索引是提高查詢速度的最重要的工具。當(dāng)然還有其它的一些技術(shù)可供使用，但是一般來說引起最大性能差異的都是索引的正確使用。在MySQL郵件列表中，人們經(jīng)常詢問那些讓查詢運(yùn)行得更快的方法。在大多數(shù)情況下，我們應(yīng)該懷疑數(shù)據(jù)表上有沒有索引，并且通常在添加索引之后立即解決了問題。當(dāng)然，并不總是這樣簡單就可以解決問題的，因?yàn)閮?yōu)化技術(shù)本來就并非總是簡單的。然而，如果沒有使用索引，在很多情況下，你試圖使用其它的方法來提高性能都是在浪費(fèi)時(shí)間。首先使用索引來獲取最大的性能提高，接著再看其它的技術(shù)是否有用。
這一部分講述了索引是什么以及索引是怎么樣提高查詢性能的。它還討論了在某些環(huán)境中索引可能降低性能，并為你明智地選擇數(shù)據(jù)表的索引提供了一些指導(dǎo)方針。在下一部分中我們將討論MySQL查詢優(yōu)化器，它試圖找到執(zhí)行查詢的效率最高的方法。了解一些優(yōu)化器的知識，作為對如何建立索引的補(bǔ)充，對我們是有好處的，因?yàn)檫@樣你才能更好地利用自己所建立的索引。某些編寫查詢的方法實(shí)際上讓索引不起作用，在一般情況下你應(yīng)該避免這種情形的發(fā)生。
索引的優(yōu)點(diǎn) 讓我們開始了解索引是如何工作的，首先有一個(gè)不帶索引的數(shù)據(jù)表。不帶索引的表僅僅是一個(gè)無序的數(shù)據(jù)行集合。例如，圖1顯示的ad表就是不帶索引的表，因此如果需要查找某個(gè)特定的公司，就必須檢查表中的每個(gè)數(shù)據(jù)行看它是否與目標(biāo)值相匹配。這會(huì)導(dǎo)致一次完全的數(shù)據(jù)表掃描，這個(gè)過程會(huì)很慢，如果這個(gè)表很大，但是只包含少量的符合條件的記錄，那么效率會(huì)非常低。
圖2是同樣的一張數(shù)據(jù)表，但是增加了對ad表的company_num數(shù)據(jù)列的索引。這個(gè)索引包含了ad表中的每個(gè)數(shù)據(jù)行的條目，但是索引的條目是按照company_num值排序的?，F(xiàn)在，我們不是逐行查看以搜尋匹配的數(shù)據(jù)項(xiàng)，而是使用索引。假設(shè)我們查找公司13的所有數(shù)據(jù)行。我們開始掃描索引并找到了該公司的三個(gè)值。接著我們碰到了公司14的索引值，它比我們正在搜尋的值大。索引值是排過序的，因此當(dāng)我們讀取了包含14的索引記錄的時(shí)候，我們就知道再也不會(huì)有更多的匹配記錄，可以結(jié)束查詢操作了。因此使用索引獲得的功效是：我們找到了匹配的數(shù)據(jù)行在哪兒終止，并能夠忽略其它的數(shù)據(jù)行。另一個(gè)功效來自使用定位算法查找第一條匹配的條目，而不需要從索引頭開始執(zhí)行線性掃描（例如，二分搜索就比線性掃描要快一些）。通過使用這種方法，我們可以快速地定位第一個(gè)匹配的值，節(jié)省了大量的搜索時(shí)間。數(shù)據(jù)庫使用了多種技術(shù)來快速地定位索引值，但是在本文中我們不關(guān)心這些技術(shù)。重點(diǎn)是它們能夠?qū)崿F(xiàn)，并且索引是個(gè)好東西。
你可能要問，我們?yōu)槭裁床粚?shù)據(jù)行進(jìn)行排序從而省掉索引？這樣不是也能實(shí)現(xiàn)同樣的搜索速度的改善嗎？是的，如果表只有一個(gè)索引，這樣做也可能達(dá)到相同的效果。但是你可能添加第二個(gè)索引，那么就無法一次使用兩種不同方法對數(shù)據(jù)行進(jìn)行排序了（例如，你可能希望在顧客名稱上建立一個(gè)索引，在顧客ID號或電話號碼上建立另外一個(gè)索引）。把與數(shù)據(jù)行相分離的條目作為索引解決了這個(gè)問題，允許我們創(chuàng)建多個(gè)索引。此外，索引中的行一般也比數(shù)據(jù)行短一些。當(dāng)你插入或刪除新的值的時(shí)候，移動(dòng)較短的索引值比移動(dòng)較長數(shù)據(jù)行的排序次序更加容易。
不同的MySQL存儲(chǔ)引擎的索引實(shí)現(xiàn)的具體細(xì)節(jié)信息是不同的。例如，對于MyISAM數(shù)據(jù)表，該表的數(shù)據(jù)行保存在一個(gè)數(shù)據(jù)文件中，索引值保存在索引文件中。一個(gè)數(shù)據(jù)表上可能有多個(gè)索引，但是它們都被存儲(chǔ)在同一個(gè)索引文件中。索引文件中的每個(gè)索引都包含一個(gè)排序的鍵記錄（它用于快速地訪問數(shù)據(jù)文件）數(shù)組。
與此形成對照的是，BDB和InnoDB存儲(chǔ)引擎沒有使用這種方法來分離數(shù)據(jù)行和索引值，盡管它們也把索引作為排序后的值集合進(jìn)行操作。在默認(rèn)情況下，BDB引擎使用單個(gè)文件存儲(chǔ)數(shù)據(jù)和索引值。InnoDB使用單個(gè)數(shù)據(jù)表空間（tablespace），在表空間中管理所有InnoDB表的數(shù)據(jù)和索引存儲(chǔ)。我們可以把InnoDB配置為每個(gè)表都在自己的表空間中創(chuàng)建，但是即使是這樣，數(shù)據(jù)表的數(shù)據(jù)和索引也存儲(chǔ)在同一個(gè)表空間文件中。
前面的討論描述了單個(gè)表查詢環(huán)境下的索引的優(yōu)點(diǎn)，在這種情況下，通過減少對整個(gè)表的掃描，使用索引明顯地提高了搜索的速度。當(dāng)你運(yùn)行涉及多表聯(lián)結(jié)（jion）查詢的時(shí)候，索引的價(jià)值就更高了。在單表查詢中，你需要在每個(gè)數(shù)據(jù)列上檢查的值的數(shù)量是表中數(shù)據(jù)行的數(shù)量。在多表查詢中，這個(gè)數(shù)量可能大幅度上升，因?yàn)檫@個(gè)數(shù)量是這些表中數(shù)據(jù)行的數(shù)量所產(chǎn)生的。
假設(shè)你擁有三個(gè)未索引的表t1、t2和t3，每個(gè)表都分別包含數(shù)據(jù)列i1、i2和i3，并且每個(gè)表都包含了1000條數(shù)據(jù)行，其序號從1到1000。查找某些值匹配的數(shù)據(jù)行組合的查詢可能如下所示：
SELECT t1.i1, t2.i2, t3.i3
FROM t1, t2, t3
WHERE t1.i1 = t2.i2 AND t2.i1 = t3.i3; |
這個(gè)查詢的結(jié)果應(yīng)該是1000行，每個(gè)數(shù)據(jù)行包含三個(gè)相等的值。如果在沒有索引的情況下處理這個(gè)查詢，那么如果我們不對這些表進(jìn)行全部地掃描，我們是沒有辦法知道哪些數(shù)據(jù)行含有哪些值的。因此你必須嘗試所有的組合來查找符合WHERE條件的記錄?？赡艿慕M合的數(shù)量是1000 x 1000 x 1000（10億?。?，它是匹配記錄的數(shù)量的一百萬倍。這就浪費(fèi)了大量的工作。這個(gè)例子顯示，如果沒有使用索引，隨著表的記錄不斷增長，處理這些表的聯(lián)結(jié)所花費(fèi)的時(shí)間增長得更快，導(dǎo)致性能很差。我們可以通過索引這些數(shù)據(jù)表來顯著地提高速度，因?yàn)樗饕尣樵儾捎萌缦滤镜姆绞絹硖幚恚?BR>
1．選擇表t1中的第一行并查看該數(shù)據(jù)行的值。
2．使用表t2上的索引，直接定位到與t1的值匹配的數(shù)據(jù)行。類似地，使用表t3上的索引，直接定位到與表t2的值匹配的數(shù)據(jù)行。
3．處理表t1的下一行并重復(fù)前面的過程。執(zhí)行這樣的操作直到t1中的所有數(shù)據(jù)行都被檢查過。
在這種情況下，我們?nèi)匀粚Ρ韙1執(zhí)行了完整的掃描，但是我們可以在t2和t3上執(zhí)行索引查找，從這些表中直接地獲取數(shù)據(jù)行。理論上采用這種方式運(yùn)行上面的查詢會(huì)快一百萬倍。當(dāng)然這個(gè)例子是為了得出結(jié)論來人為建立的。然而，它解決的問題卻是現(xiàn)實(shí)的，給沒有索引的表添加索引通常會(huì)獲得驚人的性能提高。
MySQL有幾種使用索引的方式：
· 如上所述，索引被用于提高WHERE條件的數(shù)據(jù)行匹配或者執(zhí)行聯(lián)結(jié)操作時(shí)匹配其它表的數(shù)據(jù)行的搜索速度。
· 對于使用了MIN()或MAX()函數(shù)的查詢，索引數(shù)據(jù)列中最小或最大值可以很快地找到，不用檢查每個(gè)數(shù)據(jù)行。
· MySQL利用索引來快速地執(zhí)行ORDER BY和GROUP BY語句的排序和分組操作。
· 有時(shí)候MySQL會(huì)利用索引來讀取查詢得到的所有信息。假設(shè)你選擇了MyISAM表中的被索引的數(shù)值列，那么就不需要從該數(shù)據(jù)表中選擇其它的數(shù)據(jù)列。在這種情況下，MySQL從索引文件中讀取索引值，它所得到的值與讀取數(shù)據(jù)文件得到的值是相同的。沒有必要兩次讀取相同的值，因此沒有必要考慮數(shù)據(jù)文件。
索引的代價(jià)
一般來說，如果MySQL能夠找到方法，利用索引來更快地處理查詢，它就會(huì)這樣做。這意味著，對于大多數(shù)情況，如果你沒有對表進(jìn)行索引，就會(huì)使性能受到損害。這就是我所描繪的索引優(yōu)點(diǎn)的美景。但是它有缺點(diǎn)嗎？有的，它在時(shí)間和空間上都有開銷。在實(shí)踐中，索引的優(yōu)點(diǎn)的價(jià)值一般會(huì)超過這些缺點(diǎn)，但是你也應(yīng)該知道到底有一些什么缺點(diǎn)。
首先，索引加快了檢索的速度，但是減慢了插入和刪除的速度，同時(shí)還減慢了更新被索引的數(shù)據(jù)列中的值的速度。也就是說，索引減慢了大多數(shù)涉及寫操作的速度。發(fā)生這種現(xiàn)象的原因在于寫入一條記錄的時(shí)候不但需要寫入數(shù)據(jù)行，還需要改變所有的索引。數(shù)據(jù)表帶有的索引越多，需要做出的修改就越多，平均性能的降低程度也就越大。在本文的"高效率載入數(shù)據(jù)"部分中，我們將更細(xì)致地了解這些現(xiàn)象并找出處理方法。
其次，索引會(huì)花費(fèi)磁盤空間，多個(gè)索引相應(yīng)地花費(fèi)更多的磁盤空間。這可能導(dǎo)致更快地到達(dá)數(shù)據(jù)表的大小限制：
· 對于MyISAM表，頻繁地索引可能引起索引文件比數(shù)據(jù)文件更快地達(dá)到最大限制。
· 對于BDB表，它把數(shù)據(jù)和索引值一起存儲(chǔ)在同一個(gè)文件中，添加索引引起這種表更快地達(dá)到最大文件限制。
· 在InnoDB的共享表空間中分配的所有表都競爭使用相同的公共空間池，因此添加索引會(huì)更快地耗盡表空間中的存儲(chǔ)。但是，與MyISAM和BDB表使用的文件不同，InnoDB共享表空間并不受操作系統(tǒng)的文件大小限制，因?yàn)槲覀兛梢园阉渲贸墒褂枚鄠€(gè)文件。只要有額外的磁盤空間，你就可以通過添加新組件來擴(kuò)展表空間。
使用單獨(dú)表空間的InnoDB表與BDB表受到的約束是一樣的，因?yàn)樗臄?shù)據(jù)和索引值都存儲(chǔ)在單個(gè)文件中。
這些要素的實(shí)際含義是：如果你不需要使用特殊的索引幫助查詢執(zhí)行得更快，就不要建立索引。
選擇索引
假設(shè)你已經(jīng)知道了建立索引的語法，但是語法不會(huì)告訴你數(shù)據(jù)表應(yīng)該如何索引。這要求我們考慮數(shù)據(jù)表的使用方式。這一部分指導(dǎo)你如何識別出用于索引的備選數(shù)據(jù)列，以及如何最好地建立索引：
用于搜索、排序和分組的索引數(shù)據(jù)列并不僅僅是用于輸出顯示的。換句話說，用于索引的最好的備選數(shù)據(jù)列是那些出現(xiàn)在WHERE子句、join子句、ORDER BY或GROUP BY子句中的列。僅僅出現(xiàn)在SELECT關(guān)鍵字后面的輸出數(shù)據(jù)列列表中的數(shù)據(jù)列不是很好的備選列：
SELECT
col_a <- 不是備選列
FROM
tbl1 LEFT JOIN tbl2
ON tbl1.col_b = tbl2.col_c <- 備選列
WHERE
col_d = expr; <- 備選列 |
當(dāng)然，顯示的數(shù)據(jù)列與WHERE子句中使用的數(shù)據(jù)列也可能相同。我們的觀點(diǎn)是輸出列表中的數(shù)據(jù)列本質(zhì)上不是用于索引的很好的備選列。
Join子句或WHERE子句中類似col1 = col2形式的表達(dá)式中的數(shù)據(jù)列都是特別好的索引備選列。前面顯示的查詢中的col_b和col_c就是這樣的例子。如果MySQL能夠利用聯(lián)結(jié)列來優(yōu)化查詢，它一定會(huì)通過減少整表掃描來大幅度減少潛在的表－行組合。
考慮數(shù)據(jù)列的基數(shù)（cardinality）?；鶖?shù)是數(shù)據(jù)列所包含的不同值的數(shù)量。例如，某個(gè)數(shù)據(jù)列包含值1、3、7、4、7、3，那么它的基數(shù)就是4。索引的基數(shù)相對于數(shù)據(jù)表行數(shù)較高（也就是說，列中包含很多不同的值，重復(fù)的值很少）的時(shí)候，它的工作效果最好。如果某數(shù)據(jù)列含有很多不同的年齡，索引會(huì)很快地分辨數(shù)據(jù)行。如果某個(gè)數(shù)據(jù)列用于記錄性別（只有"M"和"F"兩種值），那么索引的用處就不大。如果值出現(xiàn)的幾率幾乎相等，那么無論搜索哪個(gè)值都可能得到一半的數(shù)據(jù)行。在這些情況下，最好根本不要使用索引，因?yàn)椴樵儍?yōu)化器發(fā)現(xiàn)某個(gè)值出現(xiàn)在表的數(shù)據(jù)行中的百分比很高的時(shí)候，它一般會(huì)忽略索引，進(jìn)行全表掃描。慣用的百分比界線是"30%"。現(xiàn)在查詢優(yōu)化器更加復(fù)雜，把其它一些因素也考慮進(jìn)去了，因此這個(gè)百分比并不是MySQL決定選擇使用掃描還是索引的唯一因素。
索引較短的值。盡可能地使用較小的數(shù)據(jù)類型。例如，如果MEDIUMINT足夠保存你需要存儲(chǔ)的值，就不要使用BIGINT數(shù)據(jù)列。如果你的值不會(huì)長于25個(gè)字符，就不要使用CHAR(100)。較小的值通過幾個(gè)方面改善了索引的處理速度：
· 較短的值可以更快地進(jìn)行比較，因此索引的查找速度更快了。
· 較小的值導(dǎo)致較小的索引，需要更少的磁盤I/O。
· 使用較短的鍵值的時(shí)候，鍵緩存中的索引塊（block）可以保存更多的鍵值。MySQL可以在內(nèi)存中一次保持更多的鍵，在不需要從磁盤讀取額外的索引塊的情況下，提高鍵值定位的可能性。
對于InnoDB和BDB等使用聚簇索引（clustered index）的存儲(chǔ)引擎來說，保持主鍵（primary key）短小的優(yōu)勢更突出。聚簇索引中數(shù)據(jù)行和主鍵值存儲(chǔ)在一起（聚簇在一起）。其它的索引都是次級索引；它們存儲(chǔ)主鍵值和次級索引值。次級索引屈從主鍵值，它們被用于定位數(shù)據(jù)行。這暗示主鍵值都被復(fù)制到每個(gè)次級索引中，因此如果主鍵值很長，每個(gè)次級索引就需要更多的額外空間。
索引字符串值的前綴（prefixe）。如果你需要索引一個(gè)字符串?dāng)?shù)據(jù)列，那么最好在任何適當(dāng)?shù)那闆r下都應(yīng)該指定前綴長度。例如，如果有CHAR(200)數(shù)據(jù)列，如果前面10個(gè)或20個(gè)字符都不同，就不要索引整個(gè)數(shù)據(jù)列。索引前面10個(gè)或20個(gè)字符會(huì)節(jié)省大量的空間，并且可能使你的查詢速度更快。通過索引較短的值，你可以獲得那些與比較速度和磁盤I/O節(jié)省相關(guān)的好處。當(dāng)然你也需要利用常識。僅僅索引某個(gè)數(shù)據(jù)列的第一個(gè)字符串可能用處不大，因?yàn)槿绻@樣操作，那么在索引中不會(huì)有太多的唯一值。
你可以索引CHAR、VARCHAR、BINARY、VARBINARY、BLOB和TEXT數(shù)據(jù)列的前綴。
使用最左（leftmost）前綴。建立多列復(fù)合索引的時(shí)候，你實(shí)際上建立了MySQL可以使用的多個(gè)索引。復(fù)合索引可以作為多個(gè)索引使用，因?yàn)樗饕凶钭筮叺牧屑隙伎梢杂糜谄ヅ鋽?shù)據(jù)行。這種列集合被稱為"最左前綴"（它與索引某個(gè)列的前綴不同，那種索引把某個(gè)列的前面幾個(gè)字符作為索引值）。
假設(shè)你在表的state、city和zip數(shù)據(jù)列上建立了復(fù)合索引。索引中的數(shù)據(jù)行按照state/city/zip次序排列，因此它們也會(huì)自動(dòng)地按照state/city和state次序排列。這意味著，即使你在查詢中只指定了state值，或者指定state和city值，MySQL也可以使用這個(gè)索引。因此，這個(gè)索引可以被用于搜索如下所示的數(shù)據(jù)列組合：
state, city, zip
state, city
state |
MySQL不能利用這個(gè)索引來搜索沒有包含在最左前綴的內(nèi)容。例如，如果你按照city或zip來搜索，就不會(huì)使用到這個(gè)索引。如果你搜索給定的state和具體的ZIP代碼（索引的1和3列），該索引也是不能用于這種組合值的，盡管MySQL可以利用索引來查找匹配的state從而縮小搜索的范圍。
不要過多地索引。不要認(rèn)為"索引越多，性能越高"，不要對每個(gè)數(shù)據(jù)列都進(jìn)行索引。我們在前面提到過，每個(gè)額外的索引都會(huì)花費(fèi)更多的磁盤空間，并降低寫操作的性能。當(dāng)你修改表的內(nèi)容的時(shí)候，索引就必須被更新，甚至可能重新整理。如果你的索引很少使用或永不使用，你就沒有必要減小表的修改操作的速度。此外，為檢索操作生成執(zhí)行計(jì)劃的時(shí)候，MySQL會(huì)考慮索引。建立額外的索引會(huì)給查詢優(yōu)化器增加更多的工作量。如果索引太多，有可能（未必）出現(xiàn)MySQL選擇最優(yōu)索引失敗的情況。維護(hù)自己必須的索引可以幫助查詢優(yōu)化器來避免這類錯(cuò)誤。
如果你考慮給已經(jīng)索引過的表添加索引，那么就要考慮你將增加的索引是否是已有的多列索引的最左前綴。如果是這樣的，不用增加索引，因?yàn)橐呀?jīng)有了（例如，如果你在state、city和zip上建立了索引，那么沒有必要再增加state的索引）。
讓索引類型與你所執(zhí)行的比較的類型相匹配。在你建立索引的時(shí)候，大多數(shù)存儲(chǔ)引擎會(huì)選擇它們將使用的索引實(shí)現(xiàn)。例如，InnoDB通常使用B樹索引。MySQL也使用B樹索引，它只在三維數(shù)據(jù)類型上使用R樹索引。但是，MEMORY存儲(chǔ)引擎支持散列索引和B樹索引，并允許你選擇使用哪種索引。為了選擇索引類型，需要考慮在索引數(shù)據(jù)列上將執(zhí)行的比較操作類型：
· 對于散列（hash）索引，會(huì)在每個(gè)數(shù)據(jù)列值上應(yīng)用散列函數(shù)。生成的結(jié)果散列值存儲(chǔ)在索引中，并用于執(zhí)行查詢。散列函數(shù)實(shí)現(xiàn)的算法類似于為不同的輸入值生成不同的散列值。使用散列值的好處是散列值比原始值的比較效率更高。散列索引用于執(zhí)行=或<=>操作等精確匹配的時(shí)候速度非?？臁５菍τ诓樵円粋€(gè)值的范圍效果就非常差了：
id < 30
weight BETWEEN 100 AND 150 |
· B樹索引可以用于高效率地執(zhí)行精確的或者基于范圍（使用操作<、<=、=、>=、>、<>、!=和BETWEEN）的比較。B樹索引也可以用于LIKE模式匹配，前提是該模式以文字串而不是通配符開頭。
如果你使用的MEMORY數(shù)據(jù)表只進(jìn)行精確值查詢，散列索引是很好的選擇。這是MEMORY表使用的默認(rèn)的索引類型，因此你不需要特意指定。如果你希望在MEMORY表上執(zhí)行基于范圍的比較，應(yīng)該使用B樹索引。為了指定這種索引類型，需要給索引定義添加USING BTREE。例如：
CREATE TABLE lookup
(
id INT NOT NULL,
name CHAR(20),
PRIMARY KEY USING BTREE (id)
) ENGINE = MEMORY; |
如果你希望執(zhí)行的語句的類型允許，單個(gè)MEMORY表可以同時(shí)擁有散列索引和B樹索引，即使在同一個(gè)數(shù)據(jù)列上。
有些類型的比較不能使用索引。如果你只是通過把值傳遞到函數(shù)（例如STRCMP()）中來執(zhí)行比較操作，那么對它進(jìn)行索引就沒有價(jià)值。服務(wù)器必須計(jì)算出每個(gè)數(shù)據(jù)行的函數(shù)值，它會(huì)排除數(shù)據(jù)列上索引的使用。
使用慢查詢（slow-query）日志來識別執(zhí)行情況較差的查詢。這個(gè)日志可以幫助你找出從索引中受益的查詢。你可以直接查看日志（它是文本文件），或者使用mysqldumpslow工具來統(tǒng)計(jì)它的內(nèi)容。如果某個(gè)給定的查詢多次出現(xiàn)在"慢查詢"日志中，這就是一個(gè)線索，某個(gè)查詢可能沒有優(yōu)化編寫。你可以重新編寫它，使它運(yùn)行得更快。你要記住，在評估"慢查詢"日志的時(shí)候，"慢"是根據(jù)實(shí)際時(shí)間測定的，在負(fù)載較大的服務(wù)器上"慢查詢"日志中出現(xiàn)的查詢會(huì)多一些。
