创建高性能的索引
ch5 创建高性能的索引
索引(在 MySQL 中也叫做“键(key)”)是存储引擎用于快速找到记录的一种数据结构。
索引基础
在 MySQL 中,索引是在存储引擎层而不是服务器层实现的。
索引采用的数据结构:1️⃣哈希表,2️⃣B+树
索引的用处
- 快速查找匹配 WHERE 子句的行
- 从 consideration 中消除行,如果可以在多个索引之间进行选择,MySQL 通常会使用找到最少行的索引
- 如果表具有多列索引,则优化器可以使用索引的任何最左前缀来查找行
- 当有表连接的时候,从其他表检索行数据
- 查找特定索引列的 min 或 max 值
- 如果排序或分组时在可用索引的最左前缀上完成的,则对表进行排序和分组
- 在某些情况下,可以优化查询以检索值而无需查询数据行
索引的分类:主键索引、唯一索引、普通索引、全文索引、组合索引
B+Tree 索引
哈希索引
基于哈希表的实现,只有精确匹配索引所有列的查询才有效;
在 MySQL 中,只有 memory 的存储引擎显式支持哈希索引;
哈希索引自身只需存储对应的哈希值,所以索引的结构十分紧凑,这让哈希索引查找的速度非常快
InnoDB 引擎有一个特殊的功能叫做“自适应哈希索引(adaptive hash index)”。当InnoDB 注意到某些索引值被使用得非常频繁时,它会在内存中基于B-Tree索引之上再创建一个哈希索引,这样就让 B-Tree 索引也具有哈希索引的一些优点,比如快速的哈希查找。这是一个完全自动的、内部的行为,用户无法控制或者配置,不过如果有必要完全可以关闭该功能。
哈希索引的限制
- 哈希索引只包含哈希值和行指针,而不存储字段值,索引不能使用索引中的值来避免读取行。
- 哈希索引数据并不是按照索引值顺序存储的,所以无法进行排序。
- 哈希索引不支持部分列匹配查找,哈希索引是使用索引列的全部内容来计算哈希值。
- 哈希索引支持等值比较查询,也不支持任何范围查询。
- 访问哈希索引的数据非常快,除非有很多哈希冲突,当出现哈希冲突的时候,存储引擎必须遍历链表中的所有行指针,逐行进行比较,直到找到所有符合条件的行。
- 哈希冲突比较多的话,维护的代价也会很高。
案例
当需要存储大量的 URL,并且根据 URL 进行搜索查找,如果使用 B+ 树,存储的内容就会很大。
1
select id from url where url="";
也可以利用将 url 使用 CRC32 做哈希,可以使用以下查询方式
1
select id from url where url="" and url_crc=CRC32("")
此查询性能较高原因是使用体积很小的索引来完成查找。
CRC32(Cyclic Redundancy Check,循环冗余校验)是一种校验算法,通常用于检查数据传输过程中是否发生了错误。CRC32算法通过对数据进行处理生成一个32位的校验值,这个校验值在数据传输结束后被发送方计算并附加到数据中,接收方收到数据后也会计算校验值并与接收到的校验值进行比较,以判断数据是否完整和正确。在数据库中,CRC32有时也用作一种简单的哈希算法,用于生成数据的哈希值以便于在索引中进行快速检索。
全文索引 FULLTEXT
全文索引查找的是文本中的关键词,而不是直接比较索引中的值。
文章存到了 MySQL 里面,怎么找有某关键词的文章? Ans: 分词。
lucene -> Solr -> ES
索引的优点
- 大大减少了服务器需要扫描的数据量;
- 帮助服务器避免排序和临时表;
- 将随机 I/O 变成顺序 I/O
B-Tree 索引查询类型/匹配方式
全值匹配
全值匹配指的是和索引中的所有列进行匹配
匹配最左前缀
只匹配前面的几列
匹配列前缀
可以匹配某一列的值的开头部分
匹配范围值
可以查找某一个范围的数据
精确匹配某一列并范围匹配另外一列
可以查询第一列的全部和第二列的部分
只访问索引的查询
查询的时候只需要访问索引,不需要访问数据行,本质上就是覆盖索引
高性能的索引策略
三星索引概念⭐⭐⭐
对于一个查询而言,一个三星索引,可能是其最好的索引。
满足的条件如下:
- 索引将相关的记录放到一起则获得一星⭐(比重27%)
- 如果索引中的数据顺序和查找中的排列顺序一致则获得二星(排序星)⭐⭐(比重27%)
- 如果索引中的列包含了查询中需要的全部列则获得三星(宽索引星)⭐⭐⭐(比重50%)
这三颗星,哪颗最重要?第三颗星。因为将一个列排除在索引之外可能会导致很多磁盘随机读(回表操作)。第一和第二颗星重要性差不多,可以理解为第三颗星比重是50%,第一颗星为27%,第二颗星为23%,所以在大部分的情况下,会先考虑第一颗星,但会根据业务情况调整这两颗星的优先度。
一星⭐
一星的意思就是:如果一个查询相关的索引行是相邻的或者至少相距足够靠近的话,必须扫描的索引片宽度就会缩至最短,也就是说,让索引片尽量变窄,也就是我们所说的索引的扫描范围越小越好。
二星(排序星)⭐⭐ :
在满足一星的情况下,当查询需要排序,group by、 order by,如果查询所需的顺序与索引是一致的(索引本身是有序的),是不是就可以不用再另外排序了,一般来说排序可是影响性能的关键因素。
三星(宽索引星)⭐⭐⭐ :
在满足了二星的情况下,如果索引中所包含了这个查询所需的所有列(包括 where 子句和 select 子句中所需的列,也就是覆盖索引),这样一来,查询就不再需要回表了,减少了查询的步骤和IO请求次数,性能几乎可以提升一倍。
独立的列
“独立的列”是指索引列不能是表达式的一部分,也不能是函数的参数。
1
where actor_id + 1 = 5;
上面这个就不能解析,不能用索引,应该将单独的列放在比较符号的一侧。
前缀索引和索引选择性
索引选择性(selectivity)是指,不重复的索引值(也称为基数,cardinality)和数据表的记录总数(#T)的比值,范围从 1/#T 到 1 之间。
索引选择性越高则查询效率越高,因为选择性高的索引可以让 MySQL 在查找时过滤掉更多的行。
唯一索引的选择性是 1,这是最好的索引选择性,性能也是最好的。
一般情况某个列前缀的选择性也是足够高的,足以满足查询性能。要选择足够长的前缀索引,又不能太长,足够长以使得前缀索引的选择性接近于索引整个列。就是,前缀的“基数”应该接近于完整列的“基数”。
多列索引
常见的错误:为每个列创建独立的索引,或者按照错误的顺序创建多列索引。
组合索引:当包含多个列作为索引的时候,需要注意的是正确的顺序依赖于该索引的查询,同时需要考虑如何更好的满足排序和分组的需要
案例:建立组合索引 a, b, c,不同 SQL 语句使用索引的情况
statement | 索引是否发挥作用 |
---|---|
where a=3 | 是,只使用了 a |
where a=3 and b=5 | 是,使用了a, b |
where a=3 and b=5 and c=4 | 是,使用了 a, b, c |
where b=3 or where c=4 | 否 |
where a=3 and c=4 | 是,仅使用了 a |
where a=3 and b>10 and c=7 | 是,使用了 a,b |
where a=3 and b like ‘%xx%’ and c=7 | 使用了 a |
选择合适的索引顺序
聚簇索引
- 聚簇索引:不是单独的索引类型,而是一种数据存储方式,指的是数据行跟相邻的键值紧凑的存储在一起 (数据跟索引是否是聚集存储的)
- 非聚簇索引:数据文件跟索引文件分开存放,MyISAM 都是,InnoDB 的二级索引(辅助索引,普通索引)
innodb的主键索引就是聚簇索引
必须要包含一个主键列的:
- key 如果在创建表的时候制定了主键,那么 key 就是主键;
- 如果没有主键,那么 key 就是唯一键,如果唯一键也没有,那么 key 就是6字节的 rowid。
聚簇索引优点
- 可以把相关数据保存在一起
- 数据访问更快,因为索引和数据保存在同一个树中
- 使用覆盖索引扫描的查询可以直接使用页节点中的主键值
聚簇索引缺点
- 聚簇数据最大限度地提高了IO密集型应用的性能,如果数据全部在内存,那么聚簇索引就没有什么优势
- 插入速度严重依赖于插入顺序,按照主键的顺序插入是最快的方式
- 更新聚簇索引列的代价很高,因为会强制将每个被更新的行移动到新的位置
- 基于聚簇索引的表在插入新行,或者主键被更新导致需要移动行的时候,可能面临页分裂的问题
- 聚簇索引可能导致全表扫描变慢,尤其是行比较稀疏,或者由于页分裂导致数据存储不连续的时候
索引覆盖
- 如果一个索引包含所有需要查询的字段的值,我们称之为覆盖索引
- 不是所有类型的索引都可以称为覆盖索引,覆盖索引必须要存储索引列的值
- 不同的存储实现覆盖索引的方式不同,不是所有的引擎都支持覆盖索引,Memory 不支持覆盖索引
覆盖索引优势
- 索引条目通常远小于数据行大小,如果只需要读取索引,那么mysql就会极大的较少数据访问量
- 因为索引是按照列值顺序存储的,所以对于IO密集型的范围查询会比随机从磁盘读取每一行数据的IO要少的多
- 一些存储引擎如 MYISAM 在内存中只缓存索引,数据则依赖于操作系统来缓存,因此要访问数据需要一次系统调用,这可能会导致严重的性能问题
- 由于 INNODB 的聚簇索引,覆盖索引对 INNODB 表特别有用
使用索引扫描来做排序
MySQL 有两种方式可以生成有序结果:通过排序操作;或者按索引顺序扫描
如果 EXPLAIN 出来的 type 列的值为“index”,则说明 MySQL 使用了索引扫描来做排序(并不是 Extra 列的 Using index)
压缩(前缀压缩)索引
默认压缩字符串
冗余和重复索引
冗余:在相同列上创建多个索引,影响性能
重复索引:在相同的列上按照相同的顺序创建的相同类型的索引。应该避免创建重复索引。
未使用的索引
这种用不到的,建议直接删除
Q: 怎么找出未使用的索引?
1
SELECT * FROM sys.schema_unused_indexes;
索引和锁
索引可以让查询锁定更少的行。