MySQL学习（七）索引选择（半原创）

概述

该篇文章主要阐述一个例子（例子来自参考资料，侵删），然后总结今天相关的知识点。

例子（例子来自参考文章，非原创）

创建表并插入数据，并执行查询

CREATE TABLE `t` (
  `id` int(11) NOT NULL,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `a` (`a`),
  KEY `b` (`b`)
) ENGINE=InnoDB；
 
delimiter ;;
create procedure idata()
begin
  declare i int;
  set i=1;
  while(i<=100000)do
    insert into t values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
call idata();
 
mysql> select * from t where a between 10000 and 20000;

可以看到该语句查询使用到了索引，然后进行如下操作

下面的三条SQL语句，就是这个实验过程。

set long_query_time=0;
select * from t where a between 10000 and 20000; /*Q1*/
select * from t force index(a) where a between 10000 and 20000;/*Q2*/

第一句，是将慢查询日志的阈值设置为0，表示这个线程接下来的语句都会被记录入慢查询日志中；
第二句，Q1是session B原来的查询；
第三句，Q2是加了force index(a)来和session B原来的查询语句执行情况对比。
我们在第三条语句指定了强制使用a 索引，假如第三天语句执行的时间快过第二条的，那么我们可以认为数据库选错了索引，相反没有选错，如图3所示是这三条SQL语句执行完成后的慢查询日志。

可以看到数据库确实选错了索引，我们要知道为什么选错了索引就要知道数据库是如何选择索引的。

优化器

我们从开始MySQL 架构图可以知道执行语句要经过一个优化器的组件，这个组件就相当于决策大脑，为语句选择合适的索引。

分析

一个索引上不同的值的个数，我们称之为“基数”（cardinality）。也就是说，这个基数越大，索引的区分度越好。而选择索引肯定看区分度高的索引，区分度高的索引能够准确找到符合条件的记录。思路如下：
选择索引 -> 选择区分度高的索引 --> 如何找到区分度高的索引 --> 抽样统计算法
我们可以使用show index方法，看到一个索引的基数。如图4所示，就是表t的show index 的结果。虽然这个表的每一行的三个字段值都是一样的，但是在统计信息中，这三个索引的基数值并不同，而且其实都不准确。

假如数据库一行行去统计，对于大的表肯定是不行的，于是数据库就使用抽样统计。
采样统计的时候，InnoDB默认会选择N个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面数，就得到了这个索引的基数。而数据表是会持续更新的，索引统计信息也不会固定不变。所以，当变更的数据行数超过1/M的时候，会自动触发重新做一次索引统计。在MySQL中，有两种存储索引统计的方式，可以通过设置参数innodb_stats_persistent的值来选择：

设置为on的时候，表示统计信息会持久化存储。这时，默认的N是20，M是10。
设置为off的时候，表示统计信息只存储在内存中。这时，默认的N是8，M是16。
由于是采样统计，所以不管N是20还是8，这个基数都是很容易不准的。扫描的行数是一方面，还有一方面，例如使用非聚集索引的话还需要回表也是需要时间成本，优化器会从各个方面综合考虑最终得出最优解。

矫正统计错误

可以看到我们上面的统计是存在误差的，那么纠正这个偏差的方法肯定是让优化器再次统计一下。

补充题外话

count(*)、count(主键id)、count(字段)和count(1) 的区别？

count(*)、count(主键id)和count(1) 都表示返回满足条件的结果集的总行数；
而count(字段），则表示返回满足条件的数据行里面，参数“字段”不为NULL的总个数。

对于count(主键id)来说，InnoDB引擎会遍历整张表，把每一行的id值都取出来，返回给server层。server层拿到id后，判断是不可能为空的，就按行累加。

注意哦，sever 自己判断

对于count(1)来说，InnoDB引擎遍历整张表，但不取值。server层对于返回的每一行，放一个数字“1”进去，判断是不可能为空的，按行累加。

单看这两个用法的差别的话，你能对比出来，count(1)执行得要比count(主键id)快。因为从引擎返回id会涉及到解析数据行，以及拷贝字段值的操作。

对于count(字段)来说：

如果这个“字段”是定义为not null的话，一行行地从记录里面读出这个字段，判断不能为null，按行累加；

如果这个“字段”定义允许为null，那么执行的时候，判断到有可能是null，还要把值取出来再判断一下，不是null才累加。

也就是前面的第一条原则，server层要什么字段，InnoDB就返回什么字段。

####　但是count()是例外，并不会把全部字段取出来，而是专门做了优化，不取值。count()肯定不是null，按行累加。

按照效率排序的话，count(字段)<count(主键id)<count(1)≈count()，所以我建议你，尽量使用count()

InnoDB handles SELECT COUNT(*) and SELECT COUNT(1) operations in the same way. There is no performance difference.

参考资料

《MySQL 45讲》