一篇文章掌握MySQL的索引查询优化技巧

前言

本文的内容是总结一些MySQL的常见使用技巧，以供没有DBA的团队参考。如无特殊说明，存储引擎以InnoDB为准。

MySQL的特点

了解MySQL的特点有助于更好的使用MySQL，MySQL和其它常见数据库最大的不同在于存在存储引擎这个概念，存储引擎负责存储和读取数据。不同的存储引擎具有不同的特点，用户可以根据业务的特点选择适合的存储引擎，甚至是开发一个新的引擎。MySQL的逻辑架构大致如下：

MySQL默认的存储引擎是InnoDB，该存储引擎的主要特点是：

• 支持事务处理
• 支持行级锁
• 数据存储在表空间中，表空间由一些列数据文件组成
• 采用MVVC(多版本并发控制)机制实现高并发
• 表基于主键的聚簇索引建立
• 支持热备份
  

其它常见存储引擎特点概述：

• MyISAM：老版本MySQL的默认引擎，不支持事务和行级锁，开发者可以手动控制表锁；支持全文索引；崩溃后无法安全恢复；支持压缩表，压缩表数据不可修改，但占用空间较少，可以提高查询性能
• Archive：只支持Insert和Select，批量插入很快，通过全表扫描查询数据
• SCV：把一个SCV文件当做一个表处理
• Memory：数据存储在内存中
  

还有很多，不再一一列举。

数据类型优化

选择数据类型的原则：

• 选择占用空间小的数据类型
• 选择简单的类型
• 避免不必要的可空列
  

占用空间小的类型更节省硬件资源，如磁盘、内存和CPU。尽量使用简单的类型，如能用 int 就不用 char ，因为后者的排序涉及到字符集的选择，比使用 int 复杂。可空列使用更多的存储空间，如果在可空列上创建索引，MySQL需要额外的字节做记录。创建表时，默认都是可空，容易被开发者忽视，最好是手动改为不可空，如果要存储的数据确实不会有空值的话。

整型类型

整型类型包括 ：

• tinyint
• smallint
• mediumint
• int
• bigint
  

它们分别使用8、16、24、32和64位存储数字，它们可以表示

范围的数字，前面可以加unsigned修饰，这样可以让正数的可表示范围提高1倍，但是无法表示负数。另外，为整型指定长度没什么卵用，数据类型定下来，长度也就相应定下来了。

小数类型

• float
• double
• decimal
  

float 和 double 就是通常意义上的 float 和 double ，前者使用32位存储数据，后者使用64位存储数据，和整型一样，为它们指定长度没什么卵用。

decimal 类型比较复杂，支持精确计算，占用的空间也大， decimal 使用每4个字节表示9个数字，如 decimal(18,9) 表示数字长度是18，其中小数位9个数字，整数部分9个数字，加上小数点本身，共占用9个字节。考虑到 decimal 占用空间较多，以及精度计算很复杂，数据量大的时候可以考虑用 bigint 代替之，可以在持久化和读取前对真实数据进行一些缩放操作。

字符串类型

• varchar
• char
• varbinary
• binary
• blob
• text
• 枚举

varchar类型数据实际占用空间等于字符串的长度加上1个或2个用来记录字符串长度的字节（当row-format没有被设置为fixed时），varchar很节省空间。当表中某列字符串类型的数据长度差别较大时适合使用varchar。

char的实际占用空间是固定的，当表中字符串数据的长度相差无几或很短时适合使用chart类型。

与varchar和char对应的有varbinary和binary，后者存储的是二进制字符串，和前者相比，后者大小写敏感，不用考虑编码方式，执行比较操作时更快。

需要注意的是：虽然varchar(5)和varchar(200)在存储“hello”这个字符串时使用相同的存储空间，但并不意味着将varchar的长度设置太大不会影响性能，实际上，MySQL的某些内部计算，比如创建内存临时表时（某些查询会导致MySQL自动创建临时表），会分配固定大小的空间存放数据。

blob使用二进制字符串保存大文本，text使用字符保存大文本，InnoDB会使用专门的外部存储区来存放此类数据，数据行内仅存放指向他们的指针，此类数据不宜创建索引（要创建也只能正对字符串前缀创建），不过也不会有人这么干。

如果某列字符串大量重复且内容有限，可使用枚举代替，MySQL处理枚举时维护了一个“数字-字符串”表，使用枚举可以减少很多存储空间。

时间类型

• year
• date
• time
• datetime
• timestamp
  

datetime存储范围是1001到9999，精确到秒。timestamp存储1970年1月1日午夜以来的秒数，可以表示到2038年。占用4个字节，是datetime占用空间的一半。timestamp表示的时间和时区有关，另外timestamp列还有个特性，执行insert或update语句时，MySQL会自动更新第一个类型为timestamp的列的数据为当前时间。很多表中都有设计有一列叫做UpdateTime，这个列使用timestamp倒是挺合适的，会自动更新，前提是系统不会使用到2038年。

主键类型的选择

尽可能使用整型，整型占用空间少，还可以设置为自动增长。尤其别使用GUID，MD5等哈希值字符串作为主键，这类字符串随机性很大，由于InnoDB主键默认是聚簇索引列，所以导致数据存储太分散。另外，InnoDB的二级索引列中默认包含主键列，如果主键太长，也会使得二级索引很占空间。

特殊类型的数据

存储IP最好使用32位无符号整型，MySQL提供了函数inet_aton()和inet_ntoa()进行IP地址的数字表示和字符串表示之间的转换。

索引优化

InnoDB使用B+树实现索引，举个例子，假设有个People，建表语句如下

CREATE TABLE `people` (
 `Id` int(11) NOT NULL AUTO_INCREMENT,
 `Name` varchar(5) NOT NULL,
 `Age` tinyint(4) NOT NULL,
 `Number` char(5) NOT NULL COMMENT '编号',
 PRIMARY KEY (`Id`),
 KEY `i_name_age_number` (`Name`,`Age`,`Number`)
) ENGINE=InnoDB AUTO_INCREMENT=14 DEFAULT CHARSET=utf8;

插入数据：

它的索引结构大致是这样的：

也就是说，索引列的顺序很重要，如果两行数据的Name列相同，则用Age列比较大小，如果Age列相同，则用Number列比较大小。先用第一列排序，然后是第二列，最后是第三列。

查询的使用应该尽量从左往右匹配，另外，如果左边列范围查找，右边列无法使用索引；还有就是不能隔列查询，否则后面的索引也无法使用到。如以下几个SQL是正面范例：

• SELECT * from people where Name ='Abel' and Age = 2 AND Number = 12312
• SELECT * from people where Name ='Abel'
• SELECT * from people where Name like ‘Abel%'
• SELECT * from people where Name = ‘Andy' and Age BETWEEN 11 and 20
• SELECT * from people ORDER BY NAME
• SELECT * from people ORDER BY NAME, Age
• SELECT * from people GROUP BY Name
  

以下几个SQL是反面范例：

• SELECT * from people where Age = 2
• SELECT * from people where NAME like ‘%B'
• SELECT * from people where age = 2
• SELECT * from people where NAME = ‘ABC' AND number = 3
• SELECT * from people where NAME like ‘B%' and age = 22
  

一个使用Hash值创建索引的技巧

如果表中有一列存储较长字符串，假设名字为URL，在此列上创建的索引比较大，有个办法可以缓解：创建URL字符串的数字哈希值的索引。再新建一个字段，比如叫做URL_CRC，专门放置URL的哈希值，然后给这个字段创建索引，查询时这样写：

select * from t where URL_CRC = 387695885 and URL = 'www.baidu.com'

如果数据量比较多，为防止哈希冲突，可自定义哈希函数，或用MD5函数返回值的一部分作为哈希值：

SELECT CONV(RIGHT(MD5('www.baidu.com'),16), 16, 10)

前缀索引

如果字符串列存储的数据较长，创建的索引也很大，这时可以使用前缀索引，即：只针对字符串前几个字符做索引，这样可以缩短索引的大小，不过，显然，此类索引在执行 order by 和 group by 时不起作用。

创建前缀索引时选择前缀长度很重要，在不破坏原来数据分布的情况下尽可能选择较短的前缀。举个例子，如果如果大部分字符串是以”abc”开头，那么如果限定前缀索引长度为4，索引值会包含太多的重复的”abcX”。

多列索引

上面提到的“People”上创建的索引即为多列索引，多列索引往往比多个单列索引更好。

• 对多个索引进行and查询时，应该创建多列索引，而不是多个单列索引
• 可以试试这样写的效果：
  

select * from t where f1 = 'v1' and f2 <> 'v2' union all select * from t where f2 = 'v2' and f1 <> 'v1'

多列索引的顺序很重要，通常，不考虑排序和分组查询时，应该把选择性（选择性是指某表索引列不同数据的个数/总行数。选择性高意味着重复数据少）大的列放到前面。但也有例外，如果能确认某些查询是频繁执行的，则应该优先照顾这些查询的选择性，比如，如果上面的People表中Name的选择性大于Age，查询语句应该这样写:

select * from people where name = 'xxx' and age = xx

Name列放了索引中的左侧比较合适，但是如果某个SQL执行的评率最高，比如

select * from people where name = 'xxx' and age = 20

当age=20的记录在数据库中非常少时，反而把age放到索引列的左端效率更高。把age放了索引左端可能对其它age不等于20的查询来说不公平，如果不能确定age=20是最非常频繁的查询条件，还是要综合考虑，把name放了左侧合适。

聚簇索引

聚簇索引是一种数据存储结构，InnoDB在主键的索引的叶子节点中直接保存了数据行，而不是像二级索引那样只是保存了索引列的值和所指向行的主键值。由于这个特性，一个表只能有一个聚簇索引。如果一个表没有定义主键也没有定义具有唯一索引的列，那么InnoDB会生成一个隐藏列，并且在此列设为聚簇索引列。

覆盖索引

简单地说，某些查询只需要查询索引列，那么就不用再根据索引B树节点记录的主键ID进行二次查询了。

重复索引和冗余索引

如果重复在某列创建索引，并不会带来任何好处，只有坏处，应该尽量避免。比如给主键创建唯一索引和普通索引就是多于的，因为InnoDB的主键默认就是聚簇索引了。

冗余索引和重复索引不同，比如某个索引是(A,B)，另一个索引是（A），这叫冗余索引，前者可以代替后者，后者不可以代替前者的作用。但是(A,B)和（B）以及（A,B）和（B,A）不算冗余索引，起作用谁也代替不了谁。

如果一个表中已经存在索引(A)，现在又想创建索引(A,B),那么只需扩展就的索引就可以，没有必要创建新的索引。需要注意的是如果已经存在索引(A)，那么也没有必要在创建索引(A,ID)，其中ID指主键，因为索引A默认已经包含了主键了，也算是冗余主键。

但是，有时候，冗余索引也是可取的，假设已经存在索引(A)，将其扩展为(A,B)后，因为B列是一个很长的类型，导致用A单独查询时没有以前快了，这时可以考虑新创建索引(A,B)。

不使用的索引

不使用的索引徒然增加insert、update和delete的效率，应该及时删除

索引使用总结

索引的三星原则：

• 索引将查询相关的记录按顺序放在一起则得一星
• 索引中的数据顺序和查询结果的排序一致则得一星
• 索引中包含了查询所需要的全部列则得一星
  

第一个条原则的意思是where条件中查询的顺序和索引是一致的，就是前面说的从左到右使用索引。

索引不是万能的，当数据量巨大时，维护索引本身也是耗费性能的，应该考虑分区分表存储。

查询优化

查询慢的原因

是否向数据库请求了多余的行

比如应用程序只需要10条数据，但是却向数据库请求了所有的数据，在显示在UI上之前抛弃了大部分数据。

是否向数据库请求了多余的列

比如应用程序只需要展现5列，但却通过select * from 把全部的列都查了出来

是否重复多次执行了相同的查询

应用程序是否可以考虑一次查询然后缓存，后面的用到时可以使用第一次查询出来的记录。

MySQL是否在扫描额外的记录

通过查看执行计划可以大概了解需要扫描的记录数，如果这个数字超出了预期，尽可能通过添加索引、优化SQL（就是本节的重点），或者改变表结构（如新增一个单独的汇总表，专门供某个语句查询用）来解决。

重构查询的方式

• 将一个复杂的查询分解成多个简单的查询
• 将大的查询切分成小的查询，每次查询功能一样，只完成一小部分
• 分解关联查询。可以将一个大的关联查询改成分别查询若干个表，然后在应用程序代码中处理
  

杂七杂八

优化count()

Count有两个作用，一是统计指定的列或表达式，二是统计行数。如果参数传入一列名或者是一个表达式，那么count会统计所有结果不为NULL的行数，如果参数是*，那么count会统计所有行数。这里有一个传表达式的例子：

SELECT count(name like 'B%') from people

• 可以使用近似值优化来代替count()，如执行计划中的行数。
• 索引覆盖扫描
• 增加汇总表
• 增加内存缓存系统记录数据条数
  

关联查询的优化

• MySQL优化器关联表查询是这样进行的，比如有两个表A和B通过c列关联，MySQL会遍历A表，然后根据遍历到的c列的值去B表中查找数据。综上所述，通常，如无只需要给B表的c列加上索引即可
• 确保order by和group by涉及到的列只属于一个表，这样才有可能发挥索引的作用
  

优化子查询

对于MySQL5.5及以下版本，尽量用连接代替子查询。

优化group by、distinct

如果可能，尽量对主键施加这两种操作。

优化limit，比如有SQL

SELECT * from sa_stockinfo ORDER BY StockAcc LIMIT 400, 5

MySQL优化器会查找405行所有列数据然后丢弃400。如果能利用覆盖索引查询则不必查询出这么多列，先修改为：

SELECT * FROM sa_stockinfo i JOIN (SELECT StockInfoID FROM sa_stockinfo ORDER BY StockAcc LIMIT 400,5)t ON i.StockInfoID = t.StockInfoID

StockAcc上建有索引，该查询会利用索引覆盖，较快找出符合条件的主键，然后在做联合查询，在数据量大的时候效果明显。

优化union

如无必要，一定要用关键字 union all，这样MySQL把数据放到临时表时不会再做唯一性验证

判断某条记录是否存在，通常的做法是

select count(*) from t where condition

最好这样写：

SELECT IFNULL((SELECT 1 from tableName where condition LIMIT 1),0)

总结