MySQL索引背后的數(shù)據(jù)結(jié)構(gòu)及算法原理

作者：張洋
原文地址：http://blog.codinglabs.org/articles/theory-of-mysql-index.html

摘要

本文以MySQL數(shù)據(jù)庫為研究對象庐橙，討論與數(shù)據(jù)庫索引相關(guān)的一些話題曾掂。特別需要說明的是葛躏，MySQL支持諸多存儲引擎疲眷，而各種存儲引擎對索引的支持也各不相同，因此MySQL數(shù)據(jù)庫支持多種索引類型虎忌，如BTree索引，哈希索引萍虽，全文索引等等齐疙。為了避免混亂膜楷，本文將只關(guān)注于BTree索引，因為這是平常使用MySQL時主要打交道的索引贞奋，至于哈希索引和全文索引本文暫不討論赌厅。

文章主要內(nèi)容分為三個部分。

第一部分主要從數(shù)據(jù)結(jié)構(gòu)及算法理論層面討論MySQL數(shù)據(jù)庫索引的數(shù)理基礎(chǔ)轿塔。

第二部分結(jié)合MySQL數(shù)據(jù)庫中MyISAM和InnoDB數(shù)據(jù)存儲引擎中索引的架構(gòu)實現(xiàn)討論聚集索引特愿、非聚集索引及覆蓋索引等話題仲墨。

第三部分根據(jù)上面的理論基礎(chǔ)，討論MySQL中高性能使用索引的策略揍障。

數(shù)據(jù)結(jié)構(gòu)及算法基礎(chǔ)

索引的本質(zhì)

MySQL官方對索引的定義為：索引（Index）是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)目养。提取句子主干，就可以得到索引的本質(zhì)：索引是數(shù)據(jù)結(jié)構(gòu)毒嫡。

我們知道癌蚁，數(shù)據(jù)庫查詢是數(shù)據(jù)庫的最主要功能之一。我們都希望查詢數(shù)據(jù)的速度能盡可能的快审胚，因此數(shù)據(jù)庫系統(tǒng)的設(shè)計者會從查詢算法的角度進行優(yōu)化匈勋。最基本的查詢算法當(dāng)然是順序查找（linear search），這種復(fù)雜度為O(n)的算法在數(shù)據(jù)量很大時顯然是糟糕的膳叨，好在計算機科學(xué)的發(fā)展提供了很多更優(yōu)秀的查找算法洽洁，例如二分查找（binary search）、二叉樹查找（binary tree search）等菲嘴。如果稍微分析一下會發(fā)現(xiàn)饿自，每種查找算法都只能應(yīng)用于特定的數(shù)據(jù)結(jié)構(gòu)之上，例如二分查找要求被檢索數(shù)據(jù)有序龄坪，而二叉樹查找只能應(yīng)用于二叉查找樹上昭雌，但是數(shù)據(jù)本身的組織結(jié)構(gòu)不可能完全滿足各種數(shù)據(jù)結(jié)構(gòu)（例如，理論上不可能同時將兩列都按順序進行組織）健田，所以烛卧，在數(shù)據(jù)之外，數(shù)據(jù)庫系統(tǒng)還維護著滿足特定查找算法的數(shù)據(jù)結(jié)構(gòu)妓局，這些數(shù)據(jù)結(jié)構(gòu)以某種方式引用（指向）數(shù)據(jù)总放，這樣就可以在這些數(shù)據(jù)結(jié)構(gòu)上實現(xiàn)高級查找算法。這種數(shù)據(jù)結(jié)構(gòu)好爬，就是索引局雄。

看一個例子：

圖1

圖1展示了一種可能的索引方式。左邊是數(shù)據(jù)表存炮，一共有兩列七條記錄炬搭，最左邊的是數(shù)據(jù)記錄的物理地址（注意邏輯上相鄰的記錄在磁盤上也并不是一定物理相鄰的）。為了加快Col2的查找穆桂，可以維護一個右邊所示的二叉查找樹宫盔，每個節(jié)點分別包含索引鍵值和一個指向?qū)?yīng)數(shù)據(jù)記錄物理地址的指針，這樣就可以運用二叉查找在O(log2n)的復(fù)雜度內(nèi)獲取到相應(yīng)數(shù)據(jù)享完。

雖然這是一個貨真價實的索引灼芭，但是實際的數(shù)據(jù)庫系統(tǒng)幾乎沒有使用二叉查找樹或其進化品種紅黑樹（red-black tree）實現(xiàn)的，原因會在下文介紹驼侠。

B-Tree和B+Tree

目前大部分?jǐn)?shù)據(jù)庫系統(tǒng)及文件系統(tǒng)都采用B-Tree或其變種B+Tree作為索引結(jié)構(gòu)姿鸿，在本文的下一節(jié)會結(jié)合存儲器原理及計算機存取原理討論為什么B-Tree和B+Tree在被如此廣泛用于索引谆吴，這一節(jié)先單純從數(shù)據(jù)結(jié)構(gòu)角度描述它們。

B-Tree

為了描述B-Tree苛预，首先定義一條數(shù)據(jù)記錄為一個二元組[key, data]句狼，key為記錄的鍵值，對于不同數(shù)據(jù)記錄热某，key是互不相同的腻菇；data為數(shù)據(jù)記錄除key外的數(shù)據(jù)。那么B-Tree是滿足下列條件的數(shù)據(jù)結(jié)構(gòu)：

d為大于1的一個正整數(shù)昔馋，稱為B-Tree的度筹吐。
h為一個正整數(shù)，稱為B-Tree的高度秘遏。
每個非葉子節(jié)點由n-1個key和n個指針組成丘薛，其中d<=n<=2d。
每個葉子節(jié)點最少包含一個key和兩個指針邦危，最多包含2d-1個key和2d個指針洋侨，葉節(jié)點的指針均為null.
所有葉節(jié)點具有相同的深度，等于樹高h(yuǎn)倦蚪。
key和指針互相間隔希坚，節(jié)點兩端是指針。
一個節(jié)點中的key從左到右非遞減排列陵且。
所有節(jié)點組成樹結(jié)構(gòu)裁僧。
每個指針要么為null，要么指向另外一個節(jié)點慕购。
如果某個指針在節(jié)點node最左邊且不為null聊疲，則其指向節(jié)點的所有key小于v(key1)，其中v(key1)為node的第一個key的值脓钾。
如果某個指針在節(jié)點node最右邊且不為null售睹，則其指向節(jié)點的所有key大于v(keym)桩警，其中v(keym)為node的最后一個key的值可训。
如果某個指針在節(jié)點node的左右相鄰key分別是keyi和keyi+1且不為null，則其指向節(jié)點的所有key小于v(keyi+1)且大于v(keyi)捶枢。

圖2是一個d=2的B-Tree示意圖握截。

圖2

由于B-Tree的特性，在B-Tree中按key檢索數(shù)據(jù)的算法非常直觀：首先從根節(jié)點進行二分查找烂叔，如果找到則返回對應(yīng)節(jié)點的data谨胞，否則對相應(yīng)區(qū)間的指針指向的節(jié)點遞歸進行查找，直到找到節(jié)點或找到null指針蒜鸡，前者查找成功胯努，后者查找失敗牢裳。B-Tree上查找算法的偽代碼如下：

BTree_Search(node, key) {
    if(node == null) return null;
    foreach(node.key)
    {
        if(node.key[i] == key) return node.data[i];
            if(node.key[i] > key) return BTree_Search(point[i]->node);
    }
    return BTree_Search(point[i+1]->node);
}
data = BTree_Search(root, my_key);

關(guān)于B-Tree有一系列有趣的性質(zhì)，例如一個度為d的B-Tree叶沛，設(shè)其索引N個key蒲讯，則其樹高h(yuǎn)的上限為logd((N+1)/2)，檢索一個key灰署，其查找節(jié)點個數(shù)的漸進復(fù)雜度為O(logdN)判帮。從這點可以看出，B-Tree是一個非常有效率的索引數(shù)據(jù)結(jié)構(gòu)溉箕。

另外晦墙，由于插入刪除新的數(shù)據(jù)記錄會破壞B-Tree的性質(zhì)，因此在插入刪除時肴茄，需要對樹進行一個分裂晌畅、合并、轉(zhuǎn)移等操作以保持B-Tree性質(zhì)寡痰，本文不打算完整討論B-Tree這些內(nèi)容踩麦，因為已經(jīng)有許多資料詳細(xì)說明了B-Tree的數(shù)學(xué)性質(zhì)及插入刪除算法，有興趣的朋友可以在本文末的參考文獻一欄找到相應(yīng)的資料進行閱讀氓癌。

B+Tree

B-Tree有許多變種谓谦，其中最常見的是B+Tree，例如MySQL就普遍使用B+Tree實現(xiàn)其索引結(jié)構(gòu)贪婉。

與B-Tree相比反粥，B+Tree有以下不同點：

每個節(jié)點的指針上限為2d而不是2d+1。
內(nèi)節(jié)點不存儲data疲迂，只存儲key才顿；
葉子節(jié)點不存儲指針。

圖3是一個簡單的B+Tree示意尤蒿。

圖3

由于并不是所有節(jié)點都具有相同的域郑气，因此B+Tree中葉節(jié)點和內(nèi)節(jié)點一般大小不同。這點與B-Tree不同腰池，雖然B-Tree中不同節(jié)點存放的key和指針可能數(shù)量不一致尾组，但是每個節(jié)點的域和上限是一致的，所以在實現(xiàn)中B-Tree往往對每個節(jié)點申請同等大小的空間示弓。

一般來說讳侨，B+Tree比B-Tree更適合實現(xiàn)外存儲索引結(jié)構(gòu)，具體原因與外存儲器原理及計算機存取原理有關(guān)奏属，將在下面討論跨跨。

帶有順序訪問指針的B+Tree

一般在數(shù)據(jù)庫系統(tǒng)或文件系統(tǒng)中使用的B+Tree結(jié)構(gòu)都在經(jīng)典B+Tree的基礎(chǔ)上進行了優(yōu)化，增加了順序訪問指針囱皿。

圖4

如圖4所示勇婴，在B+Tree的每個葉子節(jié)點增加一個指向相鄰葉子節(jié)點的指針忱嘹，就形成了帶有順序訪問指針的B+Tree。做這個優(yōu)化的目的是為了提高區(qū)間訪問的性能耕渴，例如圖4中如果要查詢key為從18到49的所有數(shù)據(jù)記錄德谅，當(dāng)找到18后，只需順著節(jié)點和指針順序遍歷就可以一次性訪問到所有數(shù)據(jù)節(jié)點萨螺，極大提到了區(qū)間查詢效率窄做。

這一節(jié)對B-Tree和B+Tree進行了一個簡單的介紹，下一節(jié)結(jié)合存儲器存取原理介紹為什么目前B+Tree是數(shù)據(jù)庫系統(tǒng)實現(xiàn)索引的首選數(shù)據(jù)結(jié)構(gòu)慰技。

為什么使用B-Tree（B+Tree）

上文說過椭盏，紅黑樹等數(shù)據(jù)結(jié)構(gòu)也可以用來實現(xiàn)索引，但是文件系統(tǒng)及數(shù)據(jù)庫系統(tǒng)普遍采用B-/+Tree作為索引結(jié)構(gòu)吻商，這一節(jié)將結(jié)合計算機組成原理相關(guān)知識討論B-/+Tree作為索引的理論基礎(chǔ)掏颊。

一般來說，索引本身也很大艾帐，不可能全部存儲在內(nèi)存中乌叶，因此索引往往以索引文件的形式存儲的磁盤上。這樣的話柒爸，索引查找過程中就要產(chǎn)生磁盤I/O消耗准浴，相對于內(nèi)存存取，I/O存取的消耗要高幾個數(shù)量級捎稚，所以評價一個數(shù)據(jù)結(jié)構(gòu)作為索引的優(yōu)劣最重要的指標(biāo)就是在查找過程中磁盤I/O操作次數(shù)的漸進復(fù)雜度乐横。換句話說，索引的結(jié)構(gòu)組織要盡量減少查找過程中磁盤I/O的存取次數(shù)今野。下面先介紹內(nèi)存和磁盤存取原理，然后再結(jié)合這些原理分析B-/+Tree作為索引的效率宰睡。

主存存取原理

目前計算機使用的主存基本都是隨機讀寫存儲器（RAM），現(xiàn)代RAM的結(jié)構(gòu)和存取原理比較復(fù)雜孩等，這里本文拋卻具體差別，抽象出一個十分簡單的存取模型來說明RAM的工作原理董济。

圖5

從抽象角度看，主存是一系列的存儲單元組成的矩陣雌续，每個存儲單元存儲固定大小的數(shù)據(jù)居暖。每個存儲單元有唯一的地址怠惶，現(xiàn)代主存的編址規(guī)則比較復(fù)雜，這里將其簡化成一個二維地址：通過一個行地址和一個列地址可以唯一定位到一個存儲單元。圖5展示了一個4 x 4的主存模型烹卒。

主存的存取過程如下：

當(dāng)系統(tǒng)需要讀取主存時谣辞，則將地址信號放到地址總線上傳給主存，主存讀到地址信號后昼弟，解析信號并定位到指定存儲單元奕筐，然后將此存儲單元數(shù)據(jù)放到數(shù)據(jù)總線上舱痘，供其它部件讀取。

寫主存的過程類似离赫，系統(tǒng)將要寫入單元地址和數(shù)據(jù)分別放在地址總線和數(shù)據(jù)總線上芭逝，主存讀取兩個總線的內(nèi)容，做相應(yīng)的寫操作渊胸。

這里可以看出旬盯，主存存取的時間僅與存取次數(shù)呈線性關(guān)系，因為不存在機械操作翎猛，兩次存取的數(shù)據(jù)的“距離”不會對時間有任何影響胖翰，例如，先取A0再取A1和先取A0再取D3的時間消耗是一樣的切厘。

磁盤存取原理

上文說過萨咳，索引一般以文件形式存儲在磁盤上，索引檢索需要磁盤I/O操作疫稿。與主存不同培他，磁盤I/O存在機械運動耗費，因此磁盤I/O的時間消耗是巨大的遗座。

圖6是磁盤的整體結(jié)構(gòu)示意圖舀凛。

圖6

一個磁盤由大小相同且同軸的圓形盤片組成，磁盤可以轉(zhuǎn)動（各個磁盤必須同步轉(zhuǎn)動）途蒋。在磁盤的一側(cè)有磁頭支架腾降，磁頭支架固定了一組磁頭，每個磁頭負(fù)責(zé)存取一個磁盤的內(nèi)容碎绎。磁頭不能轉(zhuǎn)動螃壤，但是可以沿磁盤半徑方向運動（實際是斜切向運動），每個磁頭同一時刻也必須是同軸的筋帖，即從正上方向下看奸晴，所有磁頭任何時候都是重疊的（不過目前已經(jīng)有多磁頭獨立技術(shù)，可不受此限制）日麸。

圖7是磁盤結(jié)構(gòu)的示意圖寄啼。

圖7

盤片被劃分成一系列同心環(huán)逮光，圓心是盤片中心，每個同心環(huán)叫做一個磁道墩划，所有半徑相同的磁道組成一個柱面涕刚。磁道被沿半徑線劃分成一個個小的段，每個段叫做一個扇區(qū)乙帮，每個扇區(qū)是磁盤的最小存儲單元杜漠。為了簡單起見，我們下面假設(shè)磁盤只有一個盤片和一個磁頭察净。

當(dāng)需要從磁盤讀取數(shù)據(jù)時驾茴，系統(tǒng)會將數(shù)據(jù)邏輯地址傳給磁盤，磁盤的控制電路按照尋址邏輯將邏輯地址翻譯成物理地址氢卡，即確定要讀的數(shù)據(jù)在哪個磁道锈至，哪個扇區(qū)。為了讀取這個扇區(qū)的數(shù)據(jù)译秦，需要將磁頭放到這個扇區(qū)上方峡捡，為了實現(xiàn)這一點，磁頭需要移動對準(zhǔn)相應(yīng)磁道筑悴，這個過程叫做尋道们拙，所耗費時間叫做尋道時間，然后磁盤旋轉(zhuǎn)將目標(biāo)扇區(qū)旋轉(zhuǎn)到磁頭下雷猪，這個過程耗費的時間叫做旋轉(zhuǎn)時間睛竣。

局部性原理與磁盤預(yù)讀

由于存儲介質(zhì)的特性，磁盤本身存取就比主存慢很多求摇，再加上機械運動耗費射沟，磁盤的存取速度往往是主存的幾百分分之一，因此為了提高效率与境，要盡量減少磁盤I/O验夯。為了達到這個目的，磁盤往往不是嚴(yán)格按需讀取摔刁，而是每次都會預(yù)讀挥转，即使只需要一個字節(jié)，磁盤也會從這個位置開始共屈，順序向后讀取一定長度的數(shù)據(jù)放入內(nèi)存绑谣。這樣做的理論依據(jù)是計算機科學(xué)中著名的局部性原理：

當(dāng)一個數(shù)據(jù)被用到時，其附近的數(shù)據(jù)也通常會馬上被使用拗引。

程序運行期間所需要的數(shù)據(jù)通常比較集中借宵。

由于磁盤順序讀取的效率很高（不需要尋道時間，只需很少的旋轉(zhuǎn)時間）矾削，因此對于具有局部性的程序來說壤玫，預(yù)讀可以提高I/O效率豁护。

預(yù)讀的長度一般為頁（page）的整倍數(shù)。頁是計算機管理存儲器的邏輯塊欲间，硬件及操作系統(tǒng)往往將主存和磁盤存儲區(qū)分割為連續(xù)的大小相等的塊楚里，每個存儲塊稱為一頁（在許多操作系統(tǒng)中，頁得大小通常為4k）猎贴，主存和磁盤以頁為單位交換數(shù)據(jù)班缎。當(dāng)程序要讀取的數(shù)據(jù)不在主存中時，會觸發(fā)一個缺頁異常嘱能，此時系統(tǒng)會向磁盤發(fā)出讀盤信號吝梅，磁盤會找到數(shù)據(jù)的起始位置并向后連續(xù)讀取一頁或幾頁載入內(nèi)存中虱疏，然后異常返回惹骂，程序繼續(xù)運行。

B-/+Tree索引的性能分析

到這里終于可以分析B-/+Tree索引的性能了做瞪。

上文說過一般使用磁盤I/O次數(shù)評價索引結(jié)構(gòu)的優(yōu)劣对粪。先從B-Tree分析，根據(jù)B-Tree的定義装蓬，可知檢索一次最多需要訪問h個節(jié)點著拭。數(shù)據(jù)庫系統(tǒng)的設(shè)計者巧妙利用了磁盤預(yù)讀原理，將一個節(jié)點的大小設(shè)為等于一個頁牍帚，這樣每個節(jié)點只需要一次I/O就可以完全載入儡遮。為了達到這個目的，在實際實現(xiàn)B-Tree還需要使用如下技巧：

每次新建節(jié)點時暗赶，直接申請一個頁的空間鄙币，這樣就保證一個節(jié)點物理上也存儲在一個頁里，加之計算機存儲分配都是按頁對齊的蹂随，就實現(xiàn)了一個node只需一次I/O十嘿。

B-Tree中一次檢索最多需要h-1次I/O（根節(jié)點常駐內(nèi)存），漸進復(fù)雜度為O(h)=O(logdN)O(h)=O(logdN)岳锁。一般實際應(yīng)用中绩衷，出度d是非常大的數(shù)字，通常超過100激率，因此h非常锌妊唷（通常不超過3）。

綜上所述乒躺，用B-Tree作為索引結(jié)構(gòu)效率是非常高的招盲。

而紅黑樹這種結(jié)構(gòu)，h明顯要深的多聪蘸。由于邏輯上很近的節(jié)點（父子）物理上可能很遠(yuǎn)宪肖，無法利用局部性表制，所以紅黑樹的I/O漸進復(fù)雜度也為O(h)，效率明顯比B-Tree差很多控乾。

上文還說過么介，B+Tree更適合外存索引，原因和內(nèi)節(jié)點出度d有關(guān)蜕衡。從上面分析可以看到壤短，d越大索引的性能越好，而出度的上限取決于節(jié)點內(nèi)key和data的大锌隆：

dmax=floor(pagesize/(keysize+datasize+pointsize))

floor表示向下取整久脯。由于B+Tree內(nèi)節(jié)點去掉了data域，因此可以擁有更大的出度镰吆，擁有更好的性能帘撰。

這一章從理論角度討論了與索引相關(guān)的數(shù)據(jù)結(jié)構(gòu)與算法問題，下一章將討論B+Tree是如何具體實現(xiàn)為MySQL中索引万皿，同時將結(jié)合MyISAM和InnDB存儲引擎介紹非聚集索引和聚集索引兩種不同的索引實現(xiàn)形式摧找。

MySQL索引實現(xiàn)

在MySQL中，索引屬于存儲引擎級別的概念牢硅，不同存儲引擎對索引的實現(xiàn)方式是不同的蹬耘，本文主要討論MyISAM和InnoDB兩個存儲引擎的索引實現(xiàn)方式。

MyISAM索引實現(xiàn)

MyISAM引擎使用B+Tree作為索引結(jié)構(gòu)减余，葉節(jié)點的data域存放的是數(shù)據(jù)記錄的地址综苔。下圖是MyISAM索引的原理圖：

圖8

這里設(shè)表一共有三列，假設(shè)我們以Col1為主鍵位岔，則圖8是一個MyISAM表的主索引（Primary key）示意如筛∈眵ⅲ可以看出MyISAM的索引文件僅僅保存數(shù)據(jù)記錄的地址圾旨。在MyISAM中，主索引和輔助索引（Secondary key）在結(jié)構(gòu)上沒有任何區(qū)別是整，只是主索引要求key是唯一的瞧剖，而輔助索引的key可以重復(fù)拭嫁。如果我們在Col2上建立一個輔助索引，則此索引的結(jié)構(gòu)如下圖所示：

圖9

同樣也是一顆B+Tree抓于，data域保存數(shù)據(jù)記錄的地址做粤。因此，MyISAM中索引檢索的算法為首先按照B+Tree搜索算法搜索索引捉撮，如果指定的Key存在怕品，則取出其data域的值，然后以data域的值為地址巾遭，讀取相應(yīng)數(shù)據(jù)記錄肉康。

MyISAM的索引方式也叫做“非聚集”的闯估，之所以這么稱呼是為了與InnoDB的聚集索引區(qū)分。

InnoDB索引實現(xiàn)

雖然InnoDB也使用B+Tree作為索引結(jié)構(gòu)吼和，但具體實現(xiàn)方式卻與MyISAM截然不同涨薪。

第一個重大區(qū)別是InnoDB的數(shù)據(jù)文件本身就是索引文件。從上文知道炫乓，MyISAM索引文件和數(shù)據(jù)文件是分離的刚夺，索引文件僅保存數(shù)據(jù)記錄的地址。而在InnoDB中末捣，表數(shù)據(jù)文件本身就是按B+Tree組織的一個索引結(jié)構(gòu)侠姑，這棵樹的葉節(jié)點data域保存了完整的數(shù)據(jù)記錄。這個索引的key是數(shù)據(jù)表的主鍵箩做，因此InnoDB表數(shù)據(jù)文件本身就是主索引莽红。

圖10

圖10是InnoDB主索引（同時也是數(shù)據(jù)文件）的示意圖，可以看到葉節(jié)點包含了完整的數(shù)據(jù)記錄卒茬。這種索引叫做聚集索引船老。因為InnoDB的數(shù)據(jù)文件本身要按主鍵聚集咖熟，所以InnoDB要求表必須有主鍵（MyISAM可以沒有）圃酵，如果沒有顯式指定，則MySQL系統(tǒng)會自動選擇一個可以唯一標(biāo)識數(shù)據(jù)記錄的列作為主鍵馍管，如果不存在這種列郭赐，則MySQL自動為InnoDB表生成一個隱含字段作為主鍵，這個字段長度為6個字節(jié)确沸，類型為長整形捌锭。

第二個與MyISAM索引的不同是InnoDB的輔助索引data域存儲相應(yīng)記錄主鍵的值而不是地址。換句話說罗捎，InnoDB的所有輔助索引都引用主鍵作為data域观谦。例如，圖11為定義在Col3上的一個輔助索引：

圖11

這里以英文字符的ASCII碼作為比較準(zhǔn)則桨菜。聚集索引這種實現(xiàn)方式使得按主鍵的搜索十分高效豁状，但是輔助索引搜索需要檢索兩遍索引：首先檢索輔助索引獲得主鍵，然后用主鍵到主索引中檢索獲得記錄倒得。

了解不同存儲引擎的索引實現(xiàn)方式對于正確使用和優(yōu)化索引都非常有幫助泻红，例如知道了InnoDB的索引實現(xiàn)后，就很容易明白為什么不建議使用過長的字段作為主鍵霞掺，因為所有輔助索引都引用主索引谊路，過長的主索引會令輔助索引變得過大。再例如菩彬，用非單調(diào)的字段作為主鍵在InnoDB中不是個好主意缠劝，因為InnoDB數(shù)據(jù)文件本身是一顆B+Tree潮梯，非單調(diào)的主鍵會造成在插入新記錄時數(shù)據(jù)文件為了維持B+Tree的特性而頻繁的分裂調(diào)整，十分低效惨恭，而使用自增字段作為主鍵則是一個很好的選擇酷麦。

下一章將具體討論這些與索引有關(guān)的優(yōu)化策略。

索引使用策略及優(yōu)化

MySQL的優(yōu)化主要分為結(jié)構(gòu)優(yōu)化（Scheme optimization）和查詢優(yōu)化（Query optimization）喉恋。本章討論的高性能索引策略主要屬于結(jié)構(gòu)優(yōu)化范疇沃饶。本章的內(nèi)容完全基于上文的理論基礎(chǔ)，實際上一旦理解了索引背后的機制轻黑，那么選擇高性能的策略就變成了純粹的推理糊肤，并且可以理解這些策略背后的邏輯。

示例數(shù)據(jù)庫

為了討論索引策略氓鄙，需要一個數(shù)據(jù)量不算小的數(shù)據(jù)庫作為示例馆揉。本文選用MySQL官方文檔中提供的示例數(shù)據(jù)庫之一：employees。這個數(shù)據(jù)庫關(guān)系復(fù)雜度適中抖拦，且數(shù)據(jù)量較大升酣。下圖是這個數(shù)據(jù)庫的E-R關(guān)系圖（引用自MySQL官方手冊）：

圖12

MySQL官方文檔中關(guān)于此數(shù)據(jù)庫的頁面。里面詳細(xì)介紹了此數(shù)據(jù)庫态罪，并提供了下載地址和導(dǎo)入方法噩茄，如果有興趣導(dǎo)入此數(shù)據(jù)庫到自己的MySQL可以參考文中內(nèi)容。

最左前綴原理與相關(guān)優(yōu)化

高效使用索引的首要條件是知道什么樣的查詢會使用到索引复颈，這個問題和B+Tree中的“最左前綴原理”有關(guān)绩聘，下面通過例子說明最左前綴原理。

這里先說一下聯(lián)合索引的概念耗啦。在上文中凿菩，我們都是假設(shè)索引只引用了單個的列，實際上帜讲，MySQL中的索引可以以一定順序引用多個列衅谷，這種索引叫做聯(lián)合索引，一般的似将，一個聯(lián)合索引是一個有序元組<a1, a2, …, an>获黔，其中各個元素均為數(shù)據(jù)表的一列，實際上要嚴(yán)格定義索引需要用到關(guān)系代數(shù)玩郊，但是這里我不想討論太多關(guān)系代數(shù)的話題肢执，因為那樣會顯得很枯燥，所以這里就不再做嚴(yán)格定義译红。另外预茄，單列索引可以看成聯(lián)合索引元素數(shù)為1的特例。

以employees.titles表為例，下面先查看其上都有哪些索引：

SHOW INDEX FROM employees.titles;
+--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
| Table  | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Null | Index_type |
+--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
| titles |          0 | PRIMARY  |            1 | emp_no      | A         |        NULL |      | BTREE      |
| titles |          0 | PRIMARY  |            2 | title       | A         |        NULL |      | BTREE      |
| titles |          0 | PRIMARY  |            3 | from_date   | A         |      443308 |      | BTREE      |
| titles |          1 | emp_no   |            1 | emp_no      | A         |      443308 |      | BTREE      |
+--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+

從結(jié)果中可以到titles表的主索引為<emp_no, title, from_date>耻陕，還有一個輔助索引<emp_no>拙徽。為了避免多個索引使事情變復(fù)雜（MySQL的SQL優(yōu)化器在多索引時行為比較復(fù)雜），這里我們將輔助索引drop掉：

ALTER TABLE employees.titles DROP INDEX emp_no;

這樣就可以專心分析索引PRIMARY的行為了诗宣。

情況一：全列匹配

EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title='Senior Engineer' AND from_date='1986-06-26';
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref               | rows | Extra |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
|  1 | SIMPLE      | titles | const | PRIMARY       | PRIMARY | 59      | const,const,const |    1 |       |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+

很明顯膘怕，當(dāng)按照索引中所有列進行精確匹配（這里精確匹配指“=”或“IN”匹配）時，索引可以被用到召庞。這里有一點需要注意岛心，理論上索引對順序是敏感的，但是由于MySQL的查詢優(yōu)化器會自動調(diào)整where子句的條件順序以使用適合的索引篮灼，例如我們將where中的條件順序顛倒：

EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26' AND emp_no='10001' AND title='Senior Engineer';
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref               | rows | Extra |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
|  1 | SIMPLE      | titles | const | PRIMARY       | PRIMARY | 59      | const,const,const |    1 |       |
+----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+

效果是一樣的忘古。

情況二：最左前綴匹配

EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001';
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
| id | select_type | table  | type | possible_keys | key     | key_len | ref   | rows | Extra |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
|  1 | SIMPLE      | titles | ref  | PRIMARY       | PRIMARY | 4       | const |    1 |       |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------+

當(dāng)查詢條件精確匹配索引的左邊連續(xù)一個或幾個列時，如<emp_no>或<emp_no, title>诅诱，所以可以被用到髓堪，但是只能用到一部分，即條件所組成的最左前綴娘荡。上面的查詢從分析結(jié)果看用到了PRIMARY索引干旁，但是key_len為4，說明只用到了索引的第一列前綴炮沐。

情況三：查詢條件用到了索引中列的精確匹配争群，但是中間某個條件未提供。

EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26';
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
| id | select_type | table  | type | possible_keys | key     | key_len | ref   | rows | Extra       |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
|  1 | SIMPLE      | titles | ref  | PRIMARY       | PRIMARY | 4       | const |    1 | Using where |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+

此時索引使用情況和情況二相同央拖，因為title未提供祭阀，所以查詢只用到了索引的第一列，而后面的from_date雖然也在索引中鲜戒，但是由于title不存在而無法和左前綴連接，因此需要對結(jié)果進行掃描過濾from_date（這里由于emp_no唯一抹凳，所以不存在掃描）遏餐。如果想讓from_date也使用索引而不是where過濾，可以增加一個輔助索引<emp_no, from_date>赢底，此時上面的查詢會使用這個索引失都。除此之外，還可以使用一種稱之為“隔離列”的優(yōu)化方法幸冻，將emp_no與from_date之間的“坑”填上粹庞。

首先我們看下title一共有幾種不同的值：

SELECT DISTINCT(title) FROM employees.titles;
+--------------------+
| title              |
+--------------------+
| Senior Engineer    |
| Staff              |
| Engineer           |
| Senior Staff       |
| Assistant Engineer |
| Technique Leader   |
| Manager            |
+--------------------+

只有7種。在這種成為“坑”的列值比較少的情況下洽损，可以考慮用“IN”來填補這個“坑”從而形成最左前綴：

EXPLAIN SELECT * FROM employees.titles
WHERE emp_no='10001'
AND title IN ('Senior Engineer', 'Staff', 'Engineer', 'Senior Staff', 'Assistant Engineer', 'Technique Leader', 'Manager')
AND from_date='1986-06-26';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref  | rows | Extra       |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|  1 | SIMPLE      | titles | range | PRIMARY       | PRIMARY | 59      | NULL |    7 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

這次key_len為59庞溜，說明索引被用全了，但是從type和rows看出IN實際上執(zhí)行了一個range查詢碑定，這里檢查了7個key流码∮止伲看下兩種查詢的性能比較：

SHOW PROFILES;
+----------+------------+-------------------------------------------------------------------------------+
| Query_ID | Duration   | Query                                                                         |
+----------+------------+-------------------------------------------------------------------------------+
|       10 | 0.00058000 | SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26'|
|       11 | 0.00052500 | SELECT * FROM employees.titles WHERE emp_no='10001' AND title IN ...          |
+----------+------------+-------------------------------------------------------------------------------+

“填坑”后性能提升了一點。如果經(jīng)過emp_no篩選后余下很多數(shù)據(jù)漫试，則后者性能優(yōu)勢會更加明顯六敬。當(dāng)然，如果title的值很多驾荣，用填坑就不合適了外构，必須建立輔助索引。

情況四：查詢條件沒有指定索引第一列播掷。

EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26';
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table  | type | possible_keys | key  | key_len | ref  | rows   | Extra       |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
|  1 | SIMPLE      | titles | ALL  | NULL          | NULL | NULL    | NULL | 443308 | Using where |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+

由于不是最左前綴典勇，索引這樣的查詢顯然用不到索引。

情況五：匹配某列的前綴字符串叮趴。

EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title LIKE 'Senior%';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref  | rows | Extra       |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|  1 | SIMPLE      | titles | range | PRIMARY       | PRIMARY | 56      | NULL |    1 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

此時可以用到索引割笙，~~但是如果通配符不是只出現(xiàn)在末尾，則無法使用索引眯亦。~~（原文表述有誤伤溉，如果通配符%不出現(xiàn)在開頭，則可以用到索引妻率，但根據(jù)具體情況不同可能只會用其中一個前綴乱顾。）

情況六：范圍查詢

EXPLAIN SELECT * FROM employees.titles WHERE emp_no < '10010' and title='Senior Engineer';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref  | rows | Extra       |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|  1 | SIMPLE      | titles | range | PRIMARY       | PRIMARY | 4       | NULL |   16 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

范圍列可以用到索引（必須是最左前綴），但是范圍列后面的列無法用到索引宫静。同時走净，索引最多用于一個范圍列，因此如果查詢條件中有兩個范圍列則無法全用到索引孤里。

EXPLAIN SELECT * FROM employees.titles
WHERE emp_no < '10010'
AND title='Senior Engineer'
AND from_date BETWEEN '1986-01-01' AND '1986-12-31';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref  | rows | Extra       |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|  1 | SIMPLE      | titles | range | PRIMARY       | PRIMARY | 4       | NULL |   16 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

可以看到索引對第二個范圍索引無能為力伏伯。這里特別要說明MySQL一個有意思的地方，那就是僅用explain可能無法區(qū)分范圍索引和多值匹配捌袜，因為在type中這兩者都顯示為range说搅。同時，用了“between”并不意味著就是范圍查詢虏等，例如下面的查詢：

EXPLAIN SELECT * FROM employees.titles
WHERE emp_no BETWEEN '10001' AND '10010'
AND title='Senior Engineer'
AND from_date BETWEEN '1986-01-01' AND '1986-12-31';
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
| id | select_type | table  | type  | possible_keys | key     | key_len | ref  | rows | Extra       |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
|  1 | SIMPLE      | titles | range | PRIMARY       | PRIMARY | 59      | NULL |   16 | Using where |
+----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+

看起來是用了兩個范圍查詢弄唧，但作用于emp_no上的“BETWEEN”實際上相當(dāng)于“IN”，也就是說emp_no實際是多值精確匹配霍衫『蛞可以看到這個查詢用到了索引全部三個列。因此在MySQL中要謹(jǐn)慎地區(qū)分多值匹配和范圍匹配敦跌，否則會對MySQL的行為產(chǎn)生困惑澄干。

情況七：查詢條件中含有函數(shù)或表達式。

很不幸，如果查詢條件中含有函數(shù)或表達式傻寂，則MySQL不會為這列使用索引（雖然某些在數(shù)學(xué)意義上可以使用）息尺。例如：

EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND left(title, 6)='Senior';
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
| id | select_type | table  | type | possible_keys | key     | key_len | ref   | rows | Extra       |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
|  1 | SIMPLE      | titles | ref  | PRIMARY       | PRIMARY | 4       | const |    1 | Using where |
+----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+

雖然這個查詢和情況五中功能相同，但是由于使用了函數(shù)left疾掰，則無法為title列應(yīng)用索引搂誉，而情況五中用LIKE則可以。再如：

EXPLAIN SELECT * FROM employees.titles WHERE emp_no - 1='10000';
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table  | type | possible_keys | key  | key_len | ref  | rows   | Extra       |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
|  1 | SIMPLE      | titles | ALL  | NULL          | NULL | NULL    | NULL | 443308 | Using where |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+

顯然這個查詢等價于查詢emp_no為10001的函數(shù)静檬，但是由于查詢條件是一個表達式炭懊，MySQL無法為其使用索引》鏖荩看來MySQL還沒有智能到自動優(yōu)化常量表達式的程度侮腹，因此在寫查詢語句時盡量避免表達式出現(xiàn)在查詢中，而是先手工私下代數(shù)運算稻励，轉(zhuǎn)換為無表達式的查詢語句父阻。

索引選擇性與前綴索引

既然索引可以加快查詢速度，那么是不是只要是查詢語句需要望抽，就建上索引加矛？答案是否定的。因為索引雖然加快了查詢速度煤篙，但索引也是有代價的：索引文件本身要消耗存儲空間斟览，同時索引會加重插入、刪除和修改記錄時的負(fù)擔(dān)辑奈，另外苛茂，MySQL在運行時也要消耗資源維護索引，因此索引并不是越多越好鸠窗。一般兩種情況下不建議建索引妓羊。

第一種情況是表記錄比較少，例如一兩千條甚至只有幾百條記錄的表塌鸯，沒必要建索引侍瑟，讓查詢做全表掃描就好了。至于多少條記錄才算多丙猬，這個個人有個人的看法，我個人的經(jīng)驗是以2000作為分界線费韭，記錄數(shù)不超過 2000可以考慮不建索引茧球，超過2000條可以酌情考慮索引。

另一種不建議建索引的情況是索引的選擇性較低星持。所謂索引的選擇性（Selectivity）抢埋，是指不重復(fù)的索引值（也叫基數(shù)，Cardinality）與表記錄數(shù)（#T）的比值：

Index Selectivity = Cardinality / #T

顯然選擇性的取值范圍為(0, 1]，選擇性越高的索引價值越大揪垄，這是由B+Tree的性質(zhì)決定的穷吮。例如，上文用到的employees.titles表饥努，如果title字段經(jīng)常被單獨查詢捡鱼，是否需要建索引，我們看一下它的選擇性：

SELECT count(DISTINCT(title))/count(*) AS Selectivity FROM employees.titles;
+-------------+
| Selectivity |
+-------------+
|      0.0000 |
+-------------+

title的選擇性不足0.0001（精確值為0.00001579）酷愧，所以實在沒有什么必要為其單獨建索引驾诈。

有一種與索引選擇性有關(guān)的索引優(yōu)化策略叫做前綴索引，就是用列的前綴代替整個列作為索引key溶浴，當(dāng)前綴長度合適時乍迄，可以做到既使得前綴索引的選擇性接近全列索引，同時因為索引key變短而減少了索引文件的大小和維護開銷士败。下面以employees.employees表為例介紹前綴索引的選擇和使用闯两。

從圖12可以看到employees表只有一個索引<emp_no>，那么如果我們想按名字搜索一個人谅将，就只能全表掃描了：

EXPLAIN SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido';
+----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table     | type | possible_keys | key  | key_len | ref  | rows   | Extra       |
+----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
|  1 | SIMPLE      | employees | ALL  | NULL          | NULL | NULL    | NULL | 300024 | Using where |
+----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+

如果頻繁按名字搜索員工漾狼，這樣顯然效率很低，因此我們可以考慮建索引戏自。有兩種選擇邦投，建<first_name>或<first_name, last_name>，看下兩個索引的選擇性：

SELECT count(DISTINCT(first_name))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|      0.0042 |
+-------------+
SELECT count(DISTINCT(concat(first_name, last_name)))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|      0.9313 |
+-------------+

<first_name>顯然選擇性太低擅笔，<first_name, last_name>選擇性很好志衣，但是first_name和last_name加起來長度為30，有沒有兼顧長度和選擇性的辦法猛们？可以考慮用first_name和last_name的前幾個字符建立索引念脯，例如<first_name, left(last_name, 3)>，看看其選擇性：

SELECT count(DISTINCT(concat(first_name, left(last_name, 3))))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|      0.7879 |
+-------------+

選擇性還不錯弯淘，但離0.9313還是有點距離绿店，那么把last_name前綴加到4：

SELECT count(DISTINCT(concat(first_name, left(last_name, 4))))/count(*) AS Selectivity FROM employees.employees;
+-------------+
| Selectivity |
+-------------+
|      0.9007 |
+-------------+

這時選擇性已經(jīng)很理想了，而這個索引的長度只有18庐橙，比<first_name, last_name>短了接近一半假勿，我們把這個前綴索引建上：

ALTER TABLE employees.employees
ADD INDEX `first_name_last_name4` (first_name, last_name(4));

此時再執(zhí)行一遍按名字查詢，比較分析一下與建索引前的結(jié)果：

SHOW PROFILES;
+----------+------------+---------------------------------------------------------------------------------+
| Query_ID | Duration   | Query                                                                           |
+----------+------------+---------------------------------------------------------------------------------+
|       87 | 0.11941700 | SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido' |
|       90 | 0.00092400 | SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido' |
+----------+------------+---------------------------------------------------------------------------------+

性能的提升是顯著的态鳖，查詢速度提高了120多倍转培。

前綴索引兼顧索引大小和查詢速度，但是其缺點是不能用于ORDER BY和GROUP BY操作浆竭，也不能用于Covering index（即當(dāng)索引本身包含查詢所需全部數(shù)據(jù)時浸须，不再訪問數(shù)據(jù)文件本身）惨寿。

InnoDB的主鍵選擇與插入優(yōu)化

在使用InnoDB存儲引擎時，如果沒有特別的需要删窒，請永遠(yuǎn)使用一個與業(yè)務(wù)無關(guān)的自增字段作為主鍵裂垦。

經(jīng)常看到有帖子或博客討論主鍵選擇問題肌索，有人建議使用業(yè)務(wù)無關(guān)的自增主鍵蕉拢，有人覺得沒有必要，完全可以使用如學(xué)號或身份證號這種唯一字段作為主鍵驶社。不論支持哪種論點企量，大多數(shù)論據(jù)都是業(yè)務(wù)層面的。如果從數(shù)據(jù)庫索引優(yōu)化角度看亡电，使用InnoDB引擎而不使用自增主鍵絕對是一個糟糕的主意届巩。

上文討論過InnoDB的索引實現(xiàn)，InnoDB使用聚集索引份乒，數(shù)據(jù)記錄本身被存于主索引（一顆B+Tree）的葉子節(jié)點上恕汇。這就要求同一個葉子節(jié)點內(nèi)（大小為一個內(nèi)存頁或磁盤頁）的各條數(shù)據(jù)記錄按主鍵順序存放，因此每當(dāng)有一條新的記錄插入時或辖，MySQL會根據(jù)其主鍵將其插入適當(dāng)?shù)墓?jié)點和位置瘾英，如果頁面達到裝載因子（InnoDB默認(rèn)為15/16），則開辟一個新的頁（節(jié)點）颂暇。

如果表使用自增主鍵缺谴，那么每次插入新的記錄，記錄就會順序添加到當(dāng)前索引節(jié)點的后續(xù)位置耳鸯，當(dāng)一頁寫滿湿蛔，就會自動開辟一個新的頁。如下圖所示：

圖13

這樣就會形成一個緊湊的索引結(jié)構(gòu)县爬，近似順序填滿阳啥。由于每次插入時也不需要移動已有數(shù)據(jù)，因此效率很高财喳，也不會增加很多開銷在維護索引上察迟。

如果使用非自增主鍵（如果身份證號或?qū)W號等），由于每次插入主鍵的值近似于隨機耳高，因此每次新紀(jì)錄都要被插到現(xiàn)有索引頁得中間某個位置：

圖14

此時MySQL不得不為了將新記錄插到合適位置而移動數(shù)據(jù)扎瓶，甚至目標(biāo)頁面可能已經(jīng)被回寫到磁盤上而從緩存中清掉，此時又要從磁盤上讀回來泌枪，這增加了很多開銷栗弟，同時頻繁的移動、分頁操作造成了大量的碎片工闺，得到了不夠緊湊的索引結(jié)構(gòu)乍赫，后續(xù)不得不通過OPTIMIZE TABLE來重建表并優(yōu)化填充頁面。

因此陆蟆，只要可以雷厂，請盡量在InnoDB上采用自增字段做主鍵。

后記

這篇文章斷斷續(xù)續(xù)寫了半個月叠殷，主要內(nèi)容就是上面這些了改鲫。不可否認(rèn)，這篇文章在一定程度上有紙上談兵之嫌林束，因為我本人對MySQL的使用屬于菜鳥級別像棘，更沒有太多數(shù)據(jù)庫調(diào)優(yōu)的經(jīng)驗，在這里大談數(shù)據(jù)庫索引調(diào)優(yōu)有點大言不慚壶冒。就當(dāng)是我個人的一篇學(xué)習(xí)筆記了缕题。

其實數(shù)據(jù)庫索引調(diào)優(yōu)是一項技術(shù)活，不能僅僅靠理論胖腾，因為實際情況千變?nèi)f化烟零，而且MySQL本身存在很復(fù)雜的機制，如查詢優(yōu)化策略和各種引擎的實現(xiàn)差異等都會使情況變得更加復(fù)雜咸作。但同時這些理論是索引調(diào)優(yōu)的基礎(chǔ)锨阿，只有在明白理論的基礎(chǔ)上，才能對調(diào)優(yōu)策略進行合理推斷并了解其背后的機制记罚，然后結(jié)合實踐中不斷的實驗和摸索墅诡，從而真正達到高效使用MySQL索引的目的。

另外桐智，MySQL索引及其優(yōu)化涵蓋范圍非常廣末早，本文只是涉及到其中一部分。如與排序（ORDER BY）相關(guān)的索引優(yōu)化及覆蓋索引（Covering index）的話題本文并未涉及酵使，同時除B-Tree索引外MySQL還根據(jù)不同引擎支持的哈希索引荐吉、全文索引等等本文也并未涉及。如果有機會口渔，希望再對本文未涉及的部分進行補充吧样屠。

參考文獻

[1] Baron Scbwartz等著，王小東等譯缺脉；高性能MySQL（High Performance MySQL）痪欲；電子工業(yè)出版社，2010
[2] Michael Kofler 著攻礼，楊曉云等譯业踢；MySQL5權(quán)威指南（The Definitive Guide to MySQL5）；人民郵電出版社礁扮，2006
[3] 姜承堯著知举；MySQL技術(shù)內(nèi)幕-InnoDB存儲引擎瞬沦；機械工業(yè)出版社，2011
[4] D Comer, Ubiquitous B-tree; ACM Computing Surveys (CSUR), 1979
[5] Codd, E. F. (1970). "A relational model of data for large shared data banks". Communications of the ACM, , Vol. 13, No. 6, pp. 377-387
[6]** MySQL5.1參考手冊**

最后編輯于：2017.12.03 03:14:34

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者

人面猴
序言：七十年代末雇锡，一起剝皮案震驚了整個濱河市逛钻，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌锰提，老刑警劉巖曙痘，帶你破解...
沈念sama閱讀 206,839評論 6贊 482
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場離奇詭異立肘，居然都是意外死亡边坤，警方通過查閱死者的電腦和手機，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 88,543評論 2贊 382
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進店門谅年，熙熙樓的掌柜王于貴愁眉苦臉地迎上來茧痒，“玉大人，你說我怎么就攤上這事踢故∥睦瑁” “怎么了？”我有些...
開封第一講書人閱讀 153,116評論 0贊 344
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵殿较，是天一觀的道長耸峭。經(jīng)常有香客問我，道長淋纲，這世上最難降的妖魔是什么劳闹？我笑而不...
開封第一講書人閱讀 55,371評論 1贊 279
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮洽瞬，結(jié)果婚禮上本涕，老公的妹妹穿的比我還像新娘。我一直安慰自己伙窃，他們只是感情好菩颖，可當(dāng)我...
茶點故事閱讀 64,384評論 5贊 374
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布。她就那樣靜靜地躺著为障，像睡著了一般晦闰。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上鳍怨，一...
開封第一講書人閱讀 49,111評論 1贊 285
城市分裂傳說
那天呻右，我揣著相機與錄音，去河邊找鬼鞋喇。笑死声滥，一個胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的侦香。我是一名探鬼主播落塑，決...
沈念sama閱讀 38,416評論 3贊 400
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼纽疟，長吁一口氣：“原來是場噩夢啊……” “哼！你這毒婦竟也來了芜赌？” 一聲冷哼從身側(cè)響起仰挣，我...
開封第一講書人閱讀 37,053評論 0贊 259
萬榮殺人案實錄
序言：老撾萬榮一對情侶失蹤，失蹤者是張志新（化名）和其女友劉穎缠沈，沒想到半個月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體错蝴，經(jīng)...
沈念sama閱讀 43,558評論 1贊 300
?護林員之死
正文獨居荒郊野嶺守林人離奇死亡洲愤，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點故事閱讀 36,007評論 2贊 325
?白月光啟示錄
正文我和宋清朗相戀三年，在試婚紗的時候發(fā)現(xiàn)自己被綠了顷锰。大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片柬赐。...
茶點故事閱讀 38,117評論 1贊 334
活死人
序言：一個原本活蹦亂跳的男人離奇死亡，死狀恐怖官紫，靈堂內(nèi)的尸體忽然破棺而出，到底是詐尸還是另有隱情束世，我是刑警寧澤酝陈，帶...
沈念sama閱讀 33,756評論 4贊 324
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布，位于F島的核電站毁涉，受9級特大地震影響沉帮，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜贫堰，卻給世界環(huán)境...
茶點故事閱讀 39,324評論 3贊 307
男人毒藥：我在死后第九天來索命
文/蒙蒙一穆壕、第九天我趴在偏房一處隱蔽的房頂上張望。院中可真熱鬧其屏，春花似錦喇勋、人聲如沸。這莊子的主人今日做“春日...
開封第一講書人閱讀 30,315評論 0贊 19
一樁弒父案川背，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽。三九已至睦优，卻和暖如春渗常，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背汗盘。一陣腳步聲響...
開封第一講書人閱讀 31,539評論 1贊 262
情欲美人皮
我被黑心中介騙來泰國打工皱碘，沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留，地道東北人隐孽。一個月前我還...
沈念sama閱讀 45,578評論 2贊 355
代替公主和親
正文我出身青樓癌椿，卻偏偏與公主長得像健蕊，于是被迫代替她去往敵國和親。傳聞我的和親對象是個殘疾皇子踢俄，可洞房花燭夜當(dāng)晚...
茶點故事閱讀 42,877評論 2贊 345