CREATE TABLE `employees` (
 `id` int(11) NOT NULL AUTO_INCREMENT,
 `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
 `age` int(11) NOT NULL DEFAULT '0' COMMENT '年齡',
 `position` varchar(20) NOT NULL DEFAULT '' COMMENT '職位',
 `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入職時(shí)間',
 PRIMARY KEY (`id`),
 KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
 ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='員工記錄表';

 INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
 INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
 INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());

 ‐‐ 插入一些示例數(shù)據(jù)
 drop procedure if exists insert_emp;
 delimiter ;;
 create procedure insert_emp()
 begin
 declare i int;
 set i=1;
 while(i<=100000)do
 insert into employees(name,age,position) values(CONCAT('zhuge',i),i,'dev');
 set i=i+1;
 end while;
 end;;
 delimiter ;
 call insert_emp();

如上有 employees 表，有主鍵索引和 (name, age, position ) 聯(lián)合索引, 看下面的查詢示例:

聯(lián)合索引的首字段用范圍查詢

EXPLAIN SELECT * FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';

結(jié)論：聯(lián)合索引第一個(gè)字段就用范圍查找不會(huì)走索引，mysql內(nèi)部可能覺得第一個(gè)字段就用范圍，結(jié)果集應(yīng)該很大，回表效率不高，還不如就全表掃描

強(qiáng)制走索引

EXPLAIN SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei' AND age = 22 AND position ='manager';

結(jié)論：雖然使用了強(qiáng)制走索引讓聯(lián)合索引第一個(gè)字段范圍查找也走索引，掃描的行rows看上去也少了點(diǎn)，但是最終查找效率不一定比全表掃描高，因?yàn)榛乇硇什桓撸?一般不會(huì)使用這個(gè)手段，除非有證據(jù)能證明強(qiáng)制走索引后效率大幅度提高

覆蓋索引優(yōu)化

EXPLAIN SELECT name,age,position FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';

將 select * 修改為 select name, age, posiion ，只選擇索引中已經(jīng)存在的列，可以不用回表，所以會(huì)利用索引

in和or什么時(shí)候會(huì)走索引

在表數(shù)據(jù)量比較大的情況會(huì)走索引，數(shù)據(jù)量不多的情況下會(huì)選擇全表掃描,示例如下:

in 查詢

EXPLAIN SELECT * FROM employees WHERE name in ('LiLei','HanMeimei','Lucy') AND age = 22 AND position ='manager';

用到全部索引 or 查詢

EXPLAIN SELECT * FROM employees WHERE (name = 'LiLei' or name = 'HanMeimei') AND age = 22 AND position ='manager';

用到全部索引

下面新建一張 employees_copy 表，結(jié)構(gòu)和 employee 一樣，但數(shù)據(jù)只有三條, 再執(zhí)行上面兩個(gè)查詢

in 查詢

EXPLAIN SELECT * FROM employees_copy WHERE name in ('LiLei','HanMeimei','Lucy') AND age = 22 AND position ='manager';

全表掃描

or查詢

EXPLAIN SELECT * FROM employees_copy WHERE (name = 'LiLei' or name = 'HanMeimei') AND age = 22 AND position ='manager';

全表掃描

like xx% 一般都會(huì)走索引，和數(shù)據(jù)量無關(guān)

大表

EXPLAIN SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager';

小表

EXPLAIN SELECT * FROM employees_copy WHERE name like 'LiLei%' AND age = 22 AND position ='manager';

可以看到，無論表的數(shù)據(jù)量大小，都會(huì)利用索引，為什么呢？

其實(shí) like 用到了索引下推的優(yōu)化

索引下推

對(duì)于輔助聯(lián)合索引，正常情況下按照最左前綴原則， SELECT * from employees where name like 'LiLei%' and age = 22 and position = 'dev' 這種情況下只會(huì)走name字段的索引，因?yàn)楦鶕?jù)name字段過濾完，得到的索引行里的age和position是無序的，無法很好的利用索引。

在MySQL5.6之前的版本，這個(gè)查詢只能在聯(lián)合索引里匹配到名字是 'LiLei' 開頭的索引，然后拿這些索引對(duì)應(yīng)的主鍵逐個(gè)回表，到主鍵索引上找出相應(yīng)的記錄，再比對(duì)age和position這兩個(gè)字段的值是否符合。

MySQL 5.6引入了索引下推優(yōu)化，可以在索引遍歷過程中，對(duì)索引中包含的所有字段先做判斷，過濾掉不符合條件的記錄之后再回表，可以有效的減少回表次數(shù)。使用了索引下推優(yōu)化后，上面那個(gè)查詢?cè)诼?lián)合索引里匹配到名字是 'LiLei' 開頭的索引之后，同時(shí)還會(huì)在索引里過濾age和position這兩個(gè)字段，拿著過濾完剩下的索引對(duì)應(yīng)的主鍵id再回表查整行數(shù)據(jù)。

索引下推會(huì)減少回表次數(shù)，對(duì)于innodb引擎的表索引下推只能用于二級(jí)索引，innodb的主鍵索引（聚簇索引）樹葉子節(jié)點(diǎn)上保存的是全行數(shù)據(jù)，所以這個(gè)時(shí)候索引下推并不會(huì)起到減少查詢?nèi)袛?shù)據(jù)的效果。

為什么范圍查找沒有用索引下推優(yōu)化？

估計(jì)應(yīng)該是Mysql認(rèn)為范圍查找過濾的結(jié)果集過大，like KK% 在絕大多數(shù)情況來看，過濾后的結(jié)果集比較小，所以這里Mysql選擇給 like KK% 用了索引下推優(yōu)化，當(dāng)然這也不是絕對(duì)的，有時(shí)like KK% 也不一定就會(huì)走索引下推。

如何選擇索引

先看下面的兩個(gè)查詢:

同樣的表，同樣的字段，因?yàn)闂l件的不同，選擇的索引也不同，MySQL 是如何選擇的呢？

Trace 工具

MySQl 提供了一個(gè)工具，可以看到選擇索引的計(jì)算過程，用法如下:

mysql> set session optimizer_trace="enabled=on",end_markers_in_json=on;  --開啟trace

mysql> select * from employees where name > 'a' order by position;

mysql> SELECT * FROM information_schema.OPTIMIZER_TRACE;

下面是對(duì) trace 字段的解析

{
  "steps": [
    {
      "join_preparation": {    //第一階段：SQL準(zhǔn)備階段，格式化sql
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'a') order by `employees`.`position`"
          }
        ] /* steps */
      } /* join_preparation */
    },
    {
      "join_optimization": {    //第二階段：SQL優(yōu)化階段
        "select#": 1,
        "steps": [
          {
            "condition_processing": {    //條件處理
              "condition": "WHERE",
              "original_condition": "(`employees`.`name` > 'a')",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`employees`.`name` > 'a')"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`employees`.`name` > 'a')"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`employees`.`name` > 'a')"
                }
              ] /* steps */
            } /* condition_processing */
          },
          {
            "substitute_generated_columns": {
            } /* substitute_generated_columns */
          },
          {
            "table_dependencies": [    //表依賴詳情
              {
                "table": "`employees`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ] /* depends_on_map_bits */
              }
            ] /* table_dependencies */
          },
          {
            "ref_optimizer_key_uses": [
            ] /* ref_optimizer_key_uses */
          },
          {
            "rows_estimation": [    //預(yù)估表的訪問成本
              {
                "table": "`employees`",
                "range_analysis": {
                  "table_scan": {     //全表掃描情況
                    "rows": 10123,    //掃描行數(shù)
                    "cost": 2054.7    //查詢成本
                  } /* table_scan */,
                  "potential_range_indexes": [    //查詢可能使用的索引
                    {
                      "index": "PRIMARY",    //主鍵索引
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "idx_name_age_position",    //輔助索引
                      "usable": true,
                      "key_parts": [
                        "name",
                        "age",
                        "position",
                        "id"
                      ] /* key_parts */
                    }
                  ] /* potential_range_indexes */,
                  "setup_range_conditions": [
                  ] /* setup_range_conditions */,
                  "group_index_range": {
                    "chosen": false,
                    "cause": "not_group_by_or_distinct"
                  } /* group_index_range */,
                  "analyzing_range_alternatives": {    //分析各個(gè)索引使用成本
                    "range_scan_alternatives": [
                      {
                        "index": "idx_name_age_position",
                        "ranges": [
                          "a < name"      //索引使用范圍
                        ] /* ranges */,
                        "index_dives_for_eq_ranges": true,
                        "rowid_ordered": false,    //使用該索引獲取的記錄是否按照主鍵排序
                        "using_mrr": false,
                        "index_only": false,       //是否使用覆蓋索引
                        "rows": 5061,              //索引掃描行數(shù)
                        "cost": 6074.2,            //索引使用成本
                        "chosen": false,           //是否選擇該索引
                        "cause": "cost"
                      }
                    ] /* range_scan_alternatives */,
                    "analyzing_roworder_intersect": {
                      "usable": false,
                      "cause": "too_few_roworder_scans"
                    } /* analyzing_roworder_intersect */
                  } /* analyzing_range_alternatives */
                } /* range_analysis */
              }
            ] /* rows_estimation */
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ] /* plan_prefix */,
                "table": "`employees`",
                "best_access_path": {    //最優(yōu)訪問路徑
                  "considered_access_paths": [   //最終選擇的訪問路徑
                    {
                      "rows_to_scan": 10123,
                      "access_type": "scan",     //訪問類型：為scan，全表掃描
                      "resulting_rows": 10123,
                      "cost": 2052.6,
                      "chosen": true,            //確定選擇
                      "use_tmp_table": true
                    }
                  ] /* considered_access_paths */
                } /* best_access_path */,
                "condition_filtering_pct": 100,
                "rows_for_plan": 10123,
                "cost_for_plan": 2052.6,
                "sort_cost": 10123,
                "new_cost_for_plan": 12176,
                "chosen": true
              }
            ] /* considered_execution_plans */
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`employees`.`name` > 'a')",
              "attached_conditions_computation": [
              ] /* attached_conditions_computation */,
              "attached_conditions_summary": [
                {
                  "table": "`employees`",
                  "attached": "(`employees`.`name` > 'a')"
                }
              ] /* attached_conditions_summary */
            } /* attaching_conditions_to_tables */
          },
          {
            "clause_processing": {
              "clause": "ORDER BY",
              "original_clause": "`employees`.`position`",
              "items": [
                {
                  "item": "`employees`.`position`"
                }
              ] /* items */,
              "resulting_clause_is_simple": true,
              "resulting_clause": "`employees`.`position`"
            } /* clause_processing */
          },
          {
            "reconsidering_access_paths_for_index_ordering": {
              "clause": "ORDER BY",
              "steps": [
              ] /* steps */,
              "index_order_summary": {
                "table": "`employees`",
                "index_provides_order": false,
                "order_direction": "undefined",
                "index": "unknown",
                "plan_changed": false
              } /* index_order_summary */
            } /* reconsidering_access_paths_for_index_ordering */
          },
          {
            "refine_plan": [
              {
                "table": "`employees`"
              }
            ] /* refine_plan */
          }
        ] /* steps */
      } /* join_optimization */
    },
    {
      "join_execution": {    //第三階段：SQL執(zhí)行階段
        "select#": 1,
        "steps": [
        ] /* steps */
      } /* join_execution */
    }
  ] /* steps */
}
// 結(jié)論：全表掃描的成本低于索引掃描，所以mysql最終選擇全表掃描

mysql> select * from employees where name > 'zzz' order by position;
mysql> SELECT * FROM information_schema.OPTIMIZER_TRACE;

# 查看trace字段可知索引掃描的成本低于全表掃描，所以mysql最終選擇索引掃描

mysql> set session optimizer_trace="enabled=off";    //關(guān)閉trace

深入優(yōu)化

order by 和 group by

order by 和 group by 也會(huì)遵循左前綴法則, 如下例子：

根據(jù)左前綴法則，用到了 name 字段的索引，同時(shí)使用 age 字段用來排序，因?yàn)?extra 種沒有 filesort

order by 或者 group by 用到的索引不會(huì)參與到 key_len 的計(jì)算，索引 key_len 仍然只是 74，即 name字段的長度

再看下面一個(gè)例子:

where 條件是name 排序字段是 position 跳過了age字段，所以只能用 name 索引，無法利用 position 索引進(jìn)行索引排序，用到是文件排序

再看第三個(gè)例子:

使用name條件查詢，同時(shí)使用 age position 雙字段排序，沒有跳過聯(lián)合索引的字段. 所以可以用索引排序

然后顛倒一下排序順序，先position 再 age：

發(fā)現(xiàn)此時(shí)只能文件排序了

再看下面的例子

雖然排序字段與索引字段不一樣，但仍然是索引排序，因?yàn)椴樵儣l件中用到是（name， age）索引，排序中用到是 position 索引，并沒有顛倒順序。所以還是索引排序

如果一個(gè)正序一個(gè)倒序呢？

雖然排序字段與索引字段順序相同，但是 age 是正序， position 是倒敘，導(dǎo)致與索引的排序方式不同，無法利用索引。從而發(fā)生了文件排序， Mysql8以上版本有降序索引可以支持該種查詢方式。

先 in 查詢:

對(duì)于排序來說，多個(gè)相等條件也是范圍查詢, 無法利用索引排序

先范圍查詢:

這里發(fā)生了全表掃描，沒有任何索引，排序自然也無法利用索引了，可以使用覆蓋索引優(yōu)化:

優(yōu)化總結(jié)

MySQL支持兩種方式的排序filesort和index，Using index是指MySQL掃描索引本身完成排序。index效率高，filesort效率低。

2、order by滿足兩種情況會(huì)使用Using index。

order by語句使用索引最左前列。
使用where子句與order by子句條件列組合滿足索引最左前列。
盡量在索引列上完成排序，遵循索引建立（索引創(chuàng)建的順序）時(shí)的最左前綴法則。
如果order by的條件不在索引列上，就會(huì)產(chǎn)生Using filesort。
能用覆蓋索引盡量用覆蓋索引
group by與order by很類似，其實(shí)質(zhì)是先排序后分組，遵照索引創(chuàng)建順序的最左前綴法則。對(duì)于group by的優(yōu)化如果不需要排序的可以加上order by null禁止排序。注意，where高于having，能寫在where中的限定條件就不要去having限定了。

Using filesort文件排序原理詳解

單路排序模式；

是一次性取出滿足條件行的所有字段，然后在sort buffer中進(jìn)行排序；用trace工具可以看到sort_mode信息里顯示< sort_key, additional_fields >或者< sort_key, packed_additional_fields >

雙路排序（又叫回表排序模式）

是首先根據(jù)相應(yīng)的條件取出相應(yīng)的排序字段和可以直接定位行數(shù)據(jù)的行 ID，然后在 sort buffer 中進(jìn)行排序，排序完后需要再次取回其它需要的字段；用trace工具可以看到sort_mode信息里顯示< sort_key, rowid >

MySQL 通過比較系統(tǒng)變量 max_length_for_sort_data(默認(rèn)1024字節(jié)) 的大小和需要查詢的字段總大小來判斷使用哪種排序模式。

如果字段的總長度小于max_length_for_sort_data ，那么使用單路排序模式；
如果字段的總長度大于max_length_for_sort_data ，那么使用雙路排序模·式。

分頁優(yōu)化

常規(guī)的limit分頁

有如下查詢語句

select * from employees limit 10000,10;

該sql并不是只查詢了10條，而是查找了10010條，然后把前10000條結(jié)果給舍棄掉, 因此要查詢一個(gè)大表靠后的內(nèi)容，執(zhí)行效率是非常低的

優(yōu)化

根據(jù)主鍵排序

上面的下面的sql語句沒有指定排序方式，默認(rèn)使用ID排序。當(dāng)使用ID排序時(shí)，我們可以使用下面的優(yōu)化。

select * from employees where id > 90000 limit 5;

如果id是連續(xù)自增的，和limit 90000,5 結(jié)果沒有差別，是 90001 ~ 90005 的數(shù)據(jù)。

但是如果在90000之前刪除了一條數(shù)據(jù)，結(jié)果就不一樣了，id > 90000 limit 5 的結(jié)果是 90001 ~ 90005，但是limit 90000, 5 的結(jié)果是 90002 ~ 90006，很明顯 90002 ~ 90006 才是符合我們直覺的。所以這個(gè)優(yōu)化只能限制與排序條件是連續(xù)的。如果id不是自增的呢？會(huì)出現(xiàn)什么情況，假如 90000 這條數(shù)據(jù)有兩個(gè)，limit 90000, 5 的結(jié)果是 90000 ~ 90004，而 id > 90000 limit 5 的結(jié)果仍是 90001 ~ 90005，會(huì)把 id= 90000 的數(shù)據(jù)漏掉一條。

所以這個(gè)優(yōu)化只能用于排序的字段是連續(xù)自增的，并且不能重復(fù)

非主鍵排序的優(yōu)化

有如下查詢語句

EXPLAIN select * from employees ORDER BY name limit 90000,5;

發(fā)現(xiàn)并沒有用上name的索引，因?yàn)?nbsp;select * ,掃描聯(lián)合索引時(shí)，無法的到全部數(shù)據(jù)，需要回表，成本比全表掃描更高，所以優(yōu)化器放棄使用索引。

可以使用索引覆蓋的方法，使用分頁查詢僅僅找到少量的主鍵，然后在使用主鍵查找整行數(shù)據(jù)，如下:

select * from employees e inner join (select id from employees order by name limit 90000,5) ed on e.id = ed.id;

看下執(zhí)行計(jì)劃：

原 SQL 使用文件排序，優(yōu)化后的使用索引排序

表關(guān)聯(lián)優(yōu)化

先造一些數(shù)據(jù):

CREATE TABLE `t1` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

create table t2 like t1;

-- 插入一些示例數(shù)據(jù)
-- 往t1表插入1萬行記錄
drop?procedure?if?exists?insert_t1;?
delimiter?;;
create?procedure?insert_t1()
begin
??declare?i?int;
??set?i=1;
??while(i<=10000)do
????insert?into?t1(a,b)?values(i,i);??
????set?i=i+1;
??end?while;
end;;
delimiter?;
call?insert_t1();

-- 往t2表插入100行記錄
drop?procedure?if?exists?insert_t2;?
delimiter?;;
create?procedure?insert_t2()
begin
??declare?i?int;
??set?i=1;
??while(i<=100)do
????insert?into?t2(a,b)?values(i,i);??
????set?i=i+1;
??end?while;
end;;
delimiter?;
call?insert_t2();

新建 t1 t2 表，結(jié)構(gòu)一樣，都在a字段上有索引，b字段沒有索引，t1表有 10000 行記錄，t2表只有100條記錄。

常見的表關(guān)聯(lián)算法

內(nèi)嵌循環(huán)連接算法 Nested-Loop Join
基于塊的嵌套循環(huán)連接算法 Block Nested-Loop Join

內(nèi)嵌循環(huán)連接算法

一次一行循環(huán)地從第一張表（稱為驅(qū)動(dòng)表）中讀取行，在這行數(shù)據(jù)中取到關(guān)聯(lián)字段，根據(jù)關(guān)聯(lián)字段在另一張表（被驅(qū)動(dòng)表）里取出滿足條件的行，然后取出兩張表的結(jié)果合集。

一般關(guān)聯(lián)字段有索引的時(shí)候使用這種算法, 示例:

EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;

從執(zhí)行計(jì)劃中可以看到這些信息：

驅(qū)動(dòng)表是 t2，被驅(qū)動(dòng)表是 t1。先執(zhí)行的就是驅(qū)動(dòng)表；優(yōu)化器一般會(huì)優(yōu)先選擇小表做驅(qū)動(dòng)表，用where條件過濾完驅(qū)動(dòng)表，然后再跟被驅(qū)動(dòng)表做關(guān)聯(lián)查詢。所以使用 inner join 時(shí)，排在前面的表并不一定就是驅(qū)動(dòng)表
當(dāng)使用left join時(shí)，左表是驅(qū)動(dòng)表，右表是被驅(qū)動(dòng)表，當(dāng)使用right join時(shí)，右表時(shí)驅(qū)動(dòng)表，左表是被驅(qū)動(dòng)表
使用了 NLJ算法。一般 join 語句中，如果執(zhí)行計(jì)劃 Extra 中未出現(xiàn) Using join buffer 則表示使用的 join 算法是 NLJ。

上面sql的大致流程如下：

從表 t2 中讀取一行數(shù)據(jù)（如果t2表有查詢過濾條件的，用先用條件過濾完，再從過濾結(jié)果里取出一行數(shù)據(jù)）；
從第 1 步的數(shù)據(jù)中，取出關(guān)聯(lián)字段 a，到表 t1 中查找；
取出表 t1 中滿足條件的行，跟 t2 中獲取到的結(jié)果合并，作為結(jié)果返回給客戶端；
重復(fù)上面 3 步。

整個(gè)過程會(huì)讀取 t2 表的所有數(shù)據(jù)(掃描100行)，然后遍歷這每行數(shù)據(jù)中字段 a 的值，根據(jù) t2 表中 a 的值索引掃描 t1 表中的對(duì)應(yīng)行(掃描100次 t1 表的索引，1次掃描可以認(rèn)為最終只掃描 t1 表一行完整數(shù)據(jù)，也就是總共 t1 表也掃描了100行)。因此整個(gè)過程掃描了 200 行

基于塊的嵌套循環(huán)算法

當(dāng)關(guān)聯(lián)字段沒有沒有索引的時(shí)候會(huì)使用這種算法

把驅(qū)動(dòng)表的數(shù)據(jù)讀入到 join_buffer 中，然后掃描被驅(qū)動(dòng)表，把被驅(qū)動(dòng)表每一行取出來跟 join_buffer 中的數(shù)據(jù)做對(duì)比。

如下:

EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;

Extra 中的Using join buffer (Block Nested Loop)說明該關(guān)聯(lián)查詢使用的是 BNL 算法。

上面sql的大致流程如下：

把 t2 的所有數(shù)據(jù)放入到 join_buffer 中
把表 t1 中每一行取出來，跟 join_buffer 中的數(shù)據(jù)做對(duì)比
返回滿足 join 條件的數(shù)據(jù)

整個(gè)過程對(duì)表 t1 和 t2 都做了一次全表掃描，因此掃描的總行數(shù)為10000(表 t1 的數(shù)據(jù)總量) + 100(表 t2 的數(shù)據(jù)總量) = 10100。并且 join_buffer 里的數(shù)據(jù)是無序的，因此對(duì)表 t1 中的每一行，都要做 100 次判斷，所以內(nèi)存中的判斷次數(shù)是 100 * 10000= 100 萬次。

這個(gè)例子里表 t2 才 100 行，要是表 t2 是一個(gè)大表，join_buffer 放不下怎么辦呢？·

join_buffer 的大小是由參數(shù) join_buffer_size 設(shè)定的，默認(rèn)值是 256k。如果放不下表 t2 的所有數(shù)據(jù)話，策略很簡單，就是分段放。

比如 t2 表有1000行記錄， join_buffer 一次只能放800行數(shù)據(jù)，那么執(zhí)行過程就是先往 join_buffer 里放800行記錄，然后從 t1 表里取數(shù)據(jù)跟 join_buffer 中數(shù)據(jù)對(duì)比得到部分結(jié)果，然后清空 join_buffer ，再放入 t2 表剩余200行記錄，再次從 t1 表里取數(shù)據(jù)跟 join_buffer 中數(shù)據(jù)對(duì)比。所以就多掃了一次 t1 表。

為什么要使用 BNLJ 算法呢?

如果上面第二條sql使用 Nested-Loop Join，那么掃描行數(shù)為 100 * 10000 = 100萬次，這個(gè)是磁盤掃描。

很顯然，用BNL磁盤掃描次數(shù)少很多，相比于磁盤掃描，BNL的內(nèi)存計(jì)算會(huì)快得多。

因此MySQL對(duì)于被驅(qū)動(dòng)表的關(guān)聯(lián)字段沒索引的關(guān)聯(lián)查詢，一般都會(huì)使用 BNL 算法。如果有索引一般選擇 NLJ 算法，有索引的情況下 NLJ 算法比 BNL算法性能更高

對(duì)于關(guān)聯(lián)sql的優(yōu)化

關(guān)聯(lián)字段加索引，讓mysql做join操作時(shí)盡量選擇NLJ算法，驅(qū)動(dòng)表因?yàn)樾枰坎樵兂鰜?，所以過濾的條件也盡量要走索引，避免全表掃描，總之，能走索引的過濾條件盡量都走索引
小表驅(qū)動(dòng)大表，寫多表連接sql時(shí)如果明確知道哪張表是小表可以用straight_join寫法固定連接驅(qū)動(dòng)方式，省去mysql優(yōu)化器自己判斷的時(shí)間

straight_join解釋：straight_join功能同join類似，但能讓左邊的表來驅(qū)動(dòng)右邊的表，能改表優(yōu)化器對(duì)于聯(lián)表查詢的執(zhí)行順序。

比如：select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql選著 t2 表作為驅(qū)動(dòng)表。

straight_join只適用于inner join，并不適用于left join，right join。（因?yàn)閘eft join，right join已經(jīng)代表指定了表的執(zhí)行順序）
盡可能讓優(yōu)化器去判斷，因?yàn)榇蟛糠智闆r下mysql優(yōu)化器是比人要聰明的。使用straight_join一定要慎重，因?yàn)椴糠智闆r下人為指定的執(zhí)行順序并不一定會(huì)比優(yōu)化引擎要靠譜。

小表的定義

在決定哪個(gè)表做驅(qū)動(dòng)表的時(shí)候，應(yīng)該是兩個(gè)表按照各自的條件過濾，過濾完成之后，計(jì)算參與 join 的各個(gè)字段的總數(shù)據(jù)量，數(shù)據(jù)量小的那個(gè)表，就是“小表”，應(yīng)該作為驅(qū)動(dòng)表。不單單是表的總數(shù)據(jù)量

in和exsits優(yōu)化

原則：小表驅(qū)動(dòng)大表，即小的數(shù)據(jù)集驅(qū)動(dòng)大的數(shù)據(jù)集

in：當(dāng)B表的數(shù)據(jù)集小于A表的數(shù)據(jù)集時(shí)，in優(yōu)于exists

select * from A where id in (select id from B)
#等價(jià)于： 　　
for(select id from B){
    select * from A where A.id = B.id
}

exists：當(dāng)A表的數(shù)據(jù)集小于B表的數(shù)據(jù)集時(shí)，exists優(yōu)于in

將主查詢A的數(shù)據(jù)，放到子查詢B中做條件驗(yàn)證，根據(jù)驗(yàn)證結(jié)果（true或false）來決定主查詢的數(shù)據(jù)是否保留

select * from A where exists (select 1 from B where B.id = A.id)
#等價(jià)于: 
for(select * from A){
  select * from B where B.id = A.id 
} 
#A表與B表的ID字段應(yīng)建立索引

關(guān)于Exists

EXISTS (subquery)只返回TRUE或FALSE,因此子查詢中的SELECT * 也可以用SELECT 1替換,官方說法是實(shí)際執(zhí)行時(shí)會(huì)忽略SELECT清單,因此沒有區(qū)別
EXISTS子查詢的實(shí)際執(zhí)行過程可能經(jīng)過了優(yōu)化而不是我們理解上的逐條對(duì)比
EXISTS子查詢往往也可以用JOIN來代替，何種最優(yōu)需要具體問題具體分析

count 查詢優(yōu)化

有下面四條查詢語句：

EXPLAIN select count(1) from employees;
EXPLAIN select count(id) from employees;
EXPLAIN select count(name) from employees;
EXPLAIN select count(*) from employees;

只有 count(字段名) 不會(huì)把該字段為null 計(jì)入總數(shù)

其實(shí)上面四條的查詢計(jì)劃都一樣，效率上沒有太大的差別

當(dāng)字段有索引

count(*)≈count(1)>count(字段)>count(主鍵 id)

字段有索引，count(字段)統(tǒng)計(jì)走二級(jí)索引，二級(jí)索引存儲(chǔ)數(shù)據(jù)比主鍵索引少，所以count(字段)>count(主鍵 id)

當(dāng)字段沒有索引

count(*)≈count(1)>count(主鍵 id)>count(字段)

字段沒有索引count(字段)統(tǒng)計(jì)走不了索引，count(主鍵 id)還可以走主鍵索引，所以count(主鍵 id)>count(字段)

count(1)

count(1)跟count(字段)執(zhí)行過程類似，不過count(1)不需要取出字段統(tǒng)計(jì)，就用常量1做統(tǒng)計(jì)，count(字段)還需要取出字段，所以理論上count(1)比count(字段)會(huì)快一點(diǎn)。

count(*)

count(*) 是例外，mysql并不會(huì)把全部字段取出來，而是專門做了優(yōu)化，不取值，按行累加，效率很高，所以不需要用count(列名)或count(常量)來替代 count(*)。

為什么對(duì)于count(id)，mysql最終選擇輔助索引而不是主鍵聚集索引？因?yàn)槎?jí)索引相對(duì)主鍵索引存儲(chǔ)數(shù)據(jù)更少，檢索性能應(yīng)該更高，mysql內(nèi)部做了點(diǎn)優(yōu)化(應(yīng)該是在5.7版本才優(yōu)化)。

常見優(yōu)化方法

自己維護(hù)的總行數(shù)

show table status 如果只需要知道表總行數(shù)的估計(jì)值可以用如下sql查詢，性能很高 show table status like 'employee'

將總數(shù)維護(hù)到Redis里插入或刪除表數(shù)據(jù)行的時(shí)候同時(shí)維護(hù)redis里的表總行數(shù)key的計(jì)數(shù)值(用incr或decr命令)，但是這種方式可能不準(zhǔn)，很難保證表操作和redis操作的事務(wù)一致性

索引設(shè)計(jì)原則

索引設(shè)計(jì)原則：

1、代碼先行，索引后上

等到主體業(yè)務(wù)功能開發(fā)完畢，把涉及到該表相關(guān)sql都要拿出來分析之后再建立索引。

2、聯(lián)合索引盡量覆蓋條件

比如可以設(shè)計(jì)一個(gè)或者兩三個(gè)聯(lián)合索引(盡量少建單值索引)，讓每一個(gè)聯(lián)合索引都盡量去包含sql語句里的where、order by、group by的字段，還要確保這些聯(lián)合索引的字段順序盡量滿足sql查詢的最左前綴原則。

3、不要在小基數(shù)字段上建立索引

索引基數(shù)是指這個(gè)字段在表里總共有多少個(gè)不同的值，比如一張表總共100萬行記錄，其中有個(gè)性別字段，其值不是男就是女，那么該字段的基數(shù)就是2。

如果對(duì)這種小基數(shù)字段建立索引的話，還不如全表掃描了，因?yàn)槟愕乃饕龢淅锞桶泻团畠煞N值，根本沒法進(jìn)行快速的二分查找，那用索引就沒有太大的意義了。

一般建立索引，盡量使用那些基數(shù)比較大的字段，就是值比較多的字段，那么才能發(fā)揮出B+樹快速二分查找的優(yōu)勢(shì)來。

4、長字符串我們可以采用前綴索引

盡量對(duì)字段類型較小的列設(shè)計(jì)索引，比如說什么tinyint之類的，因?yàn)樽侄晤愋洼^小的話，占用磁盤空間也會(huì)比較小，此時(shí)你在搜索的時(shí)候性能也會(huì)比較好一點(diǎn)。

當(dāng)然，這個(gè)所謂的字段類型小一點(diǎn)的列，也不是絕對(duì)的，很多時(shí)候你就是要針對(duì)varchar(255)這種字段建立索引，哪怕多占用一些磁盤空間也是有必要的。

對(duì)于這種varchar(255)的大字段可能會(huì)比較占用磁盤空間，可以稍微優(yōu)化下，比如針對(duì)這個(gè)字段的前20個(gè)字符建立索引，就是說，對(duì)這個(gè)字段里的每個(gè)值的前20個(gè)字符放在索引樹里，類似于 KEY index(name(20),age,position)

此時(shí)你在where條件里搜索的時(shí)候，如果是根據(jù)name字段來搜索，那么此時(shí)就會(huì)先到索引樹里根據(jù)name字段的前20個(gè)字符去搜索，定位到之后前20個(gè)字符的前綴匹配的部分?jǐn)?shù)據(jù)之后，再回到聚簇索引提取出來完整的name字段值進(jìn)行比對(duì)。

但是假如你要是order by name，那么此時(shí)你的name因?yàn)樵谒饕龢淅飪H僅包含了前20個(gè)字符，所以這個(gè)排序是沒法用上索引的， group by也是同理

5、where與order by沖突時(shí)優(yōu)先where

在where和order by出現(xiàn)索引設(shè)計(jì)沖突時(shí)，到底是針對(duì)where去設(shè)計(jì)索引，還是針對(duì)order by設(shè)計(jì)索引？到底是讓where去用上索引，還是讓order by用上索引?

一般這種時(shí)候往往都是讓where條件去使用索引來快速篩選出來一部分指定的數(shù)據(jù)，接著再進(jìn)行排序。

因?yàn)榇蠖鄶?shù)情況基于索引進(jìn)行where篩選往往可以最快速度篩選出你要的少部分?jǐn)?shù)據(jù)，然后做排序的成本可能會(huì)小很多。

舉個(gè)例子

有 employees表，name, age, sex, position 列，有聯(lián)合索引（name, age, sex, position）,

sex : 性別，取值0 或1

有如下查詢: select id from employees where name = 'zhangsan' and age = 18 and position = 'dev' 因?yàn)樘^了 sex 字段，position 無法利用索引

因?yàn)?sex 只有兩個(gè)取值，我們?cè)诓樵冋Z句上把 sex 的值全部枚舉出來，如下:

select id from employees where name = 'zhangsan' and age = 18 and sex in (0, 1) and position = 'dev'

這樣一來就可以利用全部索引了。

再舉個(gè)例子

加入我們要查詢最近一周登錄的用戶，首先想到的是 last_login_time > {一周之前的時(shí)間}

這是一個(gè)范圍查詢，在后面的所有字段便無法利用索引了，我們可以再設(shè)計(jì)一個(gè)字段，recent_login_flag(tinyint) 標(biāo)識(shí)是否最近登錄過。用定時(shí)任務(wù)定期更新該字段的值。這樣就由范圍查詢變成了等值查詢，數(shù)據(jù)可能不是太及時(shí)變化，就看業(yè)務(wù)是否允許了。

總之就是想辦法最大限度的利用索引。

到此這篇關(guān)于MySQL 索引優(yōu)化案例的文章就介紹到這了,更多相關(guān)MySQL 索引內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

MySQL 索引優(yōu)化案例

目錄

數(shù)據(jù)準(zhǔn)備