）都一樣時，MySQL才能使用索引來對結(jié)果做排序；
• 當(dāng)查詢需要關(guān)聯(lián)多張表時，只有當(dāng)ORDER BY子句引用的字段全部來自第一張表時，才能使用索引排序；
• ORDER BY子句中的字段需要滿足索引的最左前綴的要求，才能使用索引排序；
• 當(dāng)索引的前導(dǎo)列為常量時，ORDER BY子句可以不滿足索引的最左前綴要求也能使用索引排序。例如：key(rental_date, inventory_id, customer_id)；… where rental_data=‘2018-01-08’ ORDER BY inventory_id DESC;

四、維護(hù)索引和表

維護(hù)表有三個目的：找到并修復(fù)損壞的表；維護(hù)準(zhǔn)確的索引統(tǒng)計信息；減少碎片

4.1、更新索引統(tǒng)計信息

MySQL的查詢優(yōu)化器會通過兩個API來了解存儲引擎的索引值的分布信息，已決定如何使用索引信息。

• records_in_range();
• info()。如果存儲引擎向優(yōu)化器提供的索引統(tǒng)計信息不準(zhǔn)確，就會導(dǎo)致優(yōu)化器做出錯誤的優(yōu)化決定，這會嚴(yán)重影響查詢性能。可通過執(zhí)行ANALYZE TABLE 來重新生成統(tǒng)計信息以解決這個問題。

4.2、減少索引和數(shù)據(jù)的碎片

• B-Tree索引可能會碎片化，碎片化的索引可能會以很差或無序的方式存儲在磁盤上，這會降低查詢效率；
• 表數(shù)據(jù)存儲也可能碎片化。主要有行碎片、行間碎片、剩余空間碎片三種。對于MyISAM表，這三類碎片都可能發(fā)生，但I(xiàn)nnoDB不會出現(xiàn)短小的行碎片，InnoDB會移動短小的行，并重寫到一個片段中。
• 【維護(hù)方法】可通過執(zhí)行POTIMIZE TABLE或者導(dǎo)出再導(dǎo)入來重新整理數(shù)據(jù)；對于那些不支持POTIMIZE TABLE命令的引擎，可以執(zhí)行ALTER TABLE操作來重建表。只需要將表的存儲引擎改為當(dāng)前的引擎即可。例如：ALTER TABLE <table> ENGINE=<engine>;

五、總結(jié)

索引是一個非常復(fù)雜的話題！ MySQL和存儲引擎訪問數(shù)據(jù)的方式， 加上索引的特性，使得索引成為一個影響數(shù)據(jù)訪問的有力而靈活的工作（無論數(shù)據(jù)是在 磁盤中還是在內(nèi)存中）。

在MySQL中，大多數(shù)情況下都會使用B-Tree索引。其他類型的索引大多只適用于特殊 的目的。如果在合適的場景中使用索引，將大大提高査詢的響應(yīng)時間。

如果一個査詢無法從所有可能的索引中獲益，則應(yīng)該看看是否可以創(chuàng)建一個更合適的索 引來提升性能。如果不行，也可以看看是否可以重寫該査詢，將其轉(zhuǎn)化成一個能夠高效 利用現(xiàn)有索引或者新創(chuàng)建索引的査詢。這也是下一章要介紹的內(nèi)容。

參考：

《高性能 MySQL 第三版》

聚簇索引和非聚簇索引

mysql-覆蓋索引

創(chuàng)建高性能的索引

總結(jié)

以上是生活随笔為你收集整理的高性能MySQL(3)——创建高性能索引的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。