数据库的索引

什么是索引？

         在数据库中，索引是单独的，物理的，有序的存储结构

为什么需要索引？

         我们应为数据库时，查询的操作远比其它的多，所以要更快更有效的去查找数据

        因此，我们使用了索引

         索引就是提升查询效率最有效的手段

索引的实现原理：b+树 结构

　　索引最终的目的是要尽可能降低io次数,减少查找的次数,以最少的io找到需要的数据,此时B+树闪亮登场

光有数据结构还不行,还需要有对应的算法做支持,就是二分查找法

应该尽可能的将数据量小的字段作为索引

索引的分类:

         聚集索引：

              特点：叶子节点保存了完整的一行记录

                       主键的索引是集束索引

                       没有主键，则找第一个not null 且unique的列作为索引

                       如果都没有，innodb会在内部自动产生一个聚集索引，它是自增的

         辅助索引：

                   特点：叶子节点保存索引数据和主键值，innodb在用主键值使用聚集索引查找数

据

                   覆盖索引：指需要的数据就在辅助索引中

                   回表：所需的数据不在辅助索引中，就需要回表用主键值去查找

                   聚集索引 > 覆盖索引 > 非覆盖索引

　　联合索引：

　　　　　联合索引最重要的是顺序 按照最左匹配原则 应该将区分度高的放在左边 区分度低的放到右边

案例：

create table usr(id int,name char(10),gender char(3),email char(30));

#准备数据

delimiter //

create procedure addData(in num int)

begin 

declare i int default 0;

while  i < num do

    insert into usr values(i,"jack","m",concat("xxxx",i,"@qq.com"));    

set i  = i + 1;

end while;

end//

delimiter ;

​

#执行查询语句 观察查询时间

select count(*) from usr where id = 1;

# row in set (3.85 sec)

#时间在秒级别 比较慢

​

​

1.#添加主键

alter table usr add primary key(id);

#再次查询

select count(*) from usr where id = 1;

#1 row in set (0.00 sec)

#基本在毫秒级就能完成 提升非常大

​

2.#当条件为范围查询时

select count(*) from usr where id > 1;

#速度依然很慢 对于这种查询没有办法可以优化因为需要的数据就是那么多

#缩小查询范围 速度立马就快了

select count(*) from usr where id > 1 and id < 10;

​#当查询语句中匹配字段没有索引时 效率测试

select count(*) from usr where name = "jack";

#1 row in set (2.85 sec)

# 速度慢

​

3.# 为name字段添加索引

create index name_index on usr(name);

# 再次查询

select count(*) from usr where name = "jack";

#1 row in set (3.89 sec)

# 速度反而降低了 为什么?

#由于name字段的区分度非常低 完全无法区分 ,因为值都相同 这样一来B+树会没有任何的子节点,像一根竹竿每一都匹配相当于,有几条记录就有几次io ,所有要注意 区分度低的字段不应该建立索引,不能加速查询反而降低写入效率,

#同理 性别字段也不应该建立索引,email字段更加适合建立索引

​

# 修改查询语句为

select count(*) from usr where name = "aaaaaaaaa";

#1 row in set (0.00 sec) 速度非常快因为在 树根位置就已经判断出树中没有这个数据 全部跳过了

​

# 模糊匹配时

select count(*) from usr where name like "xxx"; #快

select count(*) from usr where name like "xxx%"; #快

select count(*) from usr where name like "%xxx"; #慢

#由于索引是比较大小 会从左边开始匹配 很明显所有字符都能匹配% 所以全都匹配了一遍

​

​4.索引字段不能参加运算

select count(*) from usr where id * 12 = 120;

#速度非常慢原因在于 mysql需要取出所有列的id 进行运算之后才能判断是否成立

#解决方案

select count(*) from usr where id = 120/12;

#速度提升了 因为在读取数据时 条件就一定固定了 相当于

select count(*) from usr where id = 10;

#速度自然快了

​

5.有多个匹配条件时 索引的执行顺序  and 和 or

#先看and

#先删除所有的索引

alter table usr  drop primary key;

drop index name_index on usr;

​

#测试

select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com";

#1 row in set (1.34 sec) 时间在秒级 

​

#为name字段添加索引

create index name_index on usr(name);

#测试

select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com";

#1 row in set (17.82 sec) 反而时间更长了

​

#为gender字段添加索引

create index gender_index on usr(gender);

#测试

select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com";

#1 row in set (16.83 sec) gender字段任然不具备区分度 

​

#为id加上索引

alter table usr add primary key(id);

#测试

select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx1@qq.com";

#1 row in set (0.00 sec) id子弹区分度高 速度提升

#虽然三个字段都有索引 mysql并不是从左往右傻傻的去查 而是找出一个区分度高的字段优先匹配

​

#改为范围匹配

select count(*) from usr where name = "jack" and gender = "m" and id > 1 and email = "xxxx1@qq.com";

#速度变慢了

​

#删除id索引 为email建立索引

alter table usr drop primary key;

create index email_index on usr(email);

#测试

select count(*) from usr where name = "jack" and gender = "m" and id = 1 and email = "xxxx2@qq.com";

#1 row in set (0.00 sec) 速度非常快

​

#对于or条件 都是从左往右匹配 

select count(*) from usr where name = "jackxxxx" or email = "xxxx0@qq.com";

​#注意 必须or两边都有索引才会使用索引 

​