最左前綴原理與相關(guān)優(yōu)化

        高效使用索引的首要條件是知道什么樣的查詢會使用到索引，這個問題和B+Tree中的“最左前綴原理”有關(guān)，下面通過例子說明最左前綴原理。這里先說一下聯(lián)合索引的概念。在上文中，我們都是假設(shè)索引只引用了單個的列，實際上，MySQL中的索引可以以一定順序引用多個列，這種索引叫做聯(lián)合索引，一般的，一個聯(lián)合索引是一個有序元組<a1,a2, …, an>，其中各個元素均為數(shù)據(jù)表的一列，實際上要嚴(yán)格定義索引需要用到關(guān)系代數(shù)，但是這里我不想討論太多關(guān)系代數(shù)的話題，因為那樣會顯得很枯燥，所以這里就不再做嚴(yán)格定義。另外，單列索引可以看成聯(lián)合索引元素數(shù)為1的特例。

        以employees.titles表為例，下面先查看其上都有哪些索引：

        SHOW INDEX FROM employees.titles; 

        從結(jié)果中可以到titles表的主索引為<emp_no, title, from_date>，還有一個輔助索引<emp_no>。為了避免多個索引使事情變復(fù)雜（MySQL的SQL優(yōu)化器在多索引時行為比較復(fù)雜），這里我們將輔助索引drop掉：

        ALTER TABLE employees.titles DROP INDEX emp_no;

        這樣就可以專心分析索引PRIMARY的行為了。

        情況一：全列匹配。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title='Senior Engineer'

        AND from_date='1986-06-26'; 

        很明顯，當(dāng)按照索引中所有列進行精確匹配（這里精確匹配指“=”或“IN”匹配）時，索引可以被用到。這里有一點需要注意，理論上索引對順序是敏感的，但是由于MySQL的查詢優(yōu)化器會自動調(diào)整where子句的條件順序以使用適合的索引，例如我們將where中的條件順序顛倒：

        EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26' AND

        emp_no='10001' AND title='Senior Engineer'; 

        效果是一樣的。

        情況二：最左前綴匹配。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001'; 

        當(dāng)查詢條件精確匹配索引的左邊連續(xù)一個或幾個列時，如<emp_no>或<emp_no, title>，所以可以被用到，但是只能用到一部分，即條件所組成的最左前綴。上面的查詢從分析結(jié)果看用到了PRIMARY索引，但是key_len為4，說明只用到了索引的第一列前綴。

        情況三：查詢條件用到了索引中列的精確匹配，但是中間某個條件未提供。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26'; 

        此時索引使用情況和情況二相同，因為title未提供，所以查詢只用到了索引的第一列，而后面的from_date雖然也在索引中，但是由于title不存在而無法和左前綴連接，因此需要對結(jié)果進行掃描過濾from_date（這里由于emp_no唯一，所以不存在掃描）。如果想讓from_date也使用索引而不是where過濾，可以增加一個輔助索引<emp_no, from_date>，此時上面的查詢會使用這個索引。除此之外，還可以使用一種稱之為“隔離列”的優(yōu)化方法，將emp_no與from_date之間的“坑”填上。

        首先我們看下title一共有幾種不同的值：

        SELECT DISTINCT(title) FROM employees.titles; 

        只有7種。在這種成為“坑”的列值比較少的情況下，可以考慮用“IN”來填補這個“坑”從而形成最左前綴：

        EXPLAIN SELECT * FROM employees.titles

        WHERE emp_no='10001'

        AND title IN ('Senior Engineer', 'Staff', 'Engineer', 'Senior Staff', 'Assistant Engineer', 'TechniqueLeader', 'Manager') AND from_date='1986-06-26';  

        這次key_len為59，說明索引被用全了，但是從type和rows看出IN實際上執(zhí)行了一個range查詢，這里檢查了7個key?？聪聝煞N查詢的性能比較：

        SHOW PROFILES; 

        “填坑”后性能提升了一點。如果經(jīng)過emp_no篩選后余下很多數(shù)據(jù)，則后者性能優(yōu)勢會更加明顯。當(dāng)然，如果title的值很多，用填坑就不合適了，必須建立輔助索引。

        情況四：查詢條件沒有指定索引第一列。

        EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26'; 

        由于不是最左前綴，索引這樣的查詢顯然用不到索引。

        情況五：匹配某列的前綴字符串。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title LIKE 'Senior%'; 

        此時可以用到索引，但是如果通配符不是只出現(xiàn)在末尾，則無法使用索引。（原文表述有誤，如果通配符%不出現(xiàn)在開頭，則可以用到索引，但根據(jù)具體情況不同可能只會用其中一個前綴）

        情況六：范圍查詢。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no < '10010' and title='Senior Engineer'; 

        范圍列可以用到索引（必須是最左前綴），但是范圍列后面的列無法用到索引。同時，索引最多用于一個范圍列，因此如果查詢條件中有兩個范圍列則無法全用到索引。

        EXPLAIN SELECT * FROM employees.titles

        WHERE emp_no < '10010'

        AND title='Senior Engineer'

        AND from_date BETWEEN '1986-01-01' AND '1986-12-31'; 

        可以看到索引對第二個范圍索引無能為力。這里特別要說明MySQL一個有意思的地方，那就是僅用explain可能無法區(qū)分范圍索引和多值匹配，因為在type中這兩者都顯示為range。同時，用了“between”并不意味著就是范圍查詢，例如下面的查詢：

        EXPLAIN SELECT * FROM employees.titles

        WHERE emp_no BETWEEN '10001' AND '10010'

        AND title='Senior Engineer'

        AND from_date BETWEEN '1986-01-01' AND '1986-12-31'; 

        看起來是用了兩個范圍查詢，但作用于emp_no上的“BETWEEN”實際上相當(dāng)于“IN”，也就是說emp_no實際是多值精確匹配?？梢钥吹竭@個查詢用到了索引全部三個列。因此在MySQL中要謹慎地區(qū)分多值匹配和范圍匹配，否則會對MySQL的行為產(chǎn)生困惑。

        情況七：查詢條件中含有函數(shù)或表達式。

        很不幸，如果查詢條件中含有函數(shù)或表達式，則MySQL不會為這列使用索引（雖然某些在數(shù)學(xué)意義上可以使用）。例如：

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND left(title, 6)='Senior';  

        雖然這個查詢和情況五中功能相同，但是由于使用了函數(shù)left，則無法為title列應(yīng)用索引，而情況五中用LIKE則可以。再如：

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no - 1='10000'; 

        顯然這個查詢等價于查詢emp_no為10001的函數(shù)，但是由于查詢條件是一個表達式，MySQL無法為其使用索引?？磥鞰ySQL還沒有智能到自動優(yōu)化常量表達式的程度，因此在寫查詢語句時盡量避免表達式出現(xiàn)在查詢中，而是先手工私下代數(shù)運算，轉(zhuǎn)換為無表達式的查詢語句。

        索引選擇性與前綴索引

        既然索引可以加快查詢速度，那么是不是只要是查詢語句需要，就建上索引？答案是否定的。因為索引雖然加快了查詢速度，但索引也是有代價的：索引文件本身要消耗存儲空間，同時索引會加重插入、刪除和修改記錄時的負擔(dān)，另外，MySQL在運行時也要消耗資源維護索引，因此索引并不是越多越好。一般兩種情況下不建議建索引。

        第一種情況是表記錄比較少，例如一兩千條甚至只有幾百條記錄的表，沒必要建索引，讓查詢做全表掃描就好了。至于多少條記錄才算多，這個個人有個人的看法，我個人的經(jīng)驗是以2000作為分界線，記錄數(shù)不超過 2000可以考慮不建索引，超過2000條可以酌情考慮索引。

        另一種不建議建索引的情況是索引的選擇性較低。所謂索引的選擇性（Selectivity），是指不重復(fù)的索引值（也叫基數(shù)，Cardinality）與表記錄數(shù)（#T）的比值：

        Index Selectivity = Cardinality / #T

        顯然選擇性的取值范圍為(0, 1]，選擇性越高的索引價值越大，這是由B+Tree的性質(zhì)決定的。例如，上文用到的employees.titles表，如果title字段經(jīng)常被單獨查詢，是否需要建索引，我們看一下它的選擇性：

        SELECT count(DISTINCT(title))/count(*) AS Selectivity FROM employees.titles; 

        title的選擇性不足0.0001（精確值為0.00001579），所以實在沒有什么必要為其單獨建索引。有一種與索引選擇性有關(guān)的索引優(yōu)化策略叫做前綴索引，就是用列的前綴代替整個列作為索引key，當(dāng)前綴長度合適時，可以做到既使得前綴索引的選擇性接近全列索引，同時因為索引key變短而減少了索引文件的大小和維護開銷。下面以employees.employees表為例介紹前綴索引的選擇和使用。

        從圖12可以看到employees表只有一個索引<emp_no>，那么如果我們想按名字搜索一個人，就只能全表掃描了：

        EXPLAIN SELECT * FROM employees.employees WHERE first_name='Eric' AND

        last_name='Anido'; 

        如果頻繁按名字搜索員工，這樣顯然效率很低，因此我們可以考慮建索引。有兩種選擇，建<first_name>或<first_name, last_name>，看下兩個索引的選擇性：

        SELECT count(DISTINCT(first_name))/count(*) AS Selectivity FROM employees.employees; 

        SELECT count(DISTINCT(concat(first_name, last_name)))/count(*) AS Selectivity FROM employees.employees;

        <first_name>顯然選擇性太低，<first_name, last_name>選擇性很好，但是first_name和last_name加起來長度為30，有沒有兼顧長度和選擇性的辦法？可以考慮用first_name和last_name的前幾個字符建立索引，例如<first_name, left(last_name, 3)>，看看其選擇性：

        SELECT count(DISTINCT(concat(first_name, left(last_name, 3))))/count(*) AS Selectivity FROM employees.employees; 

        選擇性還不錯，但離0.9313還是有點距離，那么把last_name前綴加到4：

        SELECT count(DISTINCT(concat(first_name, left(last_name, 4))))/count(*) AS Selectivity FROM employees.employees;

        這時選擇性已經(jīng)很理想了，而這個索引的長度只有18，比<first_name, last_name>短了接近一半，我們把這個前綴索引 建上：

        ALTER TABLE employees.employees

        ADD INDEX `first_name_last_name4` (first_name, last_name(4));

        此時再執(zhí)行一遍按名字查詢，比較分析一下與建索引前的結(jié)果：

        SHOW PROFILES;

        性能的提升是顯著的，查詢速度提高了120多倍。

        前綴索引兼顧索引大小和查詢速度，但是其缺點是不能用于ORDER BY和GROUP BY操作，也不能用于Covering index（即當(dāng)索引本身包含查詢所需全部數(shù)據(jù)時，不再訪問數(shù)據(jù)文件本身）。

        補充該節(jié)中的"范圍查詢"說明:

        Mysql對于范圍查詢range分的優(yōu)化為單字段優(yōu)化和多元素優(yōu)化:

        單元素索引范圍條件的定義如下： 

        對于BTREE和HASH索引，當(dāng)使用=、<=>、IN、IS NULL或者IS NOT NULL操作符時，關(guān)鍵元素與常量值的比較關(guān)系對應(yīng)一個范圍條件,即const范圍。

        對于BTREE索引，當(dāng)使用>、<、>=、<=、BETWEEN、!=或者<>，或者LIKE 'pattern'(其中'pattern'不以通配符開始)操作符時，關(guān)鍵元素與常量值的比較關(guān)系對應(yīng)一個范圍條件。

        對于所有類型的索引，多個范圍條件結(jié)合OR或AND則產(chǎn)生一個范圍條件。

        前面描述的“常量值”系指：

        查詢字符串中的常量

        同一聯(lián)接中的const或system表中的列

        無關(guān)聯(lián)子查詢的結(jié)果

        完全從前面類型的子表達式組成的表達式

        多元素索引的范圍條件:

        1.對于BTREE索引，區(qū)間可以對結(jié)合AND的條件有用，其中每個條件用一個常量值通過=、<=>、ISNULL、>、<、>=、<=、!=、<>、BETWEEN或者LIKE 'pattern' (其中'pattern'不以通配符開頭)比較一個關(guān)鍵元素。區(qū)間可以足夠長以確定一個包含所有匹配條件(或如果使用<>或!=，為兩個區(qū)間)的記錄的單key_part1元 'foo' AND key_part2 >= 10 AND key_part3 > 10

        2.對于HASH索引，可以使用包含相同值的每個區(qū)間。

        key_part1 cmp const1 AND key_part2 cmp const2 AND ... AND key_partN cmp constN;

        這里，const1，const2，...為常量，cmp是=、<=>或者IS NULL比較操作符之一，條件包括所有索引部分。(也就是說，有N 個條件，每一個對應(yīng)N-元素索引的每個部分）。

        3. 如果包含區(qū)間內(nèi)的一系列記錄的條件結(jié)合使用OR，則形成包括一系列包含在區(qū)間并集的記錄的一個條件。如果條件結(jié)合使用了AND，則形成包括一系列包含在區(qū)間交集內(nèi)的記錄的一個條件。例如，對于兩部分索引的條件 AND key_part2 < 2) OR (key_part1 > 5)區(qū)間為：

        (1, -inf)   < (key_part1, key_part2) < (1, 2)

        (5, -inf)   < (key_part1, key_part2)