轉(zhuǎn)自：https://www.cnblogs.com/linhaifeng/articles/7274563.html
閱讀目錄
一 介紹
為何要有索引?
一般的應(yīng)用系統(tǒng)，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現(xiàn)性能問題缚窿，在生產(chǎn)環(huán)境中奥洼，我們遇到最多的，也是最容易出問題的，還是一些復(fù)雜的查詢操作鼠冕，因此對(duì)查詢語(yǔ)句的優(yōu)化顯然是重中之重灾前。說(shuō)起加速查詢悠抹，就不得不提到索引了珠月。
什么是索引？
索引在MySQL中也叫做“鍵”楔敌，是存儲(chǔ)引擎用于快速找到記錄的一種數(shù)據(jù)結(jié)構(gòu)啤挎。索引對(duì)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(lái)越大時(shí)卵凑，索引對(duì)于性能的影響愈發(fā)重要庆聘。
索引優(yōu)化應(yīng)該是對(duì)查詢性能優(yōu)化最有效的手段了。索引能夠輕易將查詢性能提高好幾個(gè)數(shù)量級(jí)勺卢。
索引相當(dāng)于字典的音序表伙判，如果要查某個(gè)字，如果不使用音序表黑忱，則需要從幾百頁(yè)中逐頁(yè)去查宴抚。
? ? ? ? ? ? ? ? ? ? ? 30
? ? ? ? 10? ? ? ? ? ? ? ? ? ? ? ? ? 40
? 5? ? ? ? 15? ? ? ? ? ? ? 35? ? ? ? ? 66
1? ? 6? ? 11? 19? ? ? ? ? 21? 39? ? 55? ? 100
你是否對(duì)索引存在誤解？
索引是應(yīng)用程序設(shè)計(jì)和開發(fā)的一個(gè)重要方面甫煞。若索引太多菇曲，應(yīng)用程序的性能可能會(huì)受到影響。而索引太少抚吠，對(duì)查詢性能又會(huì)產(chǎn)生影響常潮，要找到一個(gè)平衡點(diǎn)，這對(duì)應(yīng)用程序的性能至關(guān)重要埃跷。一些開發(fā)人員總是在事后才想起添加索引----我一直認(rèn)為蕊玷，這源于一種錯(cuò)誤的開發(fā)模式。如果知道數(shù)據(jù)的使用弥雹，從一開始就應(yīng)該在需要處添加索引。開發(fā)人員往往對(duì)數(shù)據(jù)庫(kù)的使用停留在應(yīng)用的層面延届，比如編寫SQL語(yǔ)句剪勿、存儲(chǔ)過程之類，他們甚至可能不知道索引的存在方庭，或認(rèn)為事后讓相關(guān)DBA加上即可厕吉。DBA往往不夠了解業(yè)務(wù)的數(shù)據(jù)流，而添加索引需要通過監(jiān)控大量的SQL語(yǔ)句進(jìn)而從中找到問題械念，這個(gè)步驟所需的時(shí)間肯定是遠(yuǎn)大于初始添加索引所需的時(shí)間头朱，并且可能會(huì)遺漏一部分的索引。當(dāng)然索引也并不是越多越好龄减，我曾經(jīng)遇到過這樣一個(gè)問題：某臺(tái)MySQL服務(wù)器iostat顯示磁盤使用率一直處于100%项钮，經(jīng)過分析后發(fā)現(xiàn)是由于開發(fā)人員添加了太多的索引，在刪除一些不必要的索引之后，磁盤使用率馬上下降為20%烁巫∈鸢可見索引的添加也是非常有技術(shù)含量的。
二 索引的原理
一 索引原理
索引的目的在于提高查詢效率亚隙，與我們查閱圖書所用的目錄是一個(gè)道理：先定位到章磁餐，然后定位到該章下的一個(gè)小節(jié)，然后找到頁(yè)數(shù)阿弃。相似的例子還有：查字典诊霹，查火車車次，飛機(jī)航班等
本質(zhì)都是：通過不斷地縮小想要獲取數(shù)據(jù)的范圍來(lái)篩選出最終想要的結(jié)果渣淳，同時(shí)把隨機(jī)的事件變成順序的事件脾还，也就是說(shuō)，有了這種索引機(jī)制水由，我們可以總是用同一種查找方式來(lái)鎖定數(shù)據(jù)荠呐。
數(shù)據(jù)庫(kù)也是一樣，但顯然要復(fù)雜的多砂客，因?yàn)椴粌H面臨著等值查詢泥张，還有范圍查詢(>、<鞠值、between媚创、in)、模糊查詢(like)彤恶、并集查詢(or)等等钞钙。數(shù)據(jù)庫(kù)應(yīng)該選擇怎么樣的方式來(lái)應(yīng)對(duì)所有的問題呢？我們回想字典的例子声离，能不能把數(shù)據(jù)分成段芒炼，然后分段查詢呢？最簡(jiǎn)單的如果1000條數(shù)據(jù)术徊，1到100分成第一段本刽，101到200分成第二段，201到300分成第三段......這樣查第250條數(shù)據(jù)赠涮，只要找第三段就可以了子寓，一下子去除了90%的無(wú)效數(shù)據(jù)。但如果是1千萬(wàn)的記錄呢笋除，分成幾段比較好斜友？稍有算法基礎(chǔ)的同學(xué)會(huì)想到搜索樹，其平均復(fù)雜度是lgN垃它，具有不錯(cuò)的查詢性能鲜屏。但這里我們忽略了一個(gè)關(guān)鍵的問題烹看，復(fù)雜度模型是基于每次相同的操作成本來(lái)考慮的。而數(shù)據(jù)庫(kù)實(shí)現(xiàn)比較復(fù)雜墙歪，一方面數(shù)據(jù)是保存在磁盤上的听系，另外一方面為了提高性能，每次又可以把部分?jǐn)?shù)據(jù)讀入內(nèi)存來(lái)計(jì)算虹菲，因?yàn)槲覀冎涝L問磁盤的成本大概是訪問內(nèi)存的十萬(wàn)倍左右靠胜，所以簡(jiǎn)單的搜索樹難以滿足復(fù)雜的應(yīng)用場(chǎng)景。
二 磁盤IO與預(yù)讀
前面提到了訪問磁盤毕源，那么這里先簡(jiǎn)單介紹一下磁盤IO和預(yù)讀浪漠，磁盤讀取數(shù)據(jù)靠的是機(jī)械運(yùn)動(dòng)，每次讀取數(shù)據(jù)花費(fèi)的時(shí)間可以分為尋道時(shí)間霎褐、旋轉(zhuǎn)延遲址愿、傳輸時(shí)間三個(gè)部分，尋道時(shí)間指的是磁臂移動(dòng)到指定磁道所需要的時(shí)間冻璃，主流磁盤一般在5ms以下响谓；旋轉(zhuǎn)延遲就是我們經(jīng)常聽說(shuō)的磁盤轉(zhuǎn)速，比如一個(gè)磁盤7200轉(zhuǎn)省艳，表示每分鐘能轉(zhuǎn)7200次娘纷，也就是說(shuō)1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms跋炕；傳輸時(shí)間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時(shí)間赖晶，一般在零點(diǎn)幾毫秒，相對(duì)于前兩個(gè)時(shí)間可以忽略不計(jì)辐烂。那么訪問一次磁盤的時(shí)間遏插，即一次磁盤IO的時(shí)間約等于5+4.17 = 9ms左右，聽起來(lái)還挺不錯(cuò)的纠修，但要知道一臺(tái)500 -MIPS（Million Instructions Per Second）的機(jī)器每秒可以執(zhí)行5億條指令胳嘲，因?yàn)橹噶钜揽康氖请姷男再|(zhì)，換句話說(shuō)執(zhí)行一次IO的時(shí)間可以執(zhí)行約450萬(wàn)條指令扣草，數(shù)據(jù)庫(kù)動(dòng)輒十萬(wàn)百萬(wàn)乃至千萬(wàn)級(jí)數(shù)據(jù)胎围，每次9毫秒的時(shí)間，顯然是個(gè)災(zāi)難德召。下圖是計(jì)算機(jī)硬件延遲的對(duì)比圖，供大家參考：
考慮到磁盤IO是非常高昂的操作汽纤，計(jì)算機(jī)操作系統(tǒng)做了一些優(yōu)化上岗，當(dāng)一次IO時(shí)，不光把當(dāng)前磁盤地址的數(shù)據(jù)蕴坪，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)肴掷，因?yàn)榫植款A(yù)讀性原理告訴我們敬锐，當(dāng)計(jì)算機(jī)訪問一個(gè)地址的數(shù)據(jù)的時(shí)候，與其相鄰的數(shù)據(jù)也會(huì)很快被訪問到呆瞻。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(yè)(page)台夺。具體一頁(yè)有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k痴脾，也就是我們讀取一頁(yè)內(nèi)的數(shù)據(jù)時(shí)候颤介，實(shí)際上才發(fā)生了一次IO，這個(gè)理論對(duì)于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)非常有幫助赞赖。
三 索引的數(shù)據(jù)結(jié)構(gòu)
前面講了索引的基本原理滚朵，數(shù)據(jù)庫(kù)的復(fù)雜性，又講了操作系統(tǒng)的相關(guān)知識(shí)前域，目的就是讓大家了解辕近，任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的，一定會(huì)有它的背景和使用場(chǎng)景匿垄，我們現(xiàn)在總結(jié)一下移宅，我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么，其實(shí)很簡(jiǎn)單椿疗，那就是：每次查找數(shù)據(jù)時(shí)把磁盤IO次數(shù)控制在一個(gè)很小的數(shù)量級(jí)漏峰，最好是常數(shù)數(shù)量級(jí)。那么我們就想到如果一個(gè)高度可控的多路搜索樹是否能滿足需求呢变丧？就這樣芽狗，b+樹應(yīng)運(yùn)而生（B+樹是通過二叉查找樹，再由平衡二叉樹痒蓬，B樹演化而來(lái)）童擎。
如上圖，是一顆b+樹攻晒，關(guān)于b+樹的定義可以參見B+樹顾复，這里只說(shuō)一些重點(diǎn)，淺藍(lán)色的塊我們稱之為一個(gè)磁盤塊鲁捏，可以看到每個(gè)磁盤塊包含幾個(gè)數(shù)據(jù)項(xiàng)（深藍(lán)色所示）和指針（黃色所示）芯砸，如磁盤塊1包含數(shù)據(jù)項(xiàng)17和35，包含指針P1给梅、P2假丧、P3，P1表示小于17的磁盤塊动羽，P2表示在17和35之間的磁盤塊包帚，P3表示大于35的磁盤塊。真實(shí)的數(shù)據(jù)存在于葉子節(jié)點(diǎn)即3运吓、5渴邦、9疯趟、10、13谋梭、15信峻、28、29瓮床、36盹舞、60、75纤垂、79矾策、90、99峭沦。非葉子節(jié)點(diǎn)只不存儲(chǔ)真實(shí)的數(shù)據(jù)贾虽，只存儲(chǔ)指引搜索方向的數(shù)據(jù)項(xiàng)，如17吼鱼、35并不真實(shí)存在于數(shù)據(jù)表中蓬豁。
###b+樹的查找過程
如圖所示，如果要查找數(shù)據(jù)項(xiàng)29菇肃，那么首先會(huì)把磁盤塊1由磁盤加載到內(nèi)存地粪，此時(shí)發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間琐谤，鎖定磁盤塊1的P2指針蟆技，內(nèi)存時(shí)間因?yàn)榉浅６蹋ㄏ啾却疟P的IO）可以忽略不計(jì)，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內(nèi)存斗忌，發(fā)生第二次IO质礼，29在26和30之間，鎖定磁盤塊3的P2指針织阳，通過指針加載磁盤塊8到內(nèi)存眶蕉，發(fā)生第三次IO，同時(shí)內(nèi)存中做二分查找找到29唧躲，結(jié)束查詢造挽，總計(jì)三次IO。真實(shí)的情況是弄痹，3層的b+樹可以表示上百萬(wàn)的數(shù)據(jù)饭入，如果上百萬(wàn)的數(shù)據(jù)查找只需要三次IO，性能提高將是巨大的肛真，如果沒有索引圣拄，每個(gè)數(shù)據(jù)項(xiàng)都要發(fā)生一次IO，那么總共需要百萬(wàn)次的IO毁欣，顯然成本非常非常高庇谆。
###b+樹性質(zhì)
1.索引字段要盡量的小：通過上面的分析，我們知道IO次數(shù)取決于b+數(shù)的高度h凭疮，假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N饭耳，每個(gè)磁盤塊的數(shù)據(jù)項(xiàng)的數(shù)量是m芳誓，則有h=㏒(m+1)N结蟋，當(dāng)數(shù)據(jù)量N一定的情況下，m越大辩涝，h越兴ル纭新蟆；而m = 磁盤塊的大小 / 數(shù)據(jù)項(xiàng)的大小，磁盤塊的大小也就是一個(gè)數(shù)據(jù)頁(yè)的大小右蕊，是固定的琼稻，如果數(shù)據(jù)項(xiàng)占的空間越小，數(shù)據(jù)項(xiàng)的數(shù)量越多饶囚，樹的高度越低帕翻。這就是為什么每個(gè)數(shù)據(jù)項(xiàng)，即索引字段要盡量的小萝风，比如int占4字節(jié)嘀掸，要比bigint8字節(jié)少一半。這也是為什么b+樹要求把真實(shí)的數(shù)據(jù)放到葉子節(jié)點(diǎn)而不是內(nèi)層節(jié)點(diǎn)规惰，一旦放到內(nèi)層節(jié)點(diǎn)睬塌，磁盤塊的數(shù)據(jù)項(xiàng)會(huì)大幅度下降，導(dǎo)致樹增高歇万。當(dāng)數(shù)據(jù)項(xiàng)等于1時(shí)將會(huì)退化成線性表揩晴。
2.索引的最左匹配特性：當(dāng)b+樹的數(shù)據(jù)項(xiàng)是復(fù)合的數(shù)據(jù)結(jié)構(gòu)，比如(name,age,sex)的時(shí)候堕花，b+數(shù)是按照從左到右的順序來(lái)建立搜索樹的文狱，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來(lái)檢索的時(shí)候，b+樹會(huì)優(yōu)先比較name來(lái)確定下一步的所搜方向缘挽，如果name相同再依次比較age和sex瞄崇，最后得到檢索的數(shù)據(jù)；但當(dāng)(20,F)這樣的沒有name的數(shù)據(jù)來(lái)的時(shí)候壕曼，b+樹就不知道下一步該查哪個(gè)節(jié)點(diǎn)苏研，因?yàn)榻⑺阉鳂涞臅r(shí)候name就是第一個(gè)比較因子，必須要先根據(jù)name來(lái)搜索才能知道下一步去哪里查詢腮郊。比如當(dāng)(張三,F)這樣的數(shù)據(jù)來(lái)檢索時(shí)摹蘑，b+樹可以用name來(lái)指定搜索方向，但下一個(gè)字段age的缺失轧飞，所以只能把名字等于張三的數(shù)據(jù)都找到衅鹿，然后再匹配性別是F的數(shù)據(jù)了撒踪， 這個(gè)是非常重要的性質(zhì)，即索引的最左匹配特性大渤。
四 聚集索引與輔助索引
在數(shù)據(jù)庫(kù)中制妄，B+樹的高度一般都在2~4層，這也就是說(shuō)查找某一個(gè)鍵值的行記錄時(shí)最多只需要2到4次IO泵三，這倒不錯(cuò)耕捞。因?yàn)楫?dāng)前一般的機(jī)械硬盤每秒至少可以做100次IO，2~4次的IO意味著查詢時(shí)間只需要0.02~0.04秒烫幕。
數(shù)據(jù)庫(kù)中的B+樹索引可以分為聚集索引（clustered index）和輔助索引（secondary index）俺抽，
聚集索引與輔助索引相同的是：不管是聚集索引還是輔助索引，其內(nèi)部都是B+樹的形式较曼，即高度是平衡的磷斧，葉子結(jié)點(diǎn)存放著所有的數(shù)據(jù)。
聚集索引與輔助索引不同的是：葉子結(jié)點(diǎn)存放的是否是一整行的信息
1诗芜、聚集索引
#InnoDB存儲(chǔ)引擎表示索引組織表瞳抓，即表中數(shù)據(jù)按照主鍵順序存放。而聚集索引（clustered index）就是按照每張表的主鍵構(gòu)造一棵B+樹伏恐，同時(shí)葉子結(jié)點(diǎn)存放的即為整張表的行記錄數(shù)據(jù)孩哑，也將聚集索引的葉子結(jié)點(diǎn)稱為數(shù)據(jù)頁(yè)。聚集索引的這個(gè)特性決定了索引組織表中數(shù)據(jù)也是索引的一部分翠桦。同B+樹數(shù)據(jù)結(jié)構(gòu)一樣横蜒，每個(gè)數(shù)據(jù)頁(yè)都通過一個(gè)雙向鏈表來(lái)進(jìn)行鏈接。#如果未定義主鍵销凑，MySQL取第一個(gè)唯一索引（unique）而且只含非空列（NOT NULL）作為主鍵丛晌，InnoDB使用它作為聚簇索引。#如果沒有這樣的列斗幼，InnoDB就自己產(chǎn)生一個(gè)這樣的ID值澎蛛，它有六個(gè)字節(jié)，而且是隱藏的蜕窿，使其作為聚簇索引谋逻。#由于實(shí)際的數(shù)據(jù)頁(yè)只能按照一棵B+樹進(jìn)行排序，因此每張表只能擁有一個(gè)聚集索引桐经。在多少情況下毁兆，查詢優(yōu)化器傾向于采用聚集索引。因?yàn)榫奂饕軌蛟贐+樹索引的葉子節(jié)點(diǎn)上直接找到數(shù)據(jù)阴挣。此外由于定義了數(shù)據(jù)的邏輯順序气堕，聚集索引能夠特別快地訪問針對(duì)范圍值得查詢。
聚集索引的好處之一：它對(duì)主鍵的排序查找和范圍查找速度非常快茎芭，葉子節(jié)點(diǎn)的數(shù)據(jù)就是用戶所要查詢的數(shù)據(jù)揖膜。如用戶需要查找一張表，查詢最后的10位用戶信息骗爆，由于B+樹索引是雙向鏈表次氨，所以用戶可以快速找到最后一個(gè)數(shù)據(jù)頁(yè)，并取出10條記錄
?View Code
聚集索引的好處之二：范圍查詢（range query）摘投，即如果要查找主鍵某一范圍內(nèi)的數(shù)據(jù)，通過葉子節(jié)點(diǎn)的上層中間節(jié)點(diǎn)就可以得到頁(yè)的范圍虹蓄，之后直接讀取數(shù)據(jù)頁(yè)即可
?View Code
2犀呼、輔助索引
表中除了聚集索引外其他索引都是輔助索引（Secondary Index，也稱為非聚集索引）薇组，與聚集索引的區(qū)別是：輔助索引的葉子節(jié)點(diǎn)不包含行記錄的全部數(shù)據(jù)外臂。
葉子節(jié)點(diǎn)除了包含鍵值以外，每個(gè)葉子節(jié)點(diǎn)中的索引行中還包含一個(gè)書簽（bookmark）律胀。該書簽用來(lái)告訴InnoDB存儲(chǔ)引擎去哪里可以找到與索引相對(duì)應(yīng)的行數(shù)據(jù)宋光。
由于InnoDB存儲(chǔ)引擎是索引組織表，因此InnoDB存儲(chǔ)引擎的輔助索引的書簽就是相應(yīng)行數(shù)據(jù)的聚集索引鍵炭菌。如下圖
輔助索引的存在并不影響數(shù)據(jù)在聚集索引中的組織罪佳，因此每張表上可以有多個(gè)輔助索引，但只能有一個(gè)聚集索引黑低。當(dāng)通過輔助索引來(lái)尋找數(shù)據(jù)時(shí)赘艳，InnoDB存儲(chǔ)引擎會(huì)遍歷輔助索引并通過葉子級(jí)別的指針獲得只想主鍵索引的主鍵，然后再通過主鍵索引來(lái)找到一個(gè)完整的行記錄克握。
舉例來(lái)說(shuō)蕾管，如果在一棵高度為3的輔助索引樹種查找數(shù)據(jù)，那需要對(duì)這個(gè)輔助索引樹遍歷3次找到指定主鍵菩暗，如果聚集索引樹的高度同樣為3掰曾，那么還需要對(duì)聚集索引樹進(jìn)行3次查找，最終找到一個(gè)完整的行數(shù)據(jù)所在的頁(yè)停团，因此一共需要6次邏輯IO訪問才能得到最終的一個(gè)數(shù)據(jù)頁(yè)旷坦。
五 MySQL索引管理
一 功能
#1. 索引的功能就是加速查找#2. mysql中的primary key，unique客蹋，聯(lián)合唯一也都是索引塞蹭，這些索引除了加速查找以外，還有約束的功能
二 MySQL常用的索引
普通索引INDEX：加速查找
唯一索引：
? ? -主鍵索引PRIMARY KEY：加速查找+約束（不為空讶坯、不能重復(fù)）
? ? -唯一索引UNIQUE:加速查找+約束（不能重復(fù)）
聯(lián)合索引：
? ? -PRIMARY KEY(id,name):聯(lián)合主鍵索引
? ? -UNIQUE(id,name):聯(lián)合唯一索引
? ? -INDEX(id,name):聯(lián)合普通索引
?各個(gè)索引的應(yīng)用場(chǎng)景
三 索引的兩大類型hash與btree
#我們可以在創(chuàng)建上述索引的時(shí)候番电，為其指定索引類型，分兩類hash類型的索引：查詢單條快，范圍查詢慢
btree類型的索引：b+樹漱办，層數(shù)越多这刷，數(shù)據(jù)量指數(shù)級(jí)增長(zhǎng)（我們就用它，因?yàn)閕nnodb默認(rèn)支持它）#不同的存儲(chǔ)引擎支持的索引類型也不一樣InnoDB 支持事務(wù)娩井，支持行級(jí)別鎖定暇屋，支持 B-tree、Full-text 等索引洞辣，不支持 Hash 索引咐刨；
MyISAM 不支持事務(wù)，支持表級(jí)別鎖定扬霜，支持 B-tree定鸟、Full-text 等索引，不支持 Hash 索引著瓶；
Memory 不支持事務(wù)联予，支持表級(jí)別鎖定，支持 B-tree材原、Hash 等索引沸久，不支持 Full-text 索引；
NDB 支持事務(wù)余蟹，支持行級(jí)別鎖定卷胯，支持 Hash 索引，不支持 B-tree客叉、Full-text 等索引诵竭；
Archive 不支持事務(wù)，支持表級(jí)別鎖定兼搏，不支持 B-tree卵慰、Hash、Full-text 等索引佛呻；
四 創(chuàng)建/刪除索引的語(yǔ)法
#方法一：創(chuàng)建表時(shí)? ? CREATE TABLE 表名 (
? ? ? ? ? ? ? ? 字段名1? 數(shù)據(jù)類型 [完整性約束條件…],
? ? ? ? ? ? ? ? 字段名2? 數(shù)據(jù)類型 [完整性約束條件…],
? ? ? ? ? ? ? ? [UNIQUE | FULLTEXT | SPATIAL ]? INDEX | KEY
? ? ? ? ? ? ? ? [索引名]? (字段名[(長(zhǎng)度)]? [ASC |DESC])
? ? ? ? ? ? ? ? );#方法二：CREATE在已存在的表上創(chuàng)建索引CREATE? [UNIQUE | FULLTEXT | SPATIAL ]? INDEX? 索引名
? ? ? ? ? ? ? ? ? ? ON 表名 (字段名[(長(zhǎng)度)]? [ASC |DESC]) ;#方法三：ALTER TABLE在已存在的表上創(chuàng)建索引ALTER TABLE 表名 ADD? [UNIQUE | FULLTEXT | SPATIAL ] INDEX
? ? ? ? ? ? ? ? ? ? ? ? ? ? 索引名 (字段名[(長(zhǎng)度)]? [ASC |DESC]) ;
? ? ? ? ? ? ? ? ? ? ? ? ? ? #刪除索引：DROP INDEX 索引名 ON 表名字;
?示范
六 測(cè)試索引
一 準(zhǔn)備
?View Code
二 在沒有索引的前提下測(cè)試查詢速度
#無(wú)索引：mysql根本就不知道到底是否存在id等于333333333的記錄裳朋，只能把數(shù)據(jù)表從頭到尾掃描一遍，此時(shí)有多少個(gè)磁盤塊就需要進(jìn)行多少IO操作吓著，所以查詢速度很慢mysql> select *froms1 where id=333333333;
Empty set (0.33 sec)
三 在表中已經(jīng)存在大量數(shù)據(jù)的前提下鲤嫡，為某個(gè)字段段建立索引，建立速度會(huì)很慢
四 在索引建立完畢后绑莺，以該字段為查詢條件時(shí)暖眼，查詢速度提升明顯
PS：
1. mysql先去索引表里根據(jù)b+樹的搜索原理很快搜索到id等于333333333的記錄不存在，IO大大降低纺裁，因而速度明顯提升
2. 我們可以去mysql的data目錄下找到該表诫肠，可以看到占用的硬盤空間多了
3. 需要注意司澎，如下圖
五 總結(jié)
#1. 一定是為搜索條件的字段創(chuàng)建索引，比如select * from s1 where id = 333;就需要為id加上索引#2. 在表中已經(jīng)有大量數(shù)據(jù)的情況下栋豫，建索引會(huì)很慢挤安，且占用硬盤空間，建完后查詢速度加快比如create index idx on s1(id);會(huì)掃描表中所有的數(shù)據(jù)丧鸯，然后以id為數(shù)據(jù)項(xiàng)蛤铜，創(chuàng)建索引結(jié)構(gòu)，存放于硬盤的表中丛肢。
建完以后围肥，再查詢就會(huì)很快了。#3. 需要注意的是：innodb表的索引會(huì)存放于s1.ibd文件中蜂怎，而myisam表的索引則會(huì)有單獨(dú)的索引文件table1.MYIMySAM索引文件和數(shù)據(jù)文件是分離的虐先，索引文件僅保存數(shù)據(jù)記錄的地址。而在innodb中派敷，表數(shù)據(jù)文件本身就是按照B+Tree（BTree即Balance True）組織的一個(gè)索引結(jié)構(gòu)，這棵樹的葉節(jié)點(diǎn)data域保存了完整的數(shù)據(jù)記錄撰洗。這個(gè)索引的key是數(shù)據(jù)表的主鍵篮愉，因此innodb表數(shù)據(jù)文件本身就是主索引。
因?yàn)閕nndob的數(shù)據(jù)文件要按照主鍵聚集差导，所以innodb要求表必須要有主鍵（Myisam可以沒有）试躏，如果沒有顯式定義，則mysql系統(tǒng)會(huì)自動(dòng)選擇一個(gè)可以唯一標(biāo)識(shí)數(shù)據(jù)記錄的列作為主鍵设褐，如果不存在這種列颠蕴，則mysql會(huì)自動(dòng)為innodb表生成一個(gè)隱含字段作為主鍵，這字段的長(zhǎng)度為6個(gè)字節(jié)助析，類型為長(zhǎng)整型.
七 正確使用索引
一 索引未命中
并不是說(shuō)我們創(chuàng)建了索引就一定會(huì)加快查詢速度犀被，若想利用索引達(dá)到預(yù)想的提高查詢速度的效果，我們?cè)谔砑铀饕龝r(shí)外冀，必須遵循以下問題
1 范圍問題寡键，或者說(shuō)條件不明確，條件中出現(xiàn)這些符號(hào)或關(guān)鍵字：>雪隧、>=西轩、<、<=脑沿、!= 藕畔、between...and...、like庄拇、
大于號(hào)注服、小于號(hào)
不等于！=
between ...and...
like
2?盡量選擇區(qū)分度高的列作為索引,區(qū)分度的公式是count(distinct col)/count(*)，表示字段不重復(fù)的比例祠汇，比例越大我們掃描的記錄數(shù)越少仍秤，唯一鍵的區(qū)分度是1，而一些狀態(tài)可很、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0诗力，那可能有人會(huì)問，這個(gè)比例有什么經(jīng)驗(yàn)值嗎我抠？使用場(chǎng)景不同苇本，這個(gè)值也很難確定，一般需要join的字段我們都要求是0.1以上菜拓，即平均1條掃描10條記錄
?#先把表中的索引都刪除瓣窄，讓我們專心研究區(qū)分度的問題
?分析原因
3?=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序纳鼎，mysql的查詢優(yōu)化器會(huì)幫你優(yōu)化成索引可以識(shí)別的形式
4?索引列不能參與計(jì)算俺夕，保持列“干凈”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引贱鄙，原因很簡(jiǎn)單劝贸，b+樹中存的都是數(shù)據(jù)表中的字段值，但進(jìn)行檢索時(shí)逗宁，需要把所有元素都應(yīng)用函數(shù)才能比較映九，顯然成本太大。所以語(yǔ)句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’)
5 and/or
#1瞎颗、and與or的邏輯條件1and 條件2:所有條件都成立才算成立件甥，但凡要有一個(gè)條件不成立則最終結(jié)果不成立
? ? 條件1 or 條件2:只要有一個(gè)條件成立則最終結(jié)果就成立#2、and的工作原理? ? 條件：
? ? ? ? a = 10andb ='xxx'andc > 3andd =4? ? 索引：
? ? ? ? 制作聯(lián)合索引(d,a,b,c)
? ? 工作原理:
? ? ? ? 對(duì)于連續(xù)多個(gè)and：mysql會(huì)按照聯(lián)合索引哼拔，從左到右的順序找一個(gè)區(qū)分度高的索引字段(這樣便可以快速鎖定很小的范圍)引有，加速查詢，即按照d—>a->b->c的順序#3管挟、or的工作原理? ? 條件：
? ? ? ? a = 10orb ='xxx'orc > 3ord =4? ? 索引：
? ? ? ? 制作聯(lián)合索引(d,a,b,c)
? ? 工作原理:
? ? ? ? 對(duì)于連續(xù)多個(gè)or：mysql會(huì)按照條件的順序轿曙，從左到右依次判斷，即a->b->c->d
在左邊條件成立但是索引字段的區(qū)分度低的情況下（name與gender均屬于這種情況）僻孝，會(huì)依次往右找到一個(gè)區(qū)分度高的索引字段导帝，加速查詢
經(jīng)過分析，在條件為name='egon' and gender='male' and id>333 and email='xxx'的情況下穿铆，我們完全沒必要為前三個(gè)條件的字段加索引您单，因?yàn)橹荒苡蒙蟚mail字段的索引，前三個(gè)字段的索引反而會(huì)降低我們的查詢效率
6?最左前綴匹配原則（詳見第八小節(jié)）荞雏，非常重要的原則虐秦，對(duì)于組合索引mysql會(huì)一直向右匹配直到遇到范圍查詢(>平酿、<、between悦陋、like)就停止匹配(指的是范圍大了蜈彼，有索引速度也慢)，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引俺驶，d是用不到索引的幸逆，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調(diào)整暮现。
7 其他情況
?View Code
二 其他注意事項(xiàng)
- 避免使用select *- count(1)或count(列) 代替 count(*)- 創(chuàng)建表時(shí)盡量時(shí) char 代替 varchar- 表的字段順序固定長(zhǎng)度的字段優(yōu)先- 組合索引代替多個(gè)單列索引（經(jīng)常使用多個(gè)條件查詢時(shí)）- 盡量使用短索引- 使用連接（JOIN）來(lái)代替子查詢(Sub-Queries)- 連表時(shí)注意條件類型需一致- 索引散列值（重復(fù)少）不適合建索引还绘，例：性別不適合
八 聯(lián)合索引與覆蓋索引
一 聯(lián)合索引
聯(lián)合索引時(shí)指對(duì)表上的多個(gè)列合起來(lái)做一個(gè)索引。聯(lián)合索引的創(chuàng)建方法與單個(gè)索引的創(chuàng)建方法一樣栖袋，不同之處在僅在于有多個(gè)索引列拍顷，如下
mysql> create table t(
? ? -> a int,
? ? -> b int,
? ? -> primary key(a),
? ? -> key idx_a_b(a,b)
? ? -> );
Query OK, 0 rows affected (0.11 sec)
?那么何時(shí)需要使用聯(lián)合索引呢？在討論這個(gè)問題之前塘幅，先來(lái)看一下聯(lián)合索引內(nèi)部的結(jié)果昔案。從本質(zhì)上來(lái)說(shuō)，聯(lián)合索引就是一棵B+樹电媳，不同的是聯(lián)合索引的鍵值得數(shù)量不是1爱沟，而是>=2。接著來(lái)討論兩個(gè)整型列組成的聯(lián)合索引匆背，假定兩個(gè)鍵值得名稱分別為a、b如圖
可以看到這與我們之前看到的單個(gè)鍵的B+樹并沒有什么不同身冀，鍵值都是排序的钝尸，通過葉子結(jié)點(diǎn)可以邏輯上順序地讀出所有數(shù)據(jù)，就上面的例子來(lái)說(shuō)搂根，即（1,1）珍促，（1,2），（2,1）剩愧，（2,4）猪叙，（3,1），（3,2）仁卷，數(shù)據(jù)按（a,b）的順序進(jìn)行了存放穴翩。
因此，對(duì)于查詢select * from table where a=xxx and b=xxx, 顯然是可以使用(a,b) 這個(gè)聯(lián)合索引的锦积，對(duì)于單個(gè)列a的查詢select * from table where a=xxx,也是可以使用（a,b）這個(gè)索引的芒帕。
但對(duì)于b列的查詢select * from table where b=xxx,則不可以使用（a,b） 索引，其實(shí)你不難發(fā)現(xiàn)原因丰介，葉子節(jié)點(diǎn)上b的值為1背蟆、2鉴分、1、4带膀、1志珍、2顯然不是排序的，因此對(duì)于b列的查詢使用不到(a,b) 索引
聯(lián)合索引的第二個(gè)好處是在第一個(gè)鍵相同的情況下垛叨，已經(jīng)對(duì)第二個(gè)鍵進(jìn)行了排序處理伦糯，例如在很多情況下應(yīng)用程序都需要查詢某個(gè)用戶的購(gòu)物情況，并按照時(shí)間進(jìn)行排序点额，最后取出最近三次的購(gòu)買記錄舔株，這時(shí)使用聯(lián)合索引可以幫我們避免多一次的排序操作，因?yàn)樗饕旧碓谌~子節(jié)點(diǎn)已經(jīng)排序了还棱，如下
#===========準(zhǔn)備表==============create table buy_log(
? ? userid int unsigned not null,
? ? buy_date date
);
insert into buy_log values
(1,'2009-01-01'),
(2,'2009-01-01'),
(3,'2009-01-01'),
(1,'2009-02-01'),
(3,'2009-02-01'),
(1,'2009-03-01'),
(1,'2009-04-01');
alter table buy_log add key(userid);
alter table buy_log add key(userid,buy_date);#===========驗(yàn)證==============mysql> show create table buy_log;| buy_log | CREATE TABLE `buy_log` (
? `userid` int(10) unsigned NOT NULL,
? `buy_date` date DEFAULT NULL,
? KEY `userid` (`userid`),
? KEY `userid_2` (`userid`,`buy_date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 |#可以看到possible_keys在這里有兩個(gè)索引可以用载慈，分別是單個(gè)索引userid與聯(lián)合索引userid_2,但是優(yōu)化器最終選擇了使用的key是userid因?yàn)樵撍饕娜~子節(jié)點(diǎn)包含單個(gè)鍵值，所以理論上一個(gè)頁(yè)能存放的記錄應(yīng)該更多mysql> explain select *frombuy_log where userid=2;+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+| id | select_type | table? | type | possible_keys? | key? ? | key_len | ref? | rows | Extra |+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+|? 1 | SIMPLE? ? ? | buy_log | ref? | userid,userid_2 | userid | 4? ? ? | const |? ? 1 |? ? ? |+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+1 rowinset (0.00 sec)#接著假定要取出userid為1的最近3次的購(gòu)買記錄珍手，用的就是聯(lián)合索引userid_2了办铡，因?yàn)樵谶@個(gè)索引中，在userid=1的情況下琳要，buy_date都已經(jīng)排序好了mysql> explain select *frombuy_log where userid=1 order by buy_date desc limit 3;+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+| id | select_type | table? | type | possible_keys? | key? ? ? | key_len | ref? | rows | Extra? ? ? ? ? ? ? ? ? ? |+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+|? 1 | SIMPLE? ? ? | buy_log | ref? | userid,userid_2 | userid_2 | 4? ? ? | const |? ? 4 | Using where; Using index |+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+1 rowinset (0.00 sec)#ps：如果extra的排序顯示是Using filesort寡具，則意味著在查出數(shù)據(jù)后需要二次排序(如下查詢語(yǔ)句，沒有先用where userid=3先定位范圍稚补，于是即便命中索引也沒用童叠，需要二次排序)mysql> explain select *frombuy_log order by buy_date desc limit 3;+----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+| id | select_type | table? | type? | possible_keys | key? ? ? | key_len | ref? | rows | Extra? ? ? ? ? ? ? ? ? ? ? |+----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+|? 1 | SIMPLE? ? ? | buy_log | index | NULL? ? ? ? ? | userid_2 | 8? ? ? | NULL |? ? 7 | Using index; Using filesort |+----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+#對(duì)于聯(lián)合索引（a,b）,下述語(yǔ)句可以直接使用該索引，無(wú)需二次排序select ...fromtable where a=xxx order by b;#然后對(duì)于聯(lián)合索引(a,b,c)來(lái)首课幕，下列語(yǔ)句同樣可以直接通過索引得到結(jié)果select ...fromtable where a=xxx order by b;
select ... fromtable where a=xxxandb=xxx order by c;#但是對(duì)于聯(lián)合索引(a,b,c)厦坛，下列語(yǔ)句不能通過索引直接得到結(jié)果，還需要自己執(zhí)行一次filesort操作乍惊，因?yàn)樗饕╝杜秸，c)并未排序select ...fromtable where a=xxx order by c;
二 覆蓋索引
InnoDB存儲(chǔ)引擎支持覆蓋索引（covering index，或稱索引覆蓋）润绎，即從輔助索引中就可以得到查詢記錄撬碟，而不需要查詢聚集索引中的記錄。
使用覆蓋索引的一個(gè)好處是：輔助索引不包含整行記錄的所有信息莉撇，故其大小要遠(yuǎn)小于聚集索引呢蛤，因此可以減少大量的IO操作
?注意：覆蓋索引技術(shù)最早是在InnoDB Plugin中完成并實(shí)現(xiàn)，這意味著對(duì)于InnoDB版本小于1.0的棍郎，或者M(jìn)ySQL數(shù)據(jù)庫(kù)版本為5.0以下的顾稀，InnoDB存儲(chǔ)引擎不支持覆蓋索引特性
對(duì)于InnoDB存儲(chǔ)引擎的輔助索引而言，由于其包含了主鍵信息坝撑，因此其葉子節(jié)點(diǎn)存放的數(shù)據(jù)為（primary key1静秆，priamey key2，...,key1扶认，key2辐宾，...）膨蛮。例如
select agefroms1 where id=123andname ='egon';#id字段有索引敞葛，但是name字段沒有索引,該sql命中了索引，但未覆蓋持偏，需要去聚集索引中再查找詳細(xì)信息氨肌。最牛逼的情況是鸿秆，索引字段覆蓋了所有，那全程通過索引來(lái)加速查詢以及獲取結(jié)果就ok了
mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | NO | | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rowsinset (0.21 sec)
mysql> explain select namefroms1 where id=1000;#沒有任何索引+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+| 1 | SIMPLE | s1 | NULL | ALL | NULL | NULL | NULL | NULL | 2688336 | 10.00 | Using where |+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+1 rowinset, 1 warning (0.00 sec)
mysql> create index idx_id on s1(id);#創(chuàng)建索引Query OK, 0 rows affected (4.16 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> explain select namefroms1 where id=1000;#命中輔助索引怎囚，但是未覆蓋索引卿叽，還需要從聚集索引中查找name+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | NULL |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+1 rowinset, 1 warning (0.08 sec)
mysql> explain select idfroms1 where id=1000;#在輔助索引中就找到了全部信息，Using index代表覆蓋索引+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | Using index |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+1 rowinset, 1 warning (0.03 sec)
覆蓋索引的另外一個(gè)好處是對(duì)某些統(tǒng)計(jì)問題而言的恳守「矫保基于上一小結(jié)創(chuàng)建的表buy_log,查詢計(jì)劃如下
mysql> explain select count(*)from buy_log;+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+| id | select_type | table? | type? | possible_keys | key? ? | key_len | ref? | rows | Extra? ? ? |+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+|? 1 | SIMPLE? ? ? | buy_log | index | NULL? ? ? ? ? | userid | 4? ? ? | NULL |? ? 7 | Using index |+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+1 rowinset (0.00 sec)
innodb存儲(chǔ)引擎并不會(huì)選擇通過查詢聚集索引來(lái)進(jìn)行統(tǒng)計(jì)。由于buy_log表有輔助索引井誉，而輔助索引遠(yuǎn)小于聚集索引，選擇輔助索引可以減少IO操作整胃，故優(yōu)化器的選擇如上key為userid輔助索引
對(duì)于（a,b）形式的聯(lián)合索引颗圣，一般是不可以選擇b中所謂的查詢條件。但如果是統(tǒng)計(jì)操作屁使，并且是覆蓋索引在岂，則優(yōu)化器還是會(huì)選擇使用該索引，如下
#聯(lián)合索引userid_2（userid,buy_date）,一般情況蛮寂，我們按照buy_date是無(wú)法使用該索引的蔽午，但特殊情況下：查詢語(yǔ)句是統(tǒng)計(jì)操作，且是覆蓋索引酬蹋，則按照buy_date當(dāng)做查詢條件時(shí)及老，也可以使用該聯(lián)合索引mysql> explain select count(*)frombuy_log where buy_date >='2011-01-01'andbuy_date <'2011-02-01';+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+| id | select_type | table? | type? | possible_keys | key? ? ? | key_len | ref? | rows | Extra? ? ? ? ? ? ? ? ? ? |+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+|? 1 | SIMPLE? ? ? | buy_log | index | NULL? ? ? ? ? | userid_2 | 8? ? ? | NULL |? ? 7 | Using where; Using index |+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+1 rowinset (0.00 sec)
九 查詢優(yōu)化神器-explain
關(guān)于explain命令相信大家并不陌生食铐，具體用法和字段含義可以參考官網(wǎng)explain-output，這里需要強(qiáng)調(diào)rows是核心指標(biāo)斟叼，絕大部分rows小的語(yǔ)句執(zhí)行一定很快（有例外，下面會(huì)講到）馋缅。所以優(yōu)化語(yǔ)句基本上都是在優(yōu)化rows。
執(zhí)行計(jì)劃：讓mysql預(yù)估執(zhí)行操作(一般正確)
? ? all < index < range < index_merge < ref_or_null < ref < eq_ref < system/const
? ? id,email
? ? 慢：
? ? ? ? select *fromuserinfo3 where name='alex'? ? ? ?
? ? ? ? explain select *fromuserinfo3 where name='alex'? ? ? ? type: ALL(全表掃描)
? ? ? ? ? ? select *fromuserinfo3 limit 1;
? ? 快：
? ? ? ? select *fromuserinfo3 where email='alex'? ? ? ? type: const(走索引)
http://blog.itpub.net/29773961/viewspace-1767044/
十 慢查詢優(yōu)化的基本步驟
0.先運(yùn)行看看是否真的很慢，注意設(shè)置SQL_NO_CACHE1.where條件單表查硝全，鎖定最小返回記錄表。這句話的意思是把查詢語(yǔ)句的where都應(yīng)用到表中返回的記錄數(shù)最小的表開始查起凳厢，單表每個(gè)字段分別查詢先紫，看哪個(gè)字段的區(qū)分度最高2.explain查看執(zhí)行計(jì)劃遮精，是否與1預(yù)期一致（從鎖定記錄較少的表開始查詢）3.order by limit 形式的sql語(yǔ)句讓排序的表優(yōu)先查4.了解業(yè)務(wù)方使用場(chǎng)景5.加索引時(shí)參照建索引的幾大原則6.觀察結(jié)果准脂，不符合預(yù)期繼續(xù)從0分析
十一 慢日志管理
? ? ? ? 慢日志
? ? ? ? ? ? - 執(zhí)行時(shí)間 > 10? ? ? ? ? ? - 未命中索引
? ? ? ? ? ? - 日志文件路徑
? ? ? ? 配置：
? ? ? ? ? ? - 內(nèi)存
? ? ? ? ? ? ? ? show variables like '%query%';
? ? ? ? ? ? ? ? show variables like '%queries%';
? ? ? ? ? ? ? ? set global變量名 = 值
? ? ? ? ? ? - 配置文件
? ? ? ? ? ? ? ? mysqld --defaults-file='E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'? ? ? ? ? ? ? ?
? ? ? ? ? ? ? ? my.conf內(nèi)容：
? ? ? ? ? ? ? ? ? ? slow_query_log = ON
? ? ? ? ? ? ? ? ? ? slow_query_log_file = D:/....
? ? ? ? ? ? ? ? 注意：修改配置文件之后疮胖，需要重啟服務(wù)
