索引失效的原因是什么

本篇內(nèi)容主要講解“索引失效的原因是什么”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“索引失效的原因是什么”吧!

MySQL數(shù)據(jù)是如何存儲的?

聚集索引

我們先建如下的一張表

CREATE TABLE `student` (   `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '學號',   `name` varchar(10) NOT NULL COMMENT '學生姓名',   `age` int(11) NOT NULL COMMENT '學生年齡',   PRIMARY KEY (`id`),   KEY `idx_name` (`name`) ) ENGINE=InnoDB;

插入如下sql

insert into student (`name`, `age`) value('a', 10); insert into student (`name`, `age`) value('c', 12); insert into student (`name`, `age`) value('b', 9); insert into student (`name`, `age`) value('d', 15); insert into student (`name`, `age`) value('h', 17); insert into student (`name`, `age`) value('l', 13); insert into student (`name`, `age`) value('k', 12); insert into student (`name`, `age`) value('x', 9);

數(shù)據(jù)如下

圖片mysql是按照頁來存儲數(shù)據(jù)的，每個頁的大小為16k。

在MySQL中可以通過執(zhí)行如下語句，看到一個頁的大小

show global status like 'innodb_page_size'

結(jié)果為16384，即16kb

在InnoDB存儲引擎中，是以主鍵為索引來組織數(shù)據(jù)的。記錄在頁中按照主鍵從小到大的順序以單鏈表的形式連接在一起。

可能有小伙伴會問，如果建表的時候，沒有指定主鍵呢?

如果在創(chuàng)建表時沒有顯示的定義主鍵，則InnoDB存儲引擎會按如下方式選擇或創(chuàng)建主鍵。

1. 首先判斷表中是否有非空的唯一索引，如果有，則該列即為主鍵。如果有多個非空唯一索引時，InnoDB存儲引擎將選擇建表時第一個定義的非空唯一索引作為主鍵

2. 如果不符合上述條件，InnoDB存儲引擎自動創(chuàng)建一個6字節(jié)大小的指針作為索引

頁和頁之間以雙鏈表的形式連接在一起。并且下一個數(shù)據(jù)頁中用戶記錄的主鍵值必須大于上一個數(shù)據(jù)頁中用戶記錄的主鍵值

假設(shè)一個頁只能存放3條數(shù)據(jù)，則數(shù)據(jù)存儲結(jié)構(gòu)如下。

可以看到我們想查詢一個數(shù)據(jù)或者插入一條數(shù)據(jù)的時候，需要從最開始的頁開始，依次遍歷每個頁的鏈表，效率并不高。

我們可以給這頁做一個目錄，保存主鍵和頁號的映射關(guān)系，根據(jù)二分法就能快速找到數(shù)據(jù)所在的頁。但這樣做的前提是這個映射關(guān)系需要保存到連續(xù)的空間，如數(shù)組。如果這樣做會有如下幾個問題

1. 隨著數(shù)據(jù)的增多，目錄所需要的連續(xù)空間越來越大，并不現(xiàn)實
   

2. 當有一個頁的數(shù)據(jù)全被刪除了，則相應(yīng)的目錄項也要刪除，它后面的目錄項都要向前移動，成本太高

我們可以把目錄數(shù)據(jù)放在和用戶數(shù)據(jù)類似的結(jié)構(gòu)中，如下所示。目錄項有2個列，主鍵和頁號。

數(shù)據(jù)很多時，一個目錄項肯定很多，畢竟一個頁的大小為16k，我們可以對數(shù)據(jù)建立多個目錄項目，在目錄項的基礎(chǔ)上再建目錄項，如下圖所示

這其實就是一顆B+樹，也是一個聚集索引，即數(shù)據(jù)和索引在一塊。葉子節(jié)點保存所有的列值

以 InnoDB 的一個整數(shù)字段索引為例，這個 N 差不多是 1200。這棵樹高是 4 的時候，就可以存 1200 的 3 次方個值，這已經(jīng)17  億了?？紤]到樹根的數(shù)據(jù)塊總是在內(nèi)存中的，一個 10 億行的表上一個整數(shù)字段的索引，查找一個值最多只需要訪問  3次磁盤。其實，樹的第二層也有很大概率在內(nèi)存中，那么訪問磁盤的平均次數(shù)就更少了。

非聚集索引

聚集索引和非聚集索引非常類似，區(qū)別如下

聚集索引葉子節(jié)點的值為所有的列值非聚集索引葉子節(jié)點的值為索引列+主鍵

當我們查詢name為h的用戶信息時(學號，姓名，年齡)，因為name上建了索引，先從name非聚集索引上，找到對應(yīng)的主鍵id，然后根據(jù)主鍵id從聚集索引上找到對應(yīng)的記錄。

從非聚集索引上找到對應(yīng)的主鍵值然后到聚集索引上查找對應(yīng)記錄的過程為回表

聯(lián)合索引/索引覆蓋

假設(shè)teacher表定義如下，在name和age列上建立聯(lián)合索引

CREATE TABLE `teacher` (   `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '教師編號',   `name` varchar(10) NOT NULL COMMENT '教師姓名',   `age` int(11) NOT NULL COMMENT '教師年齡',   `ismale` tinyint(3) NOT NULL COMMENT '是否男性',   PRIMARY KEY (`id`),   KEY `idx_name_age` (`name`, `age`) ) ENGINE=InnoDB;

插入如下sql

insert into teacher (`name`, `age`, `ismale`) value('aa', 10, 1); insert into teacher (`name`, `age`, `ismale`) value('dd', 12, 0); insert into teacher (`name`, `age`, `ismale`) value('cb', 9, 1); insert into teacher (`name`, `age`, `ismale`) value('cb', 15, 1); insert into teacher (`name`, `age`, `ismale`) value('bc', 17, 0); insert into teacher (`name`, `age`, `ismale`) value('bb', 15, 1); insert into teacher (`name`, `age`, `ismale`) value('dd', 15, 1); insert into teacher (`name`, `age`, `ismale`) value('dd', 12, 0);

對name和age列建立聯(lián)合索引

目錄頁由name列，age列，頁號這三部分組成。目錄會先按照name列進行排序，當name列相同的時候才對age列進行排序。

數(shù)據(jù)頁由name列，age列，主鍵值這三部分組成。同樣的，數(shù)據(jù)頁會先按照name列進行排序，當name列相同的時候才對age列進行排序。

當執(zhí)行如下語句的時候，會有回表的過程

select * from student where name = 'aa';

當執(zhí)行如下語句的時候，沒有回表的過程

select name, age from student where name = 'aa';

為什么不需要回表呢?

因為idx_name_age索引的葉子節(jié)點存的值為主鍵值，name值和age值，所以從idx_name_age索引上就能獲取到所需要的列值，不需要回表，即索引覆蓋

仔細看一下聯(lián)合索引這個圖，你就基本上能明白為什么不滿足最左前綴原則的索引會失效?

索引下推

當執(zhí)行如下語句的時候

select * from student where name like '張%' and age = 10 and ismale = 1;

在5.6版本之前的執(zhí)行過程如下，先從idx_name_age索引上找到對應(yīng)的主鍵值，然后回表找到對應(yīng)的行，判斷其他字段的值是否滿足條件

在5.6引入了索引下推優(yōu)化，可以在遍歷索引的過程中，對索引中包含的字段做判斷，直接過濾掉不滿足條件的數(shù)據(jù)，減少回表次數(shù)，如下圖

最左前綴原則

加速查詢

主要針對組合索引，滿足如下2個條件即可滿足左前綴原則

需要查詢的列和組合索引的列順序一致

查詢不要跨列

構(gòu)造數(shù)據(jù)如下，其中在name，address，country上建了聯(lián)合索引

CREATE TABLE `people` (   `name` varchar(50) NOT NULL,   `address` varchar(50) NOT NULL,   `country` varchar(50) NOT NULL,   KEY `idx_name_addr_country` (`name`,`address`,`country`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

舉幾個例子，下面涉及到一些explain相關(guān)的知識，后面單開一篇長文來做介紹

例子一

explain select * from people where name = "jack" and address = "beijing" and country = "china"

type為ref，key_len為456=(50*3+2)*3，聯(lián)合索引的所有列都使用了

例子二

explain select * from people where name = "jack"

type為ref，key_len為152=50*3+2，聯(lián)合索引只使用了name列

例子三

explain select * from people where address = "beijing"

type為index，表明查詢的時候?qū)φ麄€索引進行了掃描，并沒有加速查找。

假設(shè)有如下的聯(lián)合索引 key idx_a_b_c(a,b,c)

如果你仔細看了前面聯(lián)合索引是如何存儲的，那你一定能看懂是否使用索引的介紹

目錄頁是按照 a b c 列的順序依次遞增排序的。先按照a列排序，如果a列相同，再按照b列排序，如果b列相同，才按照c列排序

所以查詢列值a b c，則這個排序規(guī)則能用到，即會走索引。如果只查列值b，并不能用到這個排序規(guī)則，所以得遍歷所有的記錄

加速排序

最左前綴原則不僅用在查詢中，還能用在排序中。MySQL中，有兩種方式生成有序結(jié)果集：

1. 通過有序索引順序掃描直接返回有序數(shù)據(jù)

2. Filesort排序，對返回的數(shù)據(jù)進行排序

因為索引的結(jié)構(gòu)是B+樹，索引中的數(shù)據(jù)是按照一定順序進行排列的，所以在排序查詢中如果能利用索引，就能避免額外的排序操作。EXPLAIN分析查詢時，Extra顯示為Using  index。

所有不是通過索引直接返回排序結(jié)果的操作都是Filesort排序，也就是說進行了額外的排序操作。EXPLAIN分析查詢時，Extra顯示為Using  filesort，當出現(xiàn)Using filesort時對性能損耗較大，所以要盡量避免Using filesort

還是先舉2個例子，然后總結(jié)

explain select * from people order by name

Extra列只有Using index，即根據(jù)索引順序進行掃描

explain select * from people order by address

在這里插入圖片描述

Extra列有Using filesort

總結(jié)：假如說有如下聯(lián)合索引，key idx_a_b_c(a,b,c)

order by 能使用索引排序

order by a order by a,b order by a,b,c order by a desc, b desc, c desc where a = const order by b,c where a = const and b = const order by c where a = const and b > const order by b,c

order by 不能使用索引進行排序

order by b order by c order by b, c order by a asc, b desc, c desc //排序不一致 where g = const order by b,c //丟失a索引 where a = const order by c //丟失b索引 where a = const order by a,d //d不是索引的一部分 where a in (...) order by b,c //范圍查詢

這個原因就不用我解釋了把，相信你一定看懂了

聯(lián)合索引的好處

索引覆蓋，減少了很多回表的操作，提高了查詢的效率

索引下推，索引列越多，通過索引篩選出的數(shù)據(jù)越少。有1000W條數(shù)據(jù)的表，有如下sql:select * from table where col1=1  and col2=2 and  col3=3,假設(shè)假設(shè)每個條件可以篩選出10%的數(shù)據(jù)，如果只有單值索引，那么通過該索引能篩選出1000W10%=100w條數(shù)據(jù)，然后再回表從100w條數(shù)據(jù)中找到符合col2=2  and col3= 3的數(shù)據(jù);如果是聯(lián)合索引，通過索引篩選出1000w*10%*10% *10%=1w，效率提升可想而知!

索引為什么會失效?

當別人問我索引在什么條件下會失效時，我能背出一大堆規(guī)則

1. 不要在索引列上進行運算或使用函數(shù)

2. 前導模糊查詢不會使用索引，例如 like %李

3. 負向條件索引不會使用索引，建議用in。負向條件有：!=、<>、not in、not exists、not like 等

索引是按照一定規(guī)則排好序的，如果對索引列使用函數(shù)，或者 like % 李，具體的值都不知道，它怎么在B+樹上加速查詢?

到此，相信大家對“索引失效的原因是什么”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學習！