对于任何DBMS,索引都是进行优化的最主要的因素。对于少量的数据,没有合适的索引影响不是很大,但是,当随着数据量的增加,性能会急剧下降。
如果对多列进行索引(组合索引),列的顺序非常重要,MySQL仅能对索引最左边的前缀进行有效的查找。

例如:
假 设存在组合索引it1c1c2(c1,c2),查询语句select * from t1 where c1=1 and c2=2能够使用该索引。查询语句select * from t1 where c1=1也能够使用该索引。但是,查询语句select * from t1 where c2=2不能够使用该索引,因为没有组合索引的引导列,即,要想使用c2列进行查找,必需出现c1等于某值。

索引是快速搜索的关键。MySQL索引的建立对于MySQL的高效运行是很重要的。

下面介绍几种常见的MySQL索引类型:

在数据库表中,对字段建立索引可以大大提高查询速度。假如我们创建了一个 mytable表:

  1. CREATE TABLE mytable( ID INT NOT NULL, username VARCHAR(16) NOT NULL ); 

我们随机向里面插入了10000条记录,其中有一条:5555, admin。

在查找username="admin"的记录

  1. SELECT * FROM mytable WHERE username='admin'; 

时,如果在username上已经建立了索引,MySQL无须任何扫描,即准确可找到该记录。相反,MySQL会扫描所有记录,即要查询10000条记录。

索引分单列索引和组合索引。单列索引,即一个索引只包含单个列,一个表可以有多个单列索引,但这不是组合索引。组合索引,即一个索包含多个列。

MySQL索引类型包括:

(1)普通索引

这是最基本的索引,它没有任何限制。它有以下几种创建方式:

创建索引

  1. CREATE INDEX indexName ON mytable(username(length)); 

如果是CHAR,VARCHAR类型,length可以小于字段实际长度;如果是BLOB和TEXT类型,必须指定 length,下同。

修改表结构

  1. ALTER mytable ADD INDEX [indexName] ON (username(length)) 

创建表的时候直接指定

  1. CREATE TABLE mytable( ID INT NOT NULL, 
    username VARCHAR(16) NOT NULL, INDEX [indexName] (username(length)) ); 

删除索引的语法:

  1. DROP INDEX [indexName] ON mytable;

(2)MySQL索引类型:唯一索引

它与前面的普通索引类似,不同的就是:索引列的值必须唯一,但允许有空值。如果是组合索引,则列值的组合必须唯一。它有以下几种创建方式:

创建索引

  1. CREATE UNIQUE INDEX indexName ON mytable(username(length)) 

修改表结构

  1. ALTER mytable ADD UNIQUE [indexName] ON (username(length)) 

创建表的时候直接指定

  1. CREATE TABLE mytable( ID INT NOT NULL, 
    username VARCHAR(16) NOT NULL, UNIQUE [indexName] (username(length)) ); 

(3)MySQL索引类型:主键索引

它是一种特殊的唯一索引,不允许有空值。一般是在建表的时候同时创建主键索引:

  1. CREATE TABLE mytable( ID INT NOT NULL, username VARCHAR(16) NOT NULL, PRIMARY KEY(ID) ); 

当然也可以用 ALTER 命令。记住:一个表只能有一个主键。

(4)组合索引

为了形象地对比单列索引和组合索引,为表添加多个字段:

  1. CREATE TABLE mytable( ID INT NOT NULL, username 
    VARCHAR(16) NOT NULL, city VARCHAR(50) NOT NULL, age INT NOT NULL ); 

为了进一步榨取MySQL的效率,就要考虑建立组合索引。就是将 name, city, age建到一个索引里:

  1. ALTER TABLE mytable ADD INDEX name_city_age (name(10),city,age); 

建表时,usernname长度为 16,这里用 10。这是因为一般情况下名字的长度不会超过10,这样会加速索引查询速度,还会减少索引文件的大小,提高INSERT的更新速度。

如果分别在 usernname,city,age上建立单列索引,让该表有3个单列索引,查询时和上述的组合索引效率也会大不一样,远远低于我们的组合索引。虽然此时有了三个索引,但MySQL只能用到其中的那个它认为似乎是最有效率的单列索引。

建立这样的组合索引,其实是相当于分别建立了下面三组组合索引:

  1. usernname , city, age usernname , city usernname 

以上的相关内容就是对MySQL索引类型的部分内容的介绍,望你能有所收获。


  1.  

使用索引的注意事项

使用索引时,有以下一些技巧和注意事项:

索引不会包含有NULL值的列

只要列中包含有NULL值都将不会被包含在MySQL索引中,复合索引中只要有一列含有NULL值,那么这一列对于此复合索引就是无效的。所以我们在数据库设计时不要让字段的默认值为NULL。

使用短索引

对串列进行索引,如果可能应该指定一个前缀长度。例如,如果有一个CHAR(255)的列,如果在前10个或20个字符内,多数值是惟一的,那么就不要对整个列进行索引。短索引不仅可以提高查询速度而且可以节省磁盘空间和I/O操作。

索引列排序

MySQL查询只使用一个索引,因此如果where子句中已经使用了索引的话,那么order by中的列是不会使用索引的。因此数据库默认排序可以符合要求的情况下不要使用排序操作;尽量不要包含多个列的排序,如果需要最好给这些列创建复合索引。

like语句操作

一般情况下不鼓励使用like操作,如果非使用不可,如何使用也是一个问题。like “%aaa%” 不会使用MySQL索引而like “aaa%”可以使用索引。

不要在列上进行运算

  1. select * from users where YEAR(adddate)<2007;

将在每个行上进行运算,这将导致索引失效而进行全表扫描,因此我们可以改成

  1. select * from users where adddate<‘2007-01-01’;

不使用NOT IN和<>操作


索引优化  http://blog.codinglabs.org/articles/theory-of-mysql-index.html

  1. 最左前缀原理与相关优化
  2.  
  3. 高效使用索引的首要条件是知道什么样的查询会使用到索引,这个问题和B+Tree中的“最左前缀原理”有关,下面通过例子说明最左前缀原理。
  4.  
  5. 这里先说一下联合索引的概念。在上文中,我们都是假设索引只引用了单个的列,实际上,MySQL中的索引可以以一定顺序引用多个列,这种索引叫做联合索引,一般的,一个联合索引是一个有序元组<a1, a2, …, an>,其中各个元素均为数据表的一列,实际上要严格定义索引需要用到关系代数,但是这里我不想讨论太多关系代数的话题,因为那样会显得很枯燥,所以这里就不再做严格定义。另外,单列索引可以看成联合索引元素数为1的特例。
  6.  
  7. employees.titles表为例,下面先查看其上都有哪些索引:
  8.  
  9. SHOW INDEX FROM employees.titles;
  10. +--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
  11. | Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Null | Index_type |
  12. +--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
  13. | titles | 0 | PRIMARY | 1 | emp_no | A | NULL | | BTREE |
  14. | titles | 0 | PRIMARY | 2 | title | A | NULL | | BTREE |
  15. | titles | 0 | PRIMARY | 3 | from_date | A | 443308 | | BTREE |
  16. | titles | 1 | emp_no | 1 | emp_no | A | 443308 | | BTREE |
  17. +--------+------------+----------+--------------+-------------+-----------+-------------+------+------------+
  18.  
  19. 从结果中可以到titles表的主索引为<emp_no, title, from_date>,还有一个辅助索引<emp_no>。为了避免多个索引使事情变复杂(MySQLSQL优化器在多索引时行为比较复杂),这里我们将辅助索引drop掉:
  20.  
  21. ALTER TABLE employees.titles DROP INDEX emp_no;
  22.  
  23. 这样就可以专心分析索引PRIMARY的行为了。
  24. 情况一:全列匹配。
  25.  
  26. EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title='Senior Engineer' AND from_date='1986-06-26';
  27. +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
  28. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  29. +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
  30. | 1 | SIMPLE | titles | const | PRIMARY | PRIMARY | 59 | const,const,const | 1 | |
  31. +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
  32.  
  33. 很明显,当按照索引中所有列进行精确匹配(这里精确匹配指“=”或“IN”匹配)时,索引可以被用到。这里有一点需要注意,理论上索引对顺序是敏感的,但是由于MySQL的查询优化器会自动调整where子句的条件顺序以使用适合的索引,例如我们将where中的条件顺序颠倒:
  34.  
  35. EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26' AND emp_no='10001' AND title='Senior Engineer';
  36. +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
  37. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  38. +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
  39. | 1 | SIMPLE | titles | const | PRIMARY | PRIMARY | 59 | const,const,const | 1 | |
  40. +----+-------------+--------+-------+---------------+---------+---------+-------------------+------+-------+
  41.  
  42. 效果是一样的。
  43. 情况二:最左前缀匹配。
  44.  
  45. EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001';
  46. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
  47. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  48. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
  49. | 1 | SIMPLE | titles | ref | PRIMARY | PRIMARY | 4 | const | 1 | |
  50. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------+
  51.  
  52. 当查询条件精确匹配索引的左边连续一个或几个列时,如<emp_no>或<emp_no, title>,所以可以被用到,但是只能用到一部分,即条件所组成的最左前缀。上面的查询从分析结果看用到了PRIMARY索引,但是key_len4,说明只用到了索引的第一列前缀。
  53. 情况三:查询条件用到了索引中列的精确匹配,但是中间某个条件未提供。
  54.  
  55. EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26';
  56. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
  57. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  58. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
  59. | 1 | SIMPLE | titles | ref | PRIMARY | PRIMARY | 4 | const | 1 | Using where |
  60. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
  61.  
  62. 此时索引使用情况和情况二相同,因为title未提供,所以查询只用到了索引的第一列,而后面的from_date虽然也在索引中,但是由于title不存在而无法和左前缀连接,因此需要对结果进行扫描过滤from_date(这里由于emp_no唯一,所以不存在扫描)。如果想让from_date也使用索引而不是where过滤,可以增加一个辅助索引<emp_no, from_date>,此时上面的查询会使用这个索引。除此之外,还可以使用一种称之为“隔离列”的优化方法,将emp_nofrom_date之间的“坑”填上。
  63.  
  64. 首先我们看下title一共有几种不同的值:
  65.  
  66. SELECT DISTINCT(title) FROM employees.titles;
  67. +--------------------+
  68. | title |
  69. +--------------------+
  70. | Senior Engineer |
  71. | Staff |
  72. | Engineer |
  73. | Senior Staff |
  74. | Assistant Engineer |
  75. | Technique Leader |
  76. | Manager |
  77. +--------------------+
  78.  
  79. 只有7种。在这种成为“坑”的列值比较少的情况下,可以考虑用“IN”来填补这个“坑”从而形成最左前缀:
  80.  
  81. EXPLAIN SELECT * FROM employees.titles
  82. WHERE emp_no='10001'
  83. AND title IN ('Senior Engineer', 'Staff', 'Engineer', 'Senior Staff', 'Assistant Engineer', 'Technique Leader', 'Manager')
  84. AND from_date='1986-06-26';
  85. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  86. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  87. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  88. | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 59 | NULL | 7 | Using where |
  89. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  90.  
  91. 这次key_len59,说明索引被用全了,但是从typerows看出IN实际上执行了一个range查询,这里检查了7key。看下两种查询的性能比较:
  92.  
  93. SHOW PROFILES;
  94. +----------+------------+-------------------------------------------------------------------------------+
  95. | Query_ID | Duration | Query |
  96. +----------+------------+-------------------------------------------------------------------------------+
  97. | 10 | 0.00058000 | SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26'|
  98. | 11 | 0.00052500 | SELECT * FROM employees.titles WHERE emp_no='10001' AND title IN ... |
  99. +----------+------------+-------------------------------------------------------------------------------+
  100.  
  101. “填坑”后性能提升了一点。如果经过emp_no筛选后余下很多数据,则后者性能优势会更加明显。当然,如果title的值很多,用填坑就不合适了,必须建立辅助索引。
  102. 情况四:查询条件没有指定索引第一列。
  103.  
  104. EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26';
  105. +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
  106. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  107. +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
  108. | 1 | SIMPLE | titles | ALL | NULL | NULL | NULL | NULL | 443308 | Using where |
  109. +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
  110.  
  111. 由于不是最左前缀,索引这样的查询显然用不到索引。
  112. 情况五:匹配某列的前缀字符串。
  113.  
  114. EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title LIKE 'Senior%';
  115. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  116. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  117. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  118. | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 56 | NULL | 1 | Using where |
  119. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  120.  
  121. 此时可以用到索引,但是如果通配符不是只出现在末尾,则无法使用索引。(原文表述有误,如果通配符%不出现在开头,则可以用到索引,但根据具体情况不同可能只会用其中一个前缀)
  122. 情况六:范围查询。
  123.  
  124. EXPLAIN SELECT * FROM employees.titles WHERE emp_no < '10010' and title='Senior Engineer';
  125. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  126. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  127. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  128. | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 4 | NULL | 16 | Using where |
  129. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  130.  
  131. 范围列可以用到索引(必须是最左前缀),但是范围列后面的列无法用到索引。同时,索引最多用于一个范围列,因此如果查询条件中有两个范围列则无法全用到索引。
  132.  
  133. EXPLAIN SELECT * FROM employees.titles
  134. WHERE emp_no < '10010'
  135. AND title='Senior Engineer'
  136. AND from_date BETWEEN '1986-01-01' AND '1986-12-31';
  137. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  138. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  139. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  140. | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 4 | NULL | 16 | Using where |
  141. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  142.  
  143. 可以看到索引对第二个范围索引无能为力。这里特别要说明MySQL一个有意思的地方,那就是仅用explain可能无法区分范围索引和多值匹配,因为在type中这两者都显示为range。同时,用了“between”并不意味着就是范围查询,例如下面的查询:
  144.  
  145. EXPLAIN SELECT * FROM employees.titles
  146. WHERE emp_no BETWEEN '10001' AND '10010'
  147. AND title='Senior Engineer'
  148. AND from_date BETWEEN '1986-01-01' AND '1986-12-31';
  149. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  150. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  151. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  152. | 1 | SIMPLE | titles | range | PRIMARY | PRIMARY | 59 | NULL | 16 | Using where |
  153. +----+-------------+--------+-------+---------------+---------+---------+------+------+-------------+
  154.  
  155. 看起来是用了两个范围查询,但作用于emp_no上的“BETWEEN”实际上相当于“IN”,也就是说emp_no实际是多值精确匹配。可以看到这个查询用到了索引全部三个列。因此在MySQL中要谨慎地区分多值匹配和范围匹配,否则会对MySQL的行为产生困惑。
  156. 情况七:查询条件中含有函数或表达式。
  157.  
  158. 很不幸,如果查询条件中含有函数或表达式,则MySQL不会为这列使用索引(虽然某些在数学意义上可以使用)。例如:
  159.  
  160. EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND left(title, 6)='Senior';
  161. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
  162. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  163. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
  164. | 1 | SIMPLE | titles | ref | PRIMARY | PRIMARY | 4 | const | 1 | Using where |
  165. +----+-------------+--------+------+---------------+---------+---------+-------+------+-------------+
  166.  
  167. 虽然这个查询和情况五中功能相同,但是由于使用了函数left,则无法为title列应用索引,而情况五中用LIKE则可以。再如:
  168.  
  169. EXPLAIN SELECT * FROM employees.titles WHERE emp_no - 1='10000';
  170. +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
  171. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  172. +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
  173. | 1 | SIMPLE | titles | ALL | NULL | NULL | NULL | NULL | 443308 | Using where |
  174. +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
  175.  
  176. 显然这个查询等价于查询emp_no10001的函数,但是由于查询条件是一个表达式,MySQL无法为其使用索引。看来MySQL还没有智能到自动优化常量表达式的程度,因此在写查询语句时尽量避免表达式出现在查询中,而是先手工私下代数运算,转换为无表达式的查询语句。
  177. 索引选择性与前缀索引
  178.  
  179. 既然索引可以加快查询速度,那么是不是只要是查询语句需要,就建上索引?答案是否定的。因为索引虽然加快了查询速度,但索引也是有代价的:索引文件本身要消耗存储空间,同时索引会加重插入、删除和修改记录时的负担,另外,MySQL在运行时也要消耗资源维护索引,因此索引并不是越多越好。一般两种情况下不建议建索引。
  180.  
  181. 第一种情况是表记录比较少,例如一两千条甚至只有几百条记录的表,没必要建索引,让查询做全表扫描就好了。至于多少条记录才算多,这个个人有个人的看法,我个人的经验是以2000作为分界线,记录数不超过 2000可以考虑不建索引,超过2000条可以酌情考虑索引。
  182.  
  183. 另一种不建议建索引的情况是索引的选择性较低。所谓索引的选择性(Selectivity),是指不重复的索引值(也叫基数,Cardinality)与表记录数(#T)的比值:
  184.  
  185. Index Selectivity = Cardinality / #T
  186.  
  187. 显然选择性的取值范围为(0, 1],选择性越高的索引价值越大,这是由B+Tree的性质决定的。例如,上文用到的employees.titles表,如果title字段经常被单独查询,是否需要建索引,我们看一下它的选择性:
  188.  
  189. SELECT count(DISTINCT(title))/count(*) AS Selectivity FROM employees.titles;
  190. +-------------+
  191. | Selectivity |
  192. +-------------+
  193. | 0.0000 |
  194. +-------------+
  195.  
  196. title的选择性不足0.0001(精确值为0.00001579),所以实在没有什么必要为其单独建索引。
  197.  
  198. 有一种与索引选择性有关的索引优化策略叫做前缀索引,就是用列的前缀代替整个列作为索引key,当前缀长度合适时,可以做到既使得前缀索引的选择性接近全列索引,同时因为索引key变短而减少了索引文件的大小和维护开销。下面以employees.employees表为例介绍前缀索引的选择和使用。
  199.  
  200. 从图12可以看到employees表只有一个索引<emp_no>,那么如果我们想按名字搜索一个人,就只能全表扫描了:
  201.  
  202. EXPLAIN SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido';
  203. +----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
  204. | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
  205. +----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
  206. | 1 | SIMPLE | employees | ALL | NULL | NULL | NULL | NULL | 300024 | Using where |
  207. +----+-------------+-----------+------+---------------+------+---------+------+--------+-------------+
  208.  
  209. 如果频繁按名字搜索员工,这样显然效率很低,因此我们可以考虑建索引。有两种选择,建<first_name>或<first_name, last_name>,看下两个索引的选择性:
  210.  
  211. SELECT count(DISTINCT(first_name))/count(*) AS Selectivity FROM employees.employees;
  212. +-------------+
  213. | Selectivity |
  214. +-------------+
  215. | 0.0042 |
  216. +-------------+
  217. SELECT count(DISTINCT(concat(first_name, last_name)))/count(*) AS Selectivity FROM employees.employees;
  218. +-------------+
  219. | Selectivity |
  220. +-------------+
  221. | 0.9313 |
  222. +-------------+
  223.  
  224. <first_name>显然选择性太低,<first_name, last_name>选择性很好,但是first_namelast_name加起来长度为30,有没有兼顾长度和选择性的办法?可以考虑用first_namelast_name的前几个字符建立索引,例如<first_name, left(last_name, 3)>,看看其选择性:
  225.  
  226. SELECT count(DISTINCT(concat(first_name, left(last_name, 3))))/count(*) AS Selectivity FROM employees.employees;
  227. +-------------+
  228. | Selectivity |
  229. +-------------+
  230. | 0.7879 |
  231. +-------------+
  232.  
  233. 选择性还不错,但离0.9313还是有点距离,那么把last_name前缀加到4
  234.  
  235. SELECT count(DISTINCT(concat(first_name, left(last_name, 4))))/count(*) AS Selectivity FROM employees.employees;
  236. +-------------+
  237. | Selectivity |
  238. +-------------+
  239. | 0.9007 |
  240. +-------------+
  241.  
  242. 这时选择性已经很理想了,而这个索引的长度只有18,比<first_name, last_name>短了接近一半,我们把这个前缀索引 建上:
  243.  
  244. ALTER TABLE employees.employees
  245. ADD INDEX `first_name_last_name4` (first_name, last_name(4));
  246.  
  247. 此时再执行一遍按名字查询,比较分析一下与建索引前的结果:
  248.  
  249. SHOW PROFILES;
  250. +----------+------------+---------------------------------------------------------------------------------+
  251. | Query_ID | Duration | Query |
  252. +----------+------------+---------------------------------------------------------------------------------+
  253. | 87 | 0.11941700 | SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido' |
  254. | 90 | 0.00092400 | SELECT * FROM employees.employees WHERE first_name='Eric' AND last_name='Anido' |
  255. +----------+------------+---------------------------------------------------------------------------------+
  256.  
  257. 性能的提升是显著的,查询速度提高了120多倍。
  258.  
  259. 前缀索引兼顾索引大小和查询速度,但是其缺点是不能用于ORDER BYGROUP BY操作,也不能用于Covering index(即当索引本身包含查询所需全部数据时,不再访问数据文件本身)。

补充该节中的"范围查询"说明:

  Mysql对于范围查询range分的优化为单字段优化和多元素优化:

单元素索引范围条件的定义如下:
 
·         对于BTREE和HASH索引,当使用=、<=>、INIS NULL或者IS NOT NULL操作符时,关键元素与常量值的比较关系对应一个范围条件,即const范围。
 
·         对于BTREE索引,当使用>、<、>=、<=、BETWEEN、!=或者<>,或者LIKE 'pattern'(其中 'pattern'不以通配符开始)操作符时,关键元素与常量值的比较关系对应一个范围条件。
 
·         对于所有类型的索引,多个范围条件结合ORAND则产生一个范围条件。
 
前面描述的“常量值”系指:
 
·         查询字符串中的常量
 
·         同一联接中的const或system表中的列
 
·         无关联子查询的结果
 
·         完全从前面类型的子表达式组成的表达式
多元素索引的范围条件:
 
     1.----------------
     对于BTREE索引,区间可以对结合AND的条件有用,其中每个条件用一个常量值通过=、<=>、IS NULL、>、<、>=、<=、!=、<>、BETWEEN或者LIKE 'pattern' (其中'pattern'不以通配符开头)比较一个关键元素。区间可以足够长以确定一个包含所有匹配条件(或如果使用<>或!=,为两个区间)的记录的单一的关键元组。例如,对于条件:
     key_part1 = 'foo' AND key_part2 >= 10 AND key_part3 > 10
 
    2.-----------
    对于HASH索引,可以使用包含相同值的每个区间。
    key_part1 cmp const1 AND key_part2 cmp const2
    AND ... AND key_partN cmp constN;
 
    这里,const1,const2,...为常量,cmp是=、<=>或者IS NULL比较操作符之一,条件包括所有索引部分。(也就是说,有N 个条件,每一个对应N-元素索引的每个部分)。   
 
    3.  ----------
    如果包含区间内的一系列记录的条件结合使用OR,则形成包括一系列包含在区间并集的记录的一个条件。如果条件结合使用了AND,则形成包括一系列包含在区间交集内的记录的一个条件。例如,对于两部分索引的条件:
 (key_part1 = 1 AND key_part2 < 2) OR (key_part1 > 5)
 
    区间为:
    (1, -inf) < (key_part1, key_part2) < (1, 2)
    (5, -inf) < (key_part1, key_part2)   

  


Mysql检索时间查询 (版本要求: 5.0.37或以上)

  1. 开启profile
  2. 1 mysql> set profiling=1;
  3. 2 Query OK, 0 rows affected (0.00 sec)
  4. eg
  5. 1 mysql> select * from test_1;
  6. 2 mysql> show profiles;
  7. 3 +----------+------------+----------------------+
  8. 4 | Query_ID | Duration | Query |
  9. 5 +----------+------------+----------------------+
  10. 6 | 1 | 0.84718100 | select * from test_1 |
  11. 7 +----------+------------+----------------------+
  12. 8 1 row in set (0.00 sec)

mysql 索引和查询优化的更多相关文章

  1. 【转】MySQL索引和查询优化

    原文链接:http://www.cnblogs.com/mailingfeng/archive/2012/09/26/2704344.html 对于任何DBMS,索引都是进行优化的最主要的因素.对于少 ...

  2. MySQL索引及查询优化总结

    欢迎大家关注腾讯云技术社区-博客园官方主页,我们将持续在博客园为大家推荐技术精品文章哦~ 作者:谢庆玲 文章<MySQL查询分析>讲述了使用MySQL慢查询和explain命令来定位mys ...

  3. MySQL索引和查询优化

    对于任何DBMS,索引都是进行优化的最主要的因素.对于少量的数据,没有合适的索引影响不是很大,但是,当随着数据量的增加,性能会急剧下降. 如果对多列进行索引(组合索引),列的顺序非常重要,MySQL仅 ...

  4. MySQL索引及查询优化总结 专题

    小结:db名与应用名相同,表名:业务名_此表的作用 ,表名表示内容,不体现数量,如果表示boolean概念,表名需要使用is_业务含义来表示,但POJO中不应该出现isXXX,因为不方便序列化,中间的 ...

  5. MySQL 索引及查询优化总结

    本文由云+社区发表 文章<MySQL查询分析>讲述了使用MySQL慢查询和explain命令来定位mysql性能瓶颈的方法,定位出性能瓶颈的sql语句后,则需要对低效的sql语句进行优化. ...

  6. MySQL 索引与查询优化

    本文介绍一些优化 MySQL 索引设计和查询的建议.在进行优化工作前,请务必了解MySQL EXPLAIN命令: 查看执行计划 索引 索引在逻辑上是指从索引列(关键字)到数据的映射,通过索引可以快速的 ...

  7. mysql 索引、查询优化

    查询计划Explain mysql查询过程中,如若想了解当前sql的执行计划,可以通过explain your_sql的方式查看,具体可以参考mysql官方解释:https://dev.mysql.c ...

  8. MySQL索引及查询优化

    mysql 索引 1.索引介绍 索引按数据结构分可分为哈希表,有序数组,搜索树,跳表: 哈希表适用于只有等值查询的场景 有序数组适用于有等值查询和范围查询的场景,但有序数组索引的更新代价很大,所以最好 ...

  9. 开发人员不得不知的MySQL索引和查询优化

    转载:https://blog.csdn.net/enmotech/article/details/88809822 本文主要总结了慢查询优化的过程中常用的以及不合理的操作,适合有 MySQL 基础的 ...

随机推荐

  1. 织梦dedecms后台登陆密码充值工具

    下载后解压,根据自己语言版本,把文件radminpass.php放入网站根目录下执行即可 点击下载:织梦dedecms后台登陆密码充值工具

  2. Android ORM对象关系映射之GreenDAO建立多表关联

    https://blog.csdn.net/u010687392/article/details/48496299 利用GreenDAO可以非常方便的建立多张表之间的关联 一对一关联 通常我们在操作数 ...

  3. redis的一些问题总结,转载自infoq

    Redis是时下比较流行的Nosql技术.在优酷我们使用Redis Cluster构建了一套内存存储系统,项目代号蓝鲸.到目前为止集群有700+节点,即将达到作者推荐的最大集群规模1000节点.集群从 ...

  4. UVA 11552 Fewest Flops(区间dp)

    一个区间一个区间的考虑,当前区间的决策只和上一次的末尾有关,考虑转移的时候先统计当前区间出现过的字母以及种数ct 枚举上一个区间的末尾标号j,规定小于INF为合法状态,确定j之后看j有没有在当前的区间 ...

  5. Android(java)学习笔记129:对ListView等列表组件中数据进行增、删、改操作

    1. ListView介绍 解决大量的相似的数据显示问题 采用了MVC模式: M: model (数据模型) V:  view  (显示的视图) C: controller 控制器 入门案例: aci ...

  6. [论文理解]Selective Search for Object Recognition

    Selective Search for Object Recognition 简介 Selective Search是现在目标检测里面非常常用的方法,rcnn.frcnn等就是通过selective ...

  7. 如何从Ubuntu 16.04 LTS升级到Ubuntu 18.04 LTS

    可以说非常简单(假设过程顺利!!) 您只需打开Software&Update,进入"Updates"选项卡,然后从“有新版本时通知我”下拉菜单中选择“适用长期支持版”选项. ...

  8. tpcc-mysql运行结果解读

    前言 首先我们需要知道tpcc-mysql是干什么的.TPC-C是专门针对联机交易处理系统(OLTP系统)的规范,一般情况下我们也把这类系统称为业务处理系统.tpcc-mysql是percona基于T ...

  9. 关于java字符串常量池

    今天发现一个好玩的东西 public static void main(String[] args)    {        String str1 = new StringBuilder(" ...

  10. spring5之SAXParseException:cvc-elt.1: 找不到元素 “beans” 的声明

    之前SSM项目一直报错,就是找不到错误  气啊 后来在网上找到了答案:燕来spring5之后就不再需要写版本号了