MySQL索引分析？及優化

阿新 • • 發佈：2018-12-21

索引類似大學圖書館建書目索引，可以提高資料檢索的效率，降低資料庫的IO成本。MySQL在300萬條記錄左右效能開始逐漸下降，雖然官方文件說500~800w記錄，所以大資料量建立索引是非常有必要的。MySQL提供了Explain，用於顯示SQL執行的詳細資訊，可以進行索引的優化。

一、導致SQL執行慢的原因：

硬體問題。如網路速度慢，記憶體不足，I/O吞吐量小，磁碟空間滿了等。
沒有索引或者索引失效。（一般在網際網路公司，DBA會在半夜把表鎖了，重新建立一遍索引，因為當你刪除某個資料的時候，索引的樹結構就不完整了。所以網際網路公司的資料做的是假刪除.一是為了做資料分析,二是為了不破壞索引）
資料過多（分庫分表）
伺服器調優及各個引數設定（調整my.cnf）
索引失效原因總結參考：https://www.cnblogs.com/binyue/p/4058931.html

二、分析原因時，一定要找切入點：

先觀察，開啟慢查詢日誌，設定相應的閾值（比如超過3秒就是慢SQL），在生產環境跑上個一天過後，看看哪些SQL比較慢。
Explain和慢SQL分析。比如SQL語句寫的爛，索引沒有或失效，關聯查詢太多（有時候是設計缺陷或者不得以的需求）等等。
Show Profile是比Explain更近一步的執行細節，可以查詢到執行每一個SQL都幹了什麼事，這些事分別花了多少秒。
找DBA或者運維對MySQL進行伺服器的引數調優。

三、什麼是索引？

MySQL官方對索引的定義為：索引(Index)是幫助MySQL高效獲取資料的資料結構。我們可以簡單理解為：快速查詢排好序的一種資料結構。Mysql索引主要有兩種結構：B+Tree索引和Hash索引。我們平常所說的索引，如果沒有特別指明，一般都是指B樹結構組織的索引(B+Tree索引)。索引如圖所示：

最外層淺藍色磁碟塊1裡有資料17、35（深藍色）和指標P1、P2、P3（黃色）。P1指標表示小於17的磁碟塊，P2是在17-35之間，P3指向大於35的磁碟塊。真實資料存在於子葉節點也就是最底下的一層3、5、9、10、13......非葉子節點不儲存真實的資料，只儲存指引搜尋方向的資料項，如17、35。

查詢過程：例如搜尋28資料項，首先載入磁碟塊1到記憶體中，發生一次I/O，用二分查詢確定在P2指標。接著發現28在26和30之間，通過P2指標的地址載入磁碟塊3到記憶體，發生第二次I/O。用同樣的方式找到磁碟塊8，發生第三次I/O。

真實的情況是，上面3層的B+Tree可以表示上百萬的資料，上百萬的資料只發生了三次I/O而不是上百萬次I/O，時間提升是巨大的。

四、Explain分析

前文鋪墊完成，進入實操部分，先來插入測試需要的資料：

DROP TABLE IF EXISTS `user_info`;

CREATE TABLE `user_info` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `name` varchar(50) NOT NULL DEFAULT '',
  `age` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO `user_info` (`id`, `name`, `age`)
VALUES
	(1,'xys',20),
	(2,'a',21),
	(3,'b',23),
	(4,'c',50),
	(5,'d',15),
	(6,'e',20),
	(7,'f',21),
	(8,'g',23),
	(9,'h',50),
	(10,'i',15);

DROP TABLE IF EXISTS `order_info`;

CREATE TABLE `order_info` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `user_id` bigint(20) DEFAULT NULL,
  `product_name` varchar(50) NOT NULL DEFAULT '',
  `productor` varchar(30) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO `order_info` (`id`, `user_id`, `product_name`, `productor`)
VALUES
	(1,1,'p1','WHH'),
	(2,1,'p2','WL'),
	(3,1,'p1','DX'),
	(4,2,'p1','WHH'),
	(5,2,'p5','WL'),
	(6,3,'p3','MA'),
	(7,4,'p1','WHH'),
	(8,6,'p1','WHH'),
	(9,9,'p8','TE');

初體驗，執行Explain的效果：

sql: explain select * from order_info;

索引使用情況在possiblekeys、key和keylen三列，接下來我們先從左到右依次講解。

1.id

-- id相同，執行順序由上而下
sql: explain select u.*,o.* from user_info u,order_info o where u.id=o.user_id;

-- id不同，值越大越先被執行
sql: explain select * from user_info where id=(select user_id from order_info where product_name="p8");

2.select_type

可以看id的執行例項，總共有以下幾種型別：

SIMPLE：表示此查詢不包含 UNION 查詢或子查詢
PRIMARY：表示此查詢是最外層的查詢
SUBQUERY：子查詢中的第一個 SELECT
UNION：表示此查詢是 UNION 的第二或隨後的查詢
DEPENDENT UNION： UNION 中的第二個或後面的查詢語句, 取決於外面的查詢
UNION RESULT, UNION 的結果
DEPENDENT SUBQUERY: 子查詢中的第一個 SELECT, 取決於外面的查詢. 即子查詢依賴於外層查詢的結果.
DERIVED：衍生，表示匯出表的SELECT（FROM子句的子查詢）

3.table

table表示查詢涉及的表或衍生的表：

sql: explain select tt.* from (select u.* from user_info u,order_info o where u.id=o.user_id and u.id=1) tt;

id為1的的表示id,id為2的u和o表衍生出來的。

4.type

type 欄位比較重要，它提供了判斷查詢是否高效的重要依據依據。通過 type 欄位，我們判斷此次查詢是全表掃描還是索引掃描等。

sql: explain select tt.* from (select u.* from user_info u,order_info o where u.id=o.user_id and u.id=1) tt;

type 常用的取值有:

system: 表中只有一條資料，這個型別是特殊的 const 型別。
const: 針對主鍵或唯一索引的等值查詢掃描，最多隻返回一行資料。 const 查詢速度非常快，因為它僅僅讀取一次即可。例如下面的這個查詢，它使用了主鍵索引，因此 type 就是 const 型別的：explain select * from user_info where id = 2；
eqref: 此型別通常出現在多表的 join 查詢，表示對於前表的每一個結果，都只能匹配到後表的一行結果。並且查詢的比較操作通常是 =，查詢效率較高。例如：explain select * from userinfo, orderinfo where userinfo.id = orderinfo.userid;
ref: 此型別通常出現在多表的 join 查詢，針對於非唯一或非主鍵索引，或者是使用了最左字首規則索引的查詢。例如下面這個例子中，就使用到了 ref 型別的查詢：explain select * from userinfo, orderinfo where userinfo.id = orderinfo.userid AND orderinfo.user_id = 5
range: 表示使用索引範圍查詢，通過索引欄位範圍獲取表中部分資料記錄。這個型別通常出現在 =, <>, >, >=, <, <=, IS NULL, <=>, BETWEEN, IN() 操作中。例如下面的例子就是一個範圍查詢：explain select * from user_info where id between 2 and 8；
index: 表示全索引掃描(full index scan)，和 ALL 型別類似，只不過 ALL 型別是全表掃描，而 index 型別則僅僅掃描所有的索引，而不掃描資料。index 型別通常出現在：所要查詢的資料直接在索引樹中就可以獲取到, 而不需要掃描資料。當是這種情況時，Extra 欄位會顯示 Using index。
ALL: 表示全表掃描，這個型別的查詢是效能最差的查詢之一。通常來說，我們的查詢不應該出現 ALL 型別的查詢，因為這樣的查詢在資料量大的情況下，對資料庫的效能是巨大的災難。如一個查詢是 ALL 型別查詢，那麼一般來說可以對相應的欄位新增索引來避免。

通常來說, 不同的 type 型別的效能關係如下：ALL < index < range ~ indexmerge < ref < eqref < const < system ALL 型別因為是全表掃描，因此在相同的查詢條件下，它是速度最慢的。而 index 型別的查詢雖然不是全表掃描，但是它掃描了所有的索引，因此比 ALL 型別的稍快.後面的幾種型別都是利用了索引來查詢資料，因此可以過濾部分或大部分資料，因此查詢效率就比較高了。

5.possible_keys

它表示 mysql 在查詢時，可能使用到的索引。注意，即使有些索引在 possible_keys 中出現，但是並不表示此索引會真正地被 mysql 使用到。 mysql 在查詢時具體使用了哪些索引，由 key 欄位決定。

6.key

此欄位是 mysql 在當前查詢時所真正使用到的索引。比如請客吃飯,possible_keys是應到多少人，key是實到多少人。當我們沒有建立索引時：

sql: explain select o.* from order_info o where o.`product_name`='p1' and o.`productor`='whh';
-- 建立符合索引
create index idx_name_productor on order_info (product_name,productor);
-- 刪除索引
drop index idx_name_productor on order_info;

7.key_len

表示查詢優化器使用了索引的位元組數，這個欄位可以評估組合索引是否完全被使用。

8.ref

這個表示顯示索引的哪一列被使用了，如果可能的話,是一個常量。前文的type屬性裡也有ref，注意區別。

9.rows

rows 也是一個重要的欄位，mysql 查詢優化器根據統計資訊，估算 sql 要查詢到結果集需要掃描讀取的資料行數，這個值非常直觀的顯示 sql 效率好壞，原則上 rows 越少越好。可以對比key中的例子，一個沒建立索引錢，rows是9，建立索引後，rows是4。

10.extra

sql: explain select o.* from order_info o where product_name like 'p%' order by product_name;

explain 中的很多額外的資訊會在 extra 欄位顯示, 常見的有以下幾種內容:

using filesort ：表示 mysql 需額外的排序操作，不能通過索引順序達到排序效果。一般有 using filesort都建議優化去掉，因為這樣的查詢 cpu 資源消耗大。
using index：覆蓋索引掃描，表示查詢在索引樹中就可查詢所需資料，不用掃描表資料檔案，往往說明效能不錯。
using temporary：查詢有使用臨時表, 一般出現於排序，分組和多表 join 的情況，查詢效率不高，建議優化。
using where ：表名使用了where過濾。

五、優化案例

sql: explain select u.*,o.* from user_info u left join order_info o on o.user_id = u.id;

執行結果，type有ALL，並且沒有索引：

開始優化，在關聯列上建立索引，明顯看到type列的ALL變成ref，並且用到了索引，rows也從掃描9行變成了1行：

這裡面一般有個規律是：左連結索引加在右表上面，右連結索引加在左表上面。

六、是否需要建立索引？

索引雖然能非常高效的提高查詢速度，同時卻會降低更新表的速度。實際上索引也是一張表，該表儲存了主鍵與索引欄位，並指向實體表的記錄，所以索引列也是要佔用空間的。試例參考：

MySQL索引分析？及優化

一、導致SQL執行慢的原因：

二、分析原因時，一定要找切入點：

三、什麼是索引？

四、Explain分析