MySQL 8.0索引合并

简介

参考https://dev.mysql.com/doc/refman/8.0/en/index-merge-optimization.html#index-merge-intersection。

索引合并是通过多个range类型的扫描并且合并它们的结果集来检索行的。仅合并来自单个表的索引扫描，而不是跨多个表的索引扫描。合并会产生底层扫描的三种形式：unions（合并）、intersections（交集）、unions-of-intersections（先取交集再合并）。

以下四个例子会产生索引合并：

1、SELECT * FROM tbl_name WHERE key1 = 10 OR key2 = 20;

2、SELECT * FROM tbl_name WHERE (key1 = 10 OR key2 = 20) AND non_key = 30;

3、SELECT * FROM t1, t2 WHERE (t1.key1 IN (1,2) OR t1.key2 LIKE 'value%') AND t2.key1 = t1.some_col;

4、SELECT * FROM t1, t2 WHERE t1.key1 = 1 AND (t2.key1 = t1.some_col OR t2.key2 = t1.some_col2);

索引合并有以下已知的局限性：

1、如果查询语句包含一个带有严重AND/OR嵌套的复杂的WHERE子句而MySQL没有选择最佳计划，那么可以尝试使用以下的标志符转换：

(x AND y) OR z => (x OR z) AND (y OR z)

(x OR y) AND z => (x AND z) OR (y AND z)

2、索引合并不适用于全文索引。

在 EXPLAIN 语句输出的信息中，索引合并在type列中表现为“index_merge”，在这种情况下，key列包含使用的索引列表。

索引合并访问方法有几种算法，表现在 EXPLAIN 语句输出的Extra字段中：

Using intersect(...)

Using union(...)

Using sort_union(...)

下面将更详细地描述这些算法。优化器根据各种可用选项的成本估计，在不同的索引合并算法和其他访问方法之间进行选择。

 

Index Merge Intersection算法

Index Merge Intersection算法对所有使用的索引执行同步扫描，并生成从合并的索引扫描接收到的行序列的交集。

这种算法适用于当WHERE子句被转换成多个使用AND连接的不同索引key上的范围条件，且条件是以下两种之一：

一、这种形式的N部分表达式，索引正好包括N个字段（所有索引字段都被覆盖），N>=1，N如果大于1就是复合索引：

key_part1 = const1 AND key_part2 = const2 ... AND key_partN = constN。

二、InnoDB表主键上的任何范围条件。

例子：

1.SELECT * FROM innodb_table

WHERE primary_key < 10 AND key_col1 = 20;

2.SELECT * FROM tbl_name

WHERE key1_part1 = 1 AND key1_part2 = 2 AND key2 = 2;

 

Index Merge Union算法

该算法类似于Index Merge Intersection算法，适用于当WHERE子句被转换成多个使用OR连接的不同索引key上的范围条件，且条件是以下三种之一：

一、这种形式的N部分表达式，索引正好包括N个字段（所有索引字段都被覆盖），N>=1，N如果大于1就是复合索引：

key_part1 = const1 AND key_part2 = const2 ... AND key_partN = constN。

二、InnoDB表主键上的任何范围条件。

三、符合Index Merge Intersection算法的条件。

例子：

1.SELECT * FROM t1

WHERE key1 = 1 OR key2 = 2 OR key3 = 3;

2.SELECT * FROM innodb_table

WHERE (key1 = 1 AND key2 = 2)

OR (key3 = 'foo' AND key4 = 'bar') AND key5 = 5;

 

Index Merge Sort-Union算法

该算法适用于当WHERE子句被转换成多个使用OR连接的不同索引key上的范围条件，但是不符合 Index Merge Union算法的。Index Merge Sort-Union和Index Merge Union算法的区别在于，Index Merge Sort-Union必须首先获取所有行的行id并在返回任何行之前对它们进行排序。

例子：

1.SELECT * FROM tbl_name

WHERE key_col1 < 10 OR key_col2 < 20;

2.SELECT * FROM tbl_name

WHERE (key_col1 > 10 OR key_col2 = 20) AND nonkey_col = 30;

 

索引合并引发的死锁

索引合并是MySQL优化查询速度的一种方式，但是错误的使用也会导致死锁，处理方式就是将引起索引合并的索引修改为复合索引。曾经就遇到过和以下所讲的几乎一样的问题，所以这里就直接把别人写的转载过来，转载自：https://blog.csdn.net/hehehaha1123/article/details/59058067。

=============================================================================

概述

前几天排查了一个死锁问题，最开始百思不得其解，因为发生死锁的两个事务是单语句事务，语句类型相同(where属性列相同，仅值不同)，而且语句都走了相同的索引，但最终确实发生了死锁。通过定位排查发现，问题的源头就是index_merge，死锁的原因也很普通，两个事务加锁顺序不同，并存在相互等待的情况。因为这个案例比较特殊，所以在此分享给大家。

 

死锁信息

拿到死锁问题，首先需要查看几个基本信息，包括死锁等待关系，表结构定义等。

1.表结构定义

Create Table: CREATE TABLE `t_xxx_customer` (

`id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键',

`partner_id` bigint(20) unsigned DEFAULT NULL,

`customer_id` bigint(20) unsigned DEFAULT NULL,

`deleted` tinyint(4) DEFAULT NULL,

`partner_user_id` bigint(20) unsigned DEFAULT NULL,

`xxx_id` varchar(128) DEFAULT NULL,

`xxx_name` varchar(256) DEFAULT NULL,

PRIMARY KEY (`id`),

KEY `partner_id` (`partner_id`),

KEY `customer_id` (`customer_id`),

KEY `partner_user_id` (`partner_user_id`)

) ENGINE=InnoDB AUTO_INCREMENT=140249 DEFAULT CHARSET=utf8;

 

2.死锁信息提取与分析

通过show engine innodb status;命令可以获取innodb引擎中最近一次发生死锁的信息，信息如下:

*** (1) TRANSACTION: UPDATE t_xxx_customer SET xxx_id='101', xxx_name='bbb' where customer_id=235646 and partner_id=1688 and deleted=0;

*** (1) HOLDS THE LOCK(S): RECORD LOCKS space id 1640 page no 3947 n bits 432 index partner_id of table xxx.t_xxx_customer trx id 2625291980 lock_mode X locks rec but not gap Record lock, heap no 334 PHYSICAL RECORD: n_fields 2; compact format; info bits 0 0: len 8; hex 0000000000000698; asc ;; 1: len 8; hex 0000000000021747; asc G;;

*** (1) WAITING FOR THIS LOCK TO BE GRANTED: RECORD LOCKS space id 1640 page no 3395 n bits 160 index PRIMARY of table t_xxx_customer trx id 2625291980 lock_mode X locks rec but not gap waiting Record lock, heap no 89 PHYSICAL RECORD: n_fields 25; compact format; info bits 0

*** (2) TRANSACTION: UPDATE t_xxx_customer SET xxx_id='102', xxx_name='aaa' where customer_id=151069 and partner_id=1688 and deleted=0;

*** (2) HOLDS THE LOCK(S): RECORD LOCKS space id 1640 page no 3395 n bits 160 index PRIMARY of table xxx.t_xxx_customer trx id 2625291981 lock_mode X locks rec but not gap

*** (2) WAITING FOR THIS LOCK TO BE GRANTED: RECORD LOCKS space id 1640 page no 3947 n bits 432 index partner_id of table xxx.t_xxx_customer trx id 2625291981 lock_mode X locks rec but not gap waiting Record lock, heap no 334 PHYSICAL RECORD: n_fields 2; compact format; info bits 0 0: len 8; hex 0000000000000698; asc ;; 1: len 8; hex 0000000000021747; asc G;;

*** WE ROLL BACK TRANSACTION (2)

从死锁结果来看，我们很容易看到事务1持有 partner_id二级索引上的锁，等待PK索引上的锁；而事务2持有PK索引锁，等待partner_id二级索引上的锁，两个事务相互持有对方需要的锁资源，而无法往前推进，造成死锁。单从死锁信息来看，我们可能会比较疑惑，每个事务只有一个语句，为什么同样的语句，对二级索引和主键的加锁顺序会不同？

 

产生死锁的原因

首先我们来看看语句的执行计划，

语句的type是index_merge，Extra的信息是Using intersect(customerid,partnerid)，从而我们得知语句执行计划走了index_merge优化，单个语句通过两个索引(customerid,partnerid)来提取记录集合并取交集获得最终结果集。index_merge具体算法不在此展开，基本使用场景是语句包含多个查询条件，每个条件都单独存在索引，而单个条件的索引过滤度不高，组合起来过滤度比较高，这个时候就可能会走index_merge优化，使得单个SQL语句可以同时利用两个索引过滤。会不会与index_merge有关呢？

在index_merge的情况下，会导致二级索引与主键索引顺序不一致的情况吗？结合上面的死锁信息，我们得知死锁两个的二级索引key是0x698，而主键索引key是0x21747。我们看看到底是哪条记录的主键和二级索引发生了死锁，

可以看到0x21747对应的customer_id为151069，partner_id为1688，是不是感觉似曾相识，对的，第二个事务的语句查询条件就是这两个条件的组合。这说明，对于这条记录，第一个事务语句只有partnerid索引(1688)满足条件；对于第二个事务，customer_id和partner_id索引都满足条件。由于每个语句执行时都需要利用两个二级索引，假设先使用customer_id索引扫描，然后使用partner_id索引扫描，那么对于id为0x21747的记录，事务1的partner_id=1688满足条件，加partner_id锁，然后对对应的PK索引加锁；对于事务2，对customer_id= 151069加锁，对对应的PK索引加锁，然后对partner_id=1688索引加锁。那么对partner_id二级索引和PK主键索引在两个事务的上锁顺序是相反的，所以导致了死锁。对于id为0x21747记录：

序号	事务1	事务2
1	customer_id 不满足条件不加锁	customer_id= 151069 加锁
2	partner_id=1688加锁	PK=0x21747加锁
3	PK=0x21747加锁	partner_id=1688加锁
4		PK=0x21747加锁

表格第2步和第3步，两个事务的加锁顺序是相反的，导致了死锁发生。

=============================================================================