本文源碼:GitHub·點這裏 || GitEE·點這裏mysql
在MySQL使用的過程當中,所謂的性能問題,在大部分的場景下都是指查詢的性能,致使查詢緩慢的根本緣由是數據量的不斷變大,解決查詢性能的最多見手段是:針對查詢的業務場景,設計合理的索引結構。git
索引的使用並非越多越好,而是針對業務下的查詢場景,不斷的改進和優化,例如電商系統中用戶訂單的場景,假設存在以下表結構:github
CREATE TABLE `ds_user` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id', `user_name` varchar(20) DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='用戶表'; CREATE TABLE `ds_order` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id', `user_id` int(11) NOT NULL COMMENT '用戶ID', `order_no` varchar(60) NOT NULL COMMENT '訂單號', `product_name` varchar(50) DEFAULT NULL COMMENT '產品名稱', `number` int(11) DEFAULT '1' COMMENT '個數', `unit_price` decimal(10,2) DEFAULT '0.00' COMMENT '單價', `total_price` decimal(10,2) DEFAULT '0.00' COMMENT '總價', `order_state` int(2) DEFAULT '1' COMMENT '1待支付,2已支付,3已發貨,4已簽收', `order_remark` varchar(50) DEFAULT NULL COMMENT '訂單備註', `create_time` datetime DEFAULT NULL COMMENT '建立時間', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='訂單表';
用戶和訂單管理表,在電商的業務中很常見,能夠經過對該業務分析,看看經常使用的索引結構:sql
用戶方:數據庫
運營方:服務器
這樣一個流程分析走下來,便可以在開發初期,肯定哪些結構是查詢必須用到的,預先作好索引結構,避免數據量龐大到影響性能時再去考慮使用索引。架構
有些時候會考慮放棄一些查詢條件,例如基於產品名稱的數據統計,走定時任務的方式,用來緩解表的查詢壓力,處理的方式是多樣的。併發
優秀的索引設計,都是創建在對業務數據的理解上,考慮業務數據的查詢方式,提升查詢效率。函數
單列索引,即索引創建在表的一個字段上,一個表能夠有多個單列索引,使用起來相對比較簡單:性能
CREATE INDEX user_id_index ON ds_order(user_id) USING BTREE;
主鍵索引,或者上述的user_id_index都是單列索引。
業務場景:基於用戶本身對訂單查詢,和管理系統,訂單和用戶的關聯查詢,因此訂單表的user_id須要一個索引。
組合索引包含兩個或兩個以上的列,組合索引相比單列索引複雜不少,如何創建組合索引,和業務關聯度很是高,在使用組合索引時,還須要考慮查詢條件的順序。
CREATE INDEX state_create_time_index ON `ds_order`(`create_time`,`order_state`);
如上就是組合索引,實際包含的是2個索引 (create_time) (create_time,order_state),這樣查詢就涉及到最左前綴的原則,必須按照順序來查詢,這裏下面詳說。
業務場景:首先單說這裏組合索引,在業務開發中,常見訂單狀態的統計,基於統計結果作運營分析,另外就是在運營系統中,基於建立時間段的篩選條件是默認存在的,避免所有數據實時掃描;一些其餘的常見查詢也都是條件加時間段的查詢模式。
若是須要加索引的列是很長的字符串,那麼索引會變的龐大臃腫,起到的效果可能並非很明顯。這時候能夠截取列的前面一部分,建立索引,節省空間,這樣可能會出現索引的選擇性降低,即基於前綴索引查詢出的類似數據可能不少:
ALTER TABLE ds_order ADD KEY (order_no(30)) ;
這裏因爲訂單號太長,因此選擇前面30位做爲前綴索引,用做訂單號的查詢,固然這裏涉及到一個很是經典的業務場景,訂單號機制。
業務場景:前綴索引一個典型的應用場景就是處理訂單號,一個看似很長的訂單號,其實包含的信息很是多:
如此一段分析下來,實際訂單號是很是長的,因此須要引入前綴索引機制,前綴索引指望使用的索引長度能夠篩選整個列的基數,例如上面的訂單號:
注意:若是業務容許的狀況下,通常要求前綴索引的長度有惟一性,例如上面的時間和標示位。
例如全文索引等,這些用到的場景很少,若是數據龐大,又須要檢索等,一般會選擇強大的搜索中間件來處理。顯式惟一索引,這種也會在程序上作規避,避免不友好的異常被拋出。
如何建立最優的索引,是一件不容易的事情,一樣在查詢的時候,是否使用索引也是一件難度極大的事情,經驗之談:多數是性能問題暴露的時候,纔會回頭審視查詢的SQL語句,針對性能問題,作相應的查詢優化。
這裏直接查詢主鍵索引,MySQL的主鍵通常選擇自增,因此速度很是快。
EXPLAIN SELECT * FROM ds_order WHERE id=2; EXPLAIN SELECT * FROM ds_order WHERE id=1+1; EXPLAIN SELECT * FROM ds_order WHERE id+1=1;
這裏,id=2,id=1+1,MySQL均可以自動解析,可是id+1是在索引列上執行運算,直接致使主鍵索引失效。這裏有一個基本策略,若是非要在單列索引上作操做,能夠將該邏輯放在程序中,到MySQL層面,SQL語句越乾淨利落越好。
前綴索引的查詢,能夠基於Like對特定長度篩選,或者全訂單號查詢。
EXPLAIN SELECT * FROM ds_order WHERE order_no LIKE '202008011314158723628732871625%'; EXPLAIN SELECT * FROM ds_order WHERE order_no='20200801131415872362873287162572367';
查詢最麻煩的就是組合索引,或者說查詢條件組合起來,都使用了索引:
EXPLAIN SELECT * FROM ds_order WHERE create_time>'2020-08-01 00:00:00' AND order_state='1';
上述基於組合索引中列的順序,使用了組合索引:state_create_time_index。
EXPLAIN SELECT * FROM ds_order WHERE create_time>'2020-08-01 00:00:00';
上述只使用create_time列,也一樣使用了索引結構。
EXPLAIN SELECT * FROM ds_order WHERE order_state='1';
上述若是隻使用order_state條件,則結果顯示全表掃描。
EXPLAIN SELECT * FROM ds_order WHERE create_time>'2020-08-01 00:00:00' AND order_no LIKE '20200801%';
上述則基於組合索引的create_time列和單列索引order_no保證查詢條件都使用了索引。
經過上面幾個查詢案例,索引組合索引使用的注意事項以下:
索引機制在MySQL中真的很是複雜,非專業的DBA(就是指開發人員),基本要熟練常見的索引結構,待過兩年所謂的大廠,每一個版本開發涉及的核心表SQL都是有專業DBA驗收,複雜的查詢都是提交需求,DBA直接輸出查詢SQL,固然在通常公司是沒有DBA,須要開發在開發的過程當中不斷的思考,逐步優化,這須要對業務數據有必定的敏感度,對核心接口有執行監控,當發現稍微出現耗時狀況,就能夠不斷優化,這個積累是個枯燥和進步的過程。
GitHub·地址 https://github.com/cicadasmile/mysql-data-base GitEE·地址 https://gitee.com/cicadasmile/mysql-data-base
推薦閱讀:MySQL數據庫系列