摘要：索引定义数据库索引好比书的目录，对数据库表中一个或多个字段的值进行排序的结构。
索引定义
数据库索引好比书的目录，对数据库表中一个或多个字段的值进行排序的结构。在查找索引字段中保存的某个值的时候通过查“目录”会比逐条地查找数据记录快很多。索引也是一种表，存储着索引字段和指向实际表记录的指针。
索引的利弊
-- 利
1.大大加快数据的检索速度; 2.创建唯一性索引，保证数据库表中每一行数据的唯一性; 3.加速表和表之间的连接; 4.在使用分组和排序子句进行数据检索时，可以显著减少查询中分组和排序的时间。
-- 弊
1.索引需要占用数据表以外的物理存储空间； 2.更新数据表数据记录时，也需要更新相应的索引，因此会降低数据表的更新速度；
索引类型
-- 按功能逻辑划分为以下4类：
normal：普通索引
unique：不允许重复的索引
fulltextl：全文索引，只可以在VARCHAR或者TEXT类型的列上创建。
spatial：空间索引（不常用）
全文检索的对象是一个单词，被检索的词需要用非文本隔开，而like模糊查询的对象是字符
-- 按实现方式分：
Btree二叉树、hash、Rtree
btree索引和hash索引的区别
-- hash
设置了hash索引的字段在范围查询和排序时索引失效，经过Hash运算后字段值的大小关系会发生变化，所以通过hash索引只能判断字段值是否相等无法比较大小；
设置多列索引的hash索引在查询中只用到部分字段时索引失效，因为多个字段的组合索引的hash索引是将多个字段值组合到一起计算hash值；
无法避免表扫描，因为同一hash值可能对应多条记录，所以通过hash索引只是缩小了查找范围，但依然需要比较实际数据来查找最终匹配的记录；
检索效率高，但某些情况下检索效率会低于btree索引，因为hash索引可以一次定位，不需要像树形索引那样逐层查找,但是如果有大量记录对应同一hash值则会进行大范围的表扫描造成效率低下；
只有Memory、NDB引擎支持hash，innodb并不显式地支持hash，所以使用innodb引擎的表无法手动设置hash索引；
-- btree
支持使用 =, >, >=, <, <=、BETWEEN、like "key%" 运算符。
几种导致索引失效的情况
索引列参与计算；
where子句中对索引字段使用了函数；
与非索引列进行or运算；
使用了Like %XXX；
字符串索引列与数字直接比较；
如果 MySQL 估计使用索引比全表扫描更慢，则不使用索引
设置了hash索引的字段在范围查询和排序时索引失效
设置多列索引的hash索引在查询中只用到部分字段时索引失效
对索引字段使用 NOT IN 、<>、！=
当然也有一些变通方法，比如or可以通过子集union的方式代替解决；like可以借助字符串反转函数将%移到后面；字符串问题可以将数字加引号转为字符串
索引策略
选择在where子句中或在join子句中出现的列作为索引列
索引要建立在值比较唯一的字段上
使用短索引
尽量避免允许为null的字段上建立索引
建索引的几大原则 引用自 https://tech.meituan.com/mysq...
1.最左前缀匹配原则，非常重要的原则，mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。
2.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式
3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录
4.索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);
5.尽量的扩展索引，不要新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的索引即可
查询优化神器 - explain命令
关于explain命令相信大家并不陌生，具体用法和字段含义可以参考官网explain-output，这里需要强调rows是核心指标，绝大部分rows小的语句执行一定很快（有例外，下面会讲到）。所以优化语句基本上都是在优化rows。
慢查询优化基本步骤
0.先运行看看是否真的很慢，注意设置SQL_NO_CACHE
1.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
2.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果，不符合预期继续从0分析
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/47653.html
摘要：哈希索引哈希索引基于哈希索引实现，只有精确匹配所有所有列的查询才有效。哈希索引只支持等值比较查询。如果哈希冲突很多的话，一些索引维护代价也会很高。因为这些限制哈希索引只适用于某些特定的场合。建立聚簇索引的方式对主键建立聚簇索引。 索引是存储引擎用于快速找到记录的一种数据结构。 索引对于良好的性能非常关键。尤其是当表中的数据量越来越大时，索引对性能的影响愈发重要。在数据量较小且负载较低时...
摘要：索引的原理与应用索引类型，存储结构与锁在数据结构与算法索引一节中，我们讨论了这样的文件索引以及全文索引的基础算法，本文则会针对文件索引在关系型数据库中的实际应用进行探讨。这个索引的是数据表的主键，因此表数据文件本身就是主索引。 showImg(https://segmentfault.com/img/remote/1460000018453572?w=1280&h=554); 本文节选...
摘要：索引的原理与应用索引类型，存储结构与锁在数据结构与算法索引一节中，我们讨论了这样的文件索引以及全文索引的基础算法，本文则会针对文件索引在关系型数据库中的实际应用进行探讨。这个索引的是数据表的主键，因此表数据文件本身就是主索引。 showImg(https://segmentfault.com/img/remote/1460000018453572?w=1280&h=554); 本文节选...
阅读 1033·2021-11-22 15:22
阅读 2416·2021-11-22 09:34
阅读 3657·2021-10-19 13:13
阅读 3051·2021-10-08 10:05
阅读 2500·2021-10-08 10:04
阅读 3112·2021-09-26 10:20
阅读 2843·2019-08-29 14:21
阅读 2012·2019-08-27 10:55
