MySQL如何給字符串字段加索引

這篇文章給大家分享的是有關MySQL如何給字符串字段加索引的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

假設，你現(xiàn)在維護一個支持郵箱登錄的系統(tǒng)，用戶表是這么定義的：

create table SUser(
 ID bigint unsigned primary key,
 email varchar(64), 
 ... 
 )engine=innodb;

由于要使用郵箱登錄，所以業(yè)務代碼中一定會出現(xiàn)類似于這樣的語句：

select f1, f2 from SUser where email='xxx';

如果 email 這個字段上沒有索引，那么這個語句就只能做全表掃描。

1）那我可以在郵箱地址這個字段上面建索引嗎？

• MySQL 是支持前綴索引的，可以定義字符串的一部分作為索引

2）如果創(chuàng)建索引的語句不指定前綴長度，那么會怎么樣？

• 索引就會包含整個字符串

3）能舉例來說明一下嗎？

alter table SUser add index index1(email);
 或
 alter table SUser add index index2(email(6));

• index1 索引里面，包含了每個記錄的整個字符串

• index2 索引里面，對于每個記錄都是只取前 6 個字節(jié)

4）這兩種不同的定義在數(shù)據(jù)結構和存儲上有什么區(qū)別呢？

明顯看出email(6) 這個索引結構占用的空間會更小

5）email(6) 這個索引結構有什么缺點嗎？

• 可能會增加額外的記錄掃描次數(shù)

6）下面這個語句，在這兩個索引定義下分別是怎么執(zhí)行的？

select id,name,email from SUser where email='zhangssxyz@xxx.com';

index1（即 email 整個字符串的索引結構），執(zhí)行順序

• 從 index1 索引樹找到滿足索引值是’zhangssxyz@xxx.com’的這條記錄，取得 ID2 的值；

• 回表查到主鍵值是 ID2 的行，判斷 email 的值是正確的，將這行記錄加入結果集；

• 繼續(xù)在index索引樹的下一條記錄，發(fā)現(xiàn)已經(jīng)不滿足 email='zhangssxyz@xxx.com’的條件了，循環(huán)結束。

這個過程中，只需要回主鍵索引取一次數(shù)據(jù)，所以系統(tǒng)認為只掃描了一行。

index2（即 email(6) 索引結構），執(zhí)行順序

• 從 index2 索引樹找到滿足索引值是’zhangs’的記錄，找到的第一個是 ID1；

• 到主鍵上查到主鍵值是 ID1 的行，判斷出 email 的值不是’zhangssxyz@xxx.com’，這行記錄丟棄；

• 取 index2 上剛剛查到的位置的下一條記錄，發(fā)現(xiàn)仍然是’zhangs’，取出 ID2，再到 ID 索引上取整行然后判斷，這次值對了，將這行記錄加入結果集；

• 重復上一步，直到在 idxe2 上取到的值不是’zhangs’時，循環(huán)結束。

在這個過程中，要回主鍵索引取 4 次數(shù)據(jù)，也就是掃描了 4 行。

7）通過上面的對比，能得出什么結論？

• 使用前綴索引后，可能會導致查詢語句讀數(shù)據(jù)的次數(shù)變多。

8）前綴索引真的一無是處嗎？

• 如果我們定義的 index2 不是 email(6) 而是 email(7），那滿足前綴’zhangss’的記錄只有一個，直接就查到 ID2了，只掃描一行就結束了。

9）那么使用前綴索引有哪些注意事項？

• 長度選擇合理

10）當要給字符串創(chuàng)建前綴索引時，我咋知道我該用多長的前綴索引呢？

• 統(tǒng)計索引上有多少個不同的值來判斷要使用多長的前綴。

11）怎樣統(tǒng)計索引上有多少個不同的值？

select count(distinct email) as L from SUser;

12）拿到了索引對應的有多少個不同的值之后下一步該做什么？

• 依次選取不同長度的前綴來看這個值

  select 
     count(distinct left(email,4)）as L4,
     count(distinct left(email,5)）as L5,
     count(distinct left(email,6)）as L6,
     count(distinct left(email,7)）as L7,
   from SUser;

• 然后，在 L4~L7 中，找出第一個不小于 L * 95% 的值，說明通過這個索引可以找出百分之95以上的數(shù)據(jù)。

13）前綴索引對覆蓋索引的影響是什么？

下面這個 SQL 語句：

select id,email from SUser where email='zhangssxyz@xxx.com';

與前面例子中的 SQL 語句

select id,name,email from SUser where email='zhangssxyz@xxx.com';

相比，第一個語句只要求返回 id 和 email 字段。

• 如果使用 index1（即 email 整個字符串的索引結構）的話，查email的話就能得到ID，那就不用回表了，這個就是覆蓋索引。

• 用 index2（即 email(6) 索引結構）的話，就不得不回到 ID 索引再去判斷 email 字段的值。

14）那我把index2 的定義修改為 email(18) 的前綴索引不就行了？

• 這個18是你自己定義的，系統(tǒng)不知道18這個長度是否已經(jīng)大于我的email長度，所以它還是會回表去查一下驗證。

總而言之：使用前綴索引就用不上覆蓋索引對查詢性能的優(yōu)化了

15）對于類似于郵箱這樣的字段來說，使用前綴索引的效果可能還不錯。但是，遇到身份證這種前綴的區(qū)分度不夠好的情況時，我們要怎么辦呢？

• 索引選取的要更長一些。

• 但是所以越長的話，占的磁盤空間更大，相同的一頁能放下的索引值就變少了，反而會影響查詢效率。

16）如果我們能夠確定業(yè)務需求里面只有按照身份證進行等值查詢的需求，還有沒有別的處理方法呢？

• 既然正過來相同的多，那我就把它倒過來存。查詢時候這樣查

  select field_list from t where id_card = reverse('input_id_card_string');

  使用 的時候用count(distinct) 方法去做個驗證

• 使用 hash 字段。在表上再創(chuàng)建一個整數(shù)字段，來保存身份證的校驗碼，同時在這個字段上創(chuàng)建索引。

  alter table t add id_card_crc int unsigned, add index(id_card_crc);

  每次插入新記錄的時候，都同時用 crc32() 這個函數(shù)得到校驗碼填到這個新字段。由于校驗碼可能存在沖突，也就是說兩個不同的身份證號通過 crc32() 函數(shù)得到的結果可能是相同的，所以你的查詢語句 where 部分要判斷 id_card 的值是否精確相同。

  select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'

  這樣，索引的長度變成了 4 個字節(jié)(int類型），比原來小了很多

17）使用倒序存儲和使用 hash 字段這兩種方法有什么異同點？

• 相同點：都不支持范圍查詢

• 倒序存儲的字段上創(chuàng)建的索引是按照倒序字符串的方式排序的，已經(jīng)沒有辦法利用索引方式查出身份證號碼在[ID_X, ID_Y]的所有市民了。同樣地，hash 字段的方式也只能支持等值查詢。

• 區(qū)別

• 從占用的額外空間來看，倒序存儲方式在主鍵索引上，不會消耗額外的存儲空間，而 hash 字段方法需要增加一個字段。當然，倒序存儲方式使用 4 個字節(jié)的前綴長度應該是不夠的，如果再長一點，這個消耗跟額外這個 hash 字段也差不多抵消了。

• 在 CPU 消耗方面，倒序方式每次寫和讀的時候，都需要額外調用一次 reverse 函數(shù)，而 hash 字段的方式需要額外調用一次 crc32() 函數(shù)。如果只從這兩個函數(shù)的計算復雜度來看的話，reverse 函數(shù)額外消耗的 CPU 資源會更小些。

• 從查詢效率上看，使用 hash 字段方式的查詢性能相對更穩(wěn)定一些。因為 crc32 算出來的值雖然有沖突的概率，但是概率非常小，可以認為每次查詢的平均掃描行數(shù)接近 1。而倒序存儲方式畢竟還是用的前綴索引的方式，也就是說還是會增加掃描行數(shù)。

案例：如果你在維護一個學校的學生信息數(shù)據(jù)庫，學生登錄名的統(tǒng)一格式是”學號 @gmail.com", 而學號的規(guī)則是：十五位的數(shù)字，其中前三位是所在城市編號、第四到第六位是學校編號、第七位到第十位是入學年份、最后五位是順序編號。

18）系統(tǒng)登錄的時候都需要學生輸入登錄名和密碼，驗證正確后才能繼續(xù)使用系統(tǒng)。就只考慮登錄驗證這個行為的話，你會怎么設計這個登錄名的索引呢？

• 一個學校每年預估2萬新生，50年才100萬記錄，能節(jié)省多少空間，直接全字段索引。省去了開發(fā)轉換及局限性風險，碰到超大量迫不得已再用后兩種辦法

• 實際操作上直接全字段索引就行了，一個學校數(shù)據(jù)庫的數(shù)據(jù)量和查詢壓力都不會大到哪兒去。 如果單從優(yōu)化數(shù)據(jù)表的角度： \1. 后綴@gmail可以單獨一個字段來存，或者用業(yè)務代碼來保證， \2. 城市編號和學校編號估計也不會變，也可以用業(yè)務代碼來配置 \3. 然后直接存年份和順序編號就行了，這個字段可以全字段索引

感謝各位的閱讀！關于“MySQL如何給字符串字段加索引”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！