[译] MYSQL索引最佳实践

近日整理文档时发现多年前的这个文档还是蛮实用的，然后在网络搜索了一下并没有相关的译文，所以决定把它翻译过来，如有不当的地方请多包涵和指正。原文地址：https://www.percona.com/files...

以下是译文：

你做了一个明智的选择

• 理解索引对开发和dba来说都是极其重要

• 差劲的索引对产品问题负相当大的一部分责任

• 索引不是多么高深的问题

MySQL 索引一览表

• 理解索引

• 为你的应用创建最佳索引

• 拥抱MySQL的限制

简述索引

索引有什么用

• 为从数据库读取数据加速

• 强制约束 (唯一索引 UNIQUE, 外键 FOREIGN KEY)

• 没有任何索引的情况下查询页能正常运行

• 但是那可能需要执行很长的时间

你可能听说过的索引类型

• BTREE索引 – mysql中主要的索引类型

• RTREE索引 – 只有MyISAM支持, 用于GIS

• HASH 索引 – MEMORY, NDB 支持

• BITMAP 索引 – MySQL 不支持

• FULLTEXT 索引 – MyISAM, Innodb（MySQL 5.6以上支持）

类BTREE索引家族

• 有很多不同的实现

  • 在可加速的操作中共享相同的属性

  • 内存相比硬盘使生活变得美好

• B+树通常用于硬盘存储

  • 数据存储于叶子节点

B+Tree 示例

MyISAM、Innodb索引对比

• MyISAM

  • 数据指针指向数据文件中的物理位置

  • 所有索引都是一样的（指向物理位置））

• Innodb

  • 主键索引 (显式或隐式) - 直接将数据存储于索引的叶子节点，而不是指针

  • 二级索引 – 保存主键索引的值作为数据指针

BTREE索引能用于什么操作 ?

• 查询所有 KEY=5 的记录 (点查询)

• 查询所有 KEY>5 的记录 (开合间)

• 查询所有 5<KEY<10 的记录 (闭合间)

• 不适用于：查询KEY最后一个数字等于0的所有记录

  • 因为这不能定义为范围查询操作

字符索引

• 这（和数值）没什么区别… 真的

  • collation是为字符串定义的排序规则

  • 如： “AAAA” < “AAAB”

• 前缀LIKE 查询是一种特殊的范围查询

  • LIKE “ABC%” 的意思是：

  • “ABC[最小值]”<KEY<“ABC[最大值]”

  • LIKE “%ABC” 无法使用索引查询

联合索引

• 是这样进行排序的， 比较首列，然后第二列，第三列以此类推，如：

  • KEY(col1,col2,col3)

  • (1,2,3) < (1,3,1)

• 使用一个BTREE索引，而不是每个层级一个单独的BTREE索引

索引的开销

• 索引是昂贵的，不要添加多余的索引

  • 多数情况下，扩展索引比添加一个新的索引要好

• 写 - 更新索引常常是数据库写操作的主要开销

• 读 - 需要再硬盘和内存开销空间; 查询优化中需要额外的开销

索引成本的影响

• 长主键索引（Innodb）
  – 使所有相应的二级索引 变得更长、更慢

• “随机”主键索引（Innodb）
  – 插入导致大量的页面分割

• 越长的索引通常越慢

• Index with insertion in random order
  – SHA1(‘password’)

• 低区分度的索引是低劣的
  – 在性别字段建的索引

• 相关索引是不太昂贵的
  – insert_time与自增id是相关的

Innodb表的索引

• 数据按主键聚集

  • 选择最佳的字段作为主键

  • 比如评论表 – (POST_ID,COMMENT_ID) 是作为主键的不错选择，使得单个post的评论聚在一起

• 或者 “打包” 单个 BIGINT（字段）

• 主键隐式地附加到所有索引中

  • KEY (A) 实质上是 KEY (A,ID)

• 覆盖索引，有利于排序

MySQL是如何使用索引的

• 查询

• 排序

• 避免读取数据（只读取索引）

• 其他专门的优化

使用索引进行查询

• SELECT * FROM EMPLOYEES WHERE
  LAST_NAME=“Smith”

  • 这是典型的索引 KEY(LAST_NAME)

• 可以使用复合索引

  • SELECT * FROM EMPLOYEES WHERE
    LAST_NAME=“Smith” AND DEPT=“Accounting”

  • 将会使用索引 KEY(DEPT,LAST_NAME)

复合索引比较复杂

• Index (A,B,C) - 字段顺序问题

• 下列情形将会使用索引进行查询（全条件）

  • A>5

  • A=5 AND B>6

  • A=5 AND B=6 AND C=7

  • A=5 AND B IN (2,3) AND C>5

• 下列条件将不会使用索引

  • B>5 – 条件没有B字段前的A

  • B=6 AND C=7 - 条件没有B、C字段前的A

• 以下情形使用索引的一部分

  • A>5 AND B=2 - 第一个字段A的范围查询，导致只用上了索引中A字段的部分

  • A=5 AND B>6 AND C=2 - B字段的范围范围查询，导致只使用了索引中A和B两个字段的部分

MySQL优化器的第一法则

• 在复合索引中，MySQL在遇到返回查询(<,>,
  BETWEEN)时，将停止中止剩余部分（索引）的使用；但是使用IN(…)的"范围查询"则可以继续往右使用索引（的更多部分）

所用索引进行排序

• SELECT * FROM PLAYERS ORDER BY SCORE
  DESC LIMIT 10

  • 将使用索引 KEY(SCORE)

  • 不使用索引将进行非常昂贵的“filesort”操作(external
    sort)

• 常常使用组合索引进行查询

  • SELECT * FROM PLAYERS WHERE COUNTRY=“US”
    ORDER BY SCORE DESC LIMIT 10

  • 最佳选择是 KEY(COUNTRY,SCORE)

高效排序的联合索引

• 变得更加受限!

• KEY(A,B)

• 以下情形将会使用索引进行排序

  • ORDER BY A - 对索引首字段进行排序

  • A=5 ORDER BY B - 对第一个字段进行点查询，对第二个字段进行排序

  • ORDER BY A DESC, B DESC - 对两个字段进行相同的顺序进行排序

  • A>5 ORDER BY A - 对首字段进行范围查询，并对首字段进行排序

• 以下情形将不使用索引进行排序

  • ORDER BY B - 对第二个字段进行排序（未使用首字段）

  • A>5 ORDER BY B – 对首字段进行范围查询，对第二个字段进行排序

  • A IN(1,2) ORDER BY B - 对首字段进行IN查询，对第二个字段进行排序

  • ORDER BY A ASC, B DESC - 对两个字段进行不同顺序的排序

MySQL使用索引排序的规则

• 不能对两个字段进行不同顺序的排序

• 对非ORDER BY部分的字段只能使用点查询（=）
  – 在这种情形下，IN()也不行

避免读取数据（只读取索引）

• “覆盖索引”
  – 这里指 适用于特定查询的索引，而不是一种索引的类型

• 只读取索引，而不去读取数据

  • SELECT STATUS FROM ORDERS WHERE
    CUSTOMER_ID=123

  • KEY(CUSTOMER_ID,STATUS)

• 索引通常比数据本身要小

• （索引）读取起来更有次序
  – 读取数据指针通常是随机的

Min/Max的优化

• 索引可以帮助优化 MIN()/MAX() 这类的统计函数
  – 但只包含以下这些：

• SELECT MAX(ID) FROM TBL;

• SELECT MAX(SALARY) FROM EMPLOYEE
  GROUP BY DEPT_ID

  • 将受益于 KEY(DEPT_ID,SALARY)

  • “Using index for group-by”

联表查询中索引的使用

• MySQL 使用 “嵌套循环（Nested Loops）”进行联表查询

  • SELECT * FROM POSTS,COMMENTS WHERE
    AUTHOR=“Peter” AND COMMENTS.POST_ID=POSTS.ID

  • 扫描表POSTS查询所有复合条件的 posts

  • 循环posts 在表COMMENTS 中查找 每个post的所有comments

• 使每个关联的表（关联字段）都使用上索引显得非常的重要

• 索引只有在被查询的字段上是必要的
  – POSTS.ID字段的索引再本次查询中是用不上的

• 重新设计不能很好的所有索引的联合查询吧

使用多索引

• MySQL可以使用超过1个索引

  • “索引合并”

• SELECT * FROM TBL WHERE A=5 AND B=6
  – 可以分别使用索引 KEY(A)和 KEY(B)

  • 索引 KEY(A,B) 是更好的选择

• SELECT * FROM TBL WHERE A=5 OR B=6
  – 两个索引同时分别被使用

  • 索引 KEY(A,B) 在这个查询中无法使用

前缀索引

• 你可以在字段最左前缀建立索引

  • ALTER TABLE TITLE ADD KEY(TITLE(20));

  • 需要对BLOB/TEXT类型的字段建立索引

  • 能显著的减少空间使用

  • 不能用于覆盖索引

  • 选择前缀长度成为一个问题

选择前缀长度

• 前缀应该有足够的区分度

  • 比较distinct前缀、distinct整个字段的值

mysql> select count(distinct(title)) total,count(distinct(left(title,10))) p10,count(distinct(left(title,20))) p20 from title;

total	p10	p20
998335	624949	960894

1 row in set (44.19 sec)

• 检查异常值

  • 确保不会有很多记录使用相同的前缀

使用最多的Title
mysql> select count(*) cnt, title tl from title group by tl order by cnt desc limit 3;

cnt	tl
136	The Wedding
129	Lost and Found
112	Horror Marathon

3 rows in set (27.49 sec)

使用最多的Title 前缀
mysql> select count(*) cnt, left(title,20) tl from title group by tl order by cnt desc limit 3;

cnt	tl
184	Wetten, dass..? aus
136	The Wedding
129	Lost and Found

3 rows in set (33.23 sec)

MySQL如何选择使用哪个索引的?

• 每次查询动态选择
  – 查询文本中常量很重要

• 评估需要查询的行数
  对给定的索引，在表中进行"dive"

• 如果（dive）不可行时，使用 “Cardinality” 进行统计
  – 这是进行 ANALYZE TABLE时 更新的

更多关于索引的选择

• 并不只是最小化扫描行数

• 很多其他的heuristics（尝试） and hacks
  – 对Innodb来说主键是很重要的

  • 覆盖索引效益

  • Full table scan is faster, all being equal（这句不是太明白）

  • 我们也可以使用索引进行排序

• 须知

  • 验证MYSQL实际使用的执行计划

  • 注意是可以根据常量和数据动态改变的

使用EXPLAIN

• EXPLAIN 是一个很好的工具，可以看到MYSQL将如何进行查询

  • http://dev.mysql.com/doc/refm...

  • 记住，真实的查询可能跟执行计划不同

  mysql> explain select max(season_nr) from title group by production_year;

id	select_type	table	type	possible_keys	key	key_len	ref	rows	Extra
1	SIMPLE	title	range	NULL	production_year	5	NULL	201	Using index for group-by

1 row in set (0.01 sec)

MySQL Explain 101

• “type” 从好到差排序如下：
  – system,const,eq_ref,ref,range,index,ALL

• 注意 “rows” – 更大的数值意味着更慢的查询

• 检查 “key_len” – 显示索引的哪些部分真实使用到了

• 留意"Extra"

  • Using Index - 好

  • Using Filesort, Using Temporary - 差

索引策略

• 为你的关键性能查询集建立索引
  – 整体取审视他们，而不是一个个看

• 最好所有的查询条件和联表条件都使用索引
  – 起码区分度最高的部分是

• 一般来说，可以的话，扩展索引，而不是创建新的索引

• 修改时记得验证对性能的影响

索引策略示例

• 按能支持更多查询的顺序建立索引

  • SELECT * FROM TBL WHERE A=5 AND B=6

  • SELECT * FROM TBL WHERE A>5 AND B=6
    – 对两个查询来说 KEY(B,A) 是更好的选择

• 把所有都是点查询的字段放到索引的首位

• 不要添加非性能关键查询的索引
  – 太多的索引会使MYSQL慢下来

Trick #1: 枚举范围

• KEY (A,B)

• SELECT * FROM TBL WHERE A BETWEEN 2
  AND 4 AND B=5

  • 将只使用索引的第一个字段部分

• SELECT * FROM TBL WHERE A IN (2,3,4) AND
  B=5

  • 索引的两个字段部分都使用

Trick #2: 添加一个假的条件

• KEY (GENDER,CITY)

• SELECT * FROM PEOPLE WHERE CITY=“NEW
  YORK”

  • 完全用不上索引

• SELECT * FROM PEOPLE WHERE GENDER IN
  (“M”,”F”) AND CITY=“NEW YORK”

  • 将用上索引

  • 这个Trick在低区别度的字段上可以很好的使用

  • Gender, Status, Boolean Types etc

Trick #3: 虚实Filesort

• KEY(A,B)

• SELECT * FROM TBL WHERE A IN (1,2) ORDER BY
  B LIMIT 5;

  • 无法使用索引进行排序

• (SELECT FROM TBL WHERE A=1 ORDER BY B LIMIT 5) UNION ALL (SELECT FROM TBL WHERE A=2 ORDER BY B LIMIT 5) ORDER BY B LIMIT 5;

  • 将会用上索引，而“filesort”只用于对不超过10行记录

作者的ppt发出来后，很多人向他咨询相关问题，另外专门做了回复，oschina已经有对回复进行了翻译：
http://www.oschina.net/transl...