本文内容纲要：

-一、初识索引 -1.1为什么要有索引？ -1.2什么是索引？ -1.3你是否对索引存在误解？ -二、索引的原理 -2.1索引原理 -2.2磁盘IO与预读 -三、索引的数据结构 -四、MySQL索引管理 -4.1功能 -4.2MySQL常用的索引 -4.3各个索引应用场景 -4.4索引的两大类型hash与btree -4.5创建/删除索引的语法 -4.6示例 -五、测试索引 -5.1数据准备 -5.2小结 -六、正确使用索引 -6.1索引未命中 -6.2其他注意事项 -七、联合索引和覆盖索引 -7.1联合索引 -7.2覆盖索引 -7.3合并索引 -八、查询优化神器-explain -九、慢查询优化的基本步骤 -十、慢日志管理

目录

一、初识索引

1.1为什么要有索引？ 1.2什么是索引？ 1.3你是否对索引存在误解？

二、索引的原理

2.1索引原理 2.2磁盘IO与预读

三、索引的数据结构

四、MySQL索引管理

4.1功能 4.2MySQL常用的索引 4.3各个索引应用场景 4.4索引的两大类型hash与btree 4.5创建/删除索引的语法 4.6示例

五、测试索引

5.1数据准备 5.2小结

六、正确使用索引

6.1索引未命中 6.2其他注意事项

七、联合索引和覆盖索引

7.1联合索引 7.2覆盖索引 7.3合并索引

八、查询优化神器-explain

九、慢查询优化的基本步骤

十、慢日志管理

MySQL完整教程目录：https://www.cnblogs.com/nickchen121/p/14709373.html

一、初识索引

1.1为什么要有索引？

一般的应用系统，读写比例在10:1左右，而且插入操作和一般的更新操作很少出现性能问题，在生产环境中，我们遇到最多的，也是最容易出问题的，还是一些复杂的查询操作，因此对查询语句的优化显然是重中之重。说起加速查询，就不得不提到索引了。

1.2什么是索引？

索引在MySQL中也叫是一种“键”，是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。

索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。

索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查。

1.3你是否对索引存在误解？

索引是应用程序设计和开发的一个重要方面。若索引太多，应用程序的性能可能会受到影响。而索引太少，对查询性能又会产生影响，要找到一个平衡点，这对应用程序的性能至关重要。一些开发人员总是在事后才想起添加索引----我一直认为，这源于一种错误的开发模式。如果知道数据的使用，从一开始就应该在需要处添加索引。开发人员往往对数据库的使用停留在应用的层面，比如编写SQL语句、存储过程之类，他们甚至可能不知道索引的存在，或认为事后让相关DBA加上即可。DBA往往不够了解业务的数据流，而添加索引需要通过监控大量的SQL语句进而从中找到问题，这个步骤所需的时间肯定是远大于初始添加索引所需的时间，并且可能会遗漏一部分的索引。当然索引也并不是越多越好，我曾经遇到过这样一个问题：某台MySQL服务器iostat显示磁盘使用率一直处于100%，经过分析后发现是由于开发人员添加了太多的索引，在删除一些不必要的索引之后，磁盘使用率马上下降为20%。可见索引的添加也是非常有技术含量的。

二、索引的原理

2.1索引原理

索引的目的在于提高查询效率，与我们查阅图书所用的目录是一个道理：先定位到章，然后定位到该章下的一个小节，然后找到页数。相似的例子还有：查字典，查火车车次，飞机航班等

本质都是：通过不断地缩小想要获取数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是说，有了这种索引机制，我们可以总是用同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂的多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段......这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。但如果是1千万的记录呢，分成几段比较好？稍有算法基础的同学会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂，一方面数据是保存在磁盘上的，另外一方面为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树难以满足复杂的应用场景。

2.2磁盘IO与预读

前面提到了访问磁盘，那么这里先简单介绍一下磁盘IO和预读，磁盘读取数据靠的是机械运动，每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分，寻道时间指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下；旋转延迟就是我们经常听说的磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，也就是说1秒钟能转120次，旋转延迟就是1/120/2=4.17ms；传输时间指的是从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒，相对于前两个时间可以忽略不计。那么访问一次磁盘的时间，即一次磁盘IO的时间约等于5+4.17=9ms左右，听起来还挺不错的，但要知道一台500-MIPS（MillionInstructionsPerSecond）的机器每秒可以执行5亿条指令，因为指令依靠的是电的性质，换句话说执行一次IO的时间可以执行约450万条指令，数据库动辄十万百万乃至千万级数据，每次9毫秒的时间，显然是个灾难。下图是计算机硬件延迟的对比图，供大家参考：

考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。

三、索引的数据结构

MySQL索引的数据结构-B+树介绍：https://www.cnblogs.com/nickchen121/p/11152523.html

四、MySQL索引管理

4.1功能

索引的功能就是加速查找 mysql中的primarykey，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能

4.2MySQL常用的索引

普通索引INDEX：加速查找 唯一索引：

主键索引PRIMARYKEY：加速查找+约束（不为空、不能重复）

唯一索引UNIQUE:加速查找+约束（不能重复） 联合索引：

PRIMARYKEY(id,name):联合主键索引

UNIQUE(id,name):联合唯一索引

INDEX(id,name):联合普通索引

4.3各个索引应用场景

举个例子来说，比如你在为某商场做一个会员卡的系统。 这个系统有一个会员表 有下列字段： 会员编号INT 会员姓名VARCHAR(10) 会员身份证号码VARCHAR(18) 会员电话VARCHAR(10) 会员住址VARCHAR(50) 会员备注信息TEXT 那么这个会员编号，作为主键，使用PRIMARY 会员姓名如果要建索引的话，那么就是普通的INDEX 会员身份证号码如果要建索引的话，那么可以选择UNIQUE（唯一的，不允许重复） #除此之外还有全文索引，即FULLTEXT 会员备注信息，如果需要建索引的话，可以选择全文搜索。 用于搜索很长一篇文章的时候，效果最好。 用在比较短的文本，如果就一两行字的，普通的INDEX也可以。 但其实对于全文搜索，我们并不会使用MySQL自带的该索引，而是会选择第三方软件如Sphinx，专门来做全文搜索。 #其他的如空间索引SPATIAL，了解即可，几乎不用 各个索引的应用场景 各个索引的应用场景

4.4索引的两大类型hash与btree

我们可以在创建上述索引的时候，为其指定索引类型，分两类：

hash类型的索引：查询单条快，范围查询慢 btree类型的索引：b+树，层数越多，数据量指数级增长（我们就用它，因为innodb默认支持它）

不同的存储引擎支持的索引类型也不一样：

InnoDB支持事务，支持行级别锁定，支持B-tree、Full-text等索引，不支持Hash索引； MyISAM不支持事务，支持表级别锁定，支持B-tree、Full-text等索引，不支持Hash索引； Memory不支持事务，支持表级别锁定，支持B-tree、Hash等索引，不支持Full-text索引； NDB支持事务，支持行级别锁定，支持Hash索引，不支持B-tree、Full-text等索引； Archive不支持事务，支持表级别锁定，不支持B-tree、Hash、Full-text等索引；

4.5创建/删除索引的语法

#方法一：创建表时 CREATETABLE表名( 字段名1数据类型[完整性约束条件…], 字段名2数据类型[完整性约束条件…], [UNIQUE|FULLTEXT|SPATIAL]INDEX|KEY [索引名](字段名[(长度)][ASC|DESC]) ); #方法二：CREATE在已存在的表上创建索引 CREATE[UNIQUE|FULLTEXT|SPATIAL]INDEX索引名 ON表名(字段名[(长度)][ASC|DESC]); #方法三：ALTERTABLE在已存在的表上创建索引 ALTERTABLE表名ADD[UNIQUE|FULLTEXT|SPATIAL]INDEX 索引名(字段名[(长度)][ASC|DESC]); #删除索引：DROPINDEX索引名ON表名字;

4.6示例

#方式一 createtablet1( idint, namechar, ageint, sexenum(male,female), uniquekeyuni_id(id), indexix_name(name)#index没有key ); createtablet1( idint, namechar, ageint, sexenum(male,female), uniquekeyuni_id(id), index(name)#index没有key ); #方式二 createindexix_ageont1(age); #方式三 altertablet1addindexix_sex(sex); altertablet1addindex(sex); #查看 mysql>showcreatetablet1; |t1|CREATETABLE`t1`( `id`int(11)DEFAULTNULL, `name`char(1)DEFAULTNULL, `age`int(11)DEFAULTNULL, `sex`enum(male,female)DEFAULTNULL, UNIQUEKEY`uni_id`(`id`), KEY`ix_name`(`name`), KEY`ix_age`(`age`), KEY`ix_sex`(`sex`) )ENGINE=InnoDBDEFAULTCHARSET=latin1

五、测试索引

5.1数据准备

#1.准备表 createtables1( idint, namevarchar(20), genderchar(6), emailvarchar(50) ); #2.创建存储过程，实现批量插入记录 delimiter$$#声明存储过程的结束符号为$$ createprocedureauto_insert1() BEGIN declareiintdefault1; while(i<3000000)do insertintos1values(i,eva,female,concat(eva,i,@oldboy)); seti=i+1; endwhile; END$$#$$结束 delimiter;#重新声明分号为结束符号 #3.查看存储过程 showcreateprocedureauto_insert1\G #4.调用存储过程 callauto_insert1();

1、在没有索引的前提下测试查询速度

无索引：mysql根本就不知道到底是否存在id等于333333333的记录，只能把数据表从头到尾扫描一遍，此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢

mysql>select*froms1whereid=333333333; Emptyset(0.33sec)

2、在表中已经存在大量数据的前提下，为某个字段段建立索引，建立速度会很慢

3、在索引建立完毕后，以该字段为查询条件时，查询速度提升明显

注意：

mysql先去索引表里根据b+树的搜索原理很快搜索到id等于333333333的记录不存在，IO大大降低，因而速度明显提升 我们可以去mysql的data目录下找到该表，可以看到占用的硬盘空间多了 需要注意，如下图

5.2小结

一定是为搜索条件的字段创建索引，比如select\\\*froms1whereid=333;就需要为id加上索引 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，建完后查询速度加快，比如createindexidxons1(id);会扫描表中所有的数据，然后以id为数据项，创建索引结构，存放于硬盘的表中。建完以后，再查询就会很快了。 需要注意的是：innodb表的索引会存放于s1.ibd文件中，而myisam表的索引则会有单独的索引文件table1.MYI

MySAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而在innodb中，表数据文件本身就是按照B+Tree（BTree即BalanceTrue）组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此innodb表数据文件本身就是主索引。

因为inndob的数据文件要按照主键聚集，所以innodb要求表必须要有主键（Myisam可以没有），如果没有显式定义，则mysql系统会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则mysql会自动为innodb表生成一个隐含字段作为主键，这字段的长度为6个字节，类型为长整型.

六、正确使用索引

6.1索引未命中

并不是说我们创建了索引就一定会加快查询速度，若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下问题：

1、范围问题，或者说条件不明确，条件中出现这些符号或关键字：>、>=、<、<=、!=、between...and...、like、大于号、小于号

不等于！=

between...and...

like

2、尽量选择区分度高的列作为索引,区分度的公式是count(distinctcol)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录。

先把表中的索引都删除，让我们专心研究区分度的问题：

mysql>descs1; +--------+-------------+------+-----+---------+-------+ |Field|Type|Null|Key|Default|Extra| +--------+-------------+------+-----+---------+-------+ |id|int(11)|YES|MUL|NULL|| |name|varchar(20)|YES||NULL|| |gender|char(5)|YES||NULL|| |email|varchar(50)|YES|MUL|NULL|| +--------+-------------+------+-----+---------+-------+ rowsinset(0.00sec) mysql>dropindexaons1; QueryOK,0rowsaffected(0.20sec) Records:0Duplicates:0Warnings:0 mysql>dropindexdons1; QueryOK,0rowsaffected(0.18sec) Records:0Duplicates:0Warnings:0 mysql>descs1; +--------+-------------+------+-----+---------+-------+ |Field|Type|Null|Key|Default|Extra| +--------+-------------+------+-----+---------+-------+ |id|int(11)|YES||NULL|| |name|varchar(20)|YES||NULL|| |gender|char(5)|YES||NULL|| |email|varchar(50)|YES||NULL|| +--------+-------------+------+-----+---------+-------+ rowsinset(0.00sec)

分析原因：

我们编写存储过程为表s1批量添加记录，name字段的值均为egon，也就是说name这个字段的区分度很低（gender字段也是一样的，我们稍后再搭理它）

回忆b+树的结构，查询的速度与树的高度成反比，要想将树的高低控制的很低，需要保证：在某一层内数据项均是按照从左到右，从小到大的顺序依次排开，即左1<左2<左3<...

而对于区分度低的字段，无法找到大小关系，因为值都是相等的，毫无疑问，还想要用b+树存放这些等值的数据，只能增加树的高度，字段的区分度越低，则树的高度越高。极端的情况，索引字段的值都一样，那么b+树几乎成了一根棍。本例中就是这种极端的情况，name字段所有的值均为nick

现在我们得出一个结论：为区分度低的字段建立索引，索引树的高度会很高，然而这具体会带来什么影响呢？？？

如果条件是name=xxxx,那么肯定是可以第一时间判断出xxxx是不在索引树中的（因为树中所有的值均为nick’），所以查询速度很快 如果条件正好是name=nick,查询时，我们永远无法从树的某个位置得到一个明确的范围，只能往下找，往下找，往下找。。。这与全表扫描的IO次数没有多大区别，所以速度很慢

3、索引列不能在条件中参与计算，保持列“干净”，比如from_unixtime(create_time)=’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time=unix_timestamp(’2014-05-29’)

4、and/or

and与or的逻辑

条件1and条件2：所有条件都成立才算成立，但凡要有一个条件不成立则最终结果不成立

条件1or条件2：只要有一个条件成立则最终结果就成立

4.and的工作原理

条件：a=10andb=xxxandc>3andd=4

索引：制作联合索引(d,a,b,c)

工作原理：对于连续多个and：mysql会按照联合索引，从左到右的顺序找一个区分度高的索引字段(这样便可以快速锁定很小的范围)，加速查询，即按照d—>a->b->c的顺序

8.or的工作原理

条件：a=10orb=xxxorc>3ord=4

索引：制作联合索引(d,a,b,c)

工作原理：对于连续多个or：mysql会按照条件的顺序，从左到右依次判断，即a->b->c->d

在左边条件成立但是索引字段的区分度低的情况下（name与gender均属于这种情况），会依次往右找到一个区分度高的索引字段，加速查询。

经过分析，在条件为name=nickandgender=maleandid>333andemail=xxx的情况下，我们完全没必要为前三个条件的字段加索引，因为只能用上email字段的索引，前三个字段的索引反而会降低我们的查询效率

5、最左前缀匹配原则，非常重要的原则，对于组合索引mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配(指的是范围大了，有索引速度也慢)，比如a=1andb=2andc>3andd=4如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

6、其他情况

-使用函数 select*fromtb1wherereverse(email)=nick; -类型不一致 如果列是字符串类型，传入条件是必须用引号引起来，不然... select*fromtb1whereemail=999; #排序条件为索引，则select字段必须也是索引字段，否则无法命中 -orderby selectnamefroms1orderbyemaildesc; 当根据索引排序时候，select查询的字段如果不是索引，则速度仍然很慢 selectemailfroms1orderbyemaildesc; 特别的：如果对主键排序，则还是速度很快： select*fromtb1orderbyniddesc; -组合索引最左前缀 如果组合索引为：(name,email) nameandemail--命中索引 name--命中索引 email--未命中索引 -count(1)或count(列)代替count(*)在mysql中没有差别了 -createindexxxxxontb(title(19))#text类型，必须制定长度

6.2其他注意事项

避免使用select* 使用count(*) 创建表时尽量使用char代替varchar 表的字段顺序固定长度的字段优先 组合索引代替多个单列索引（由于mysql中每次只能使用一个索引，所以经常使用多个条件查询时更适合使用组合索引） 尽量使用短索引 使用连接（JOIN）来代替子查询(Sub-Queries) 连表时注意条件类型需一致 索引散列值（重复少）不适合建索引，例：性别不适合

七、联合索引和覆盖索引

7.1联合索引

联合索引是指对表上的多个列合起来做一个索引。联合索引的创建方法与单个索引的创建方法一样，不同之处仅在于有多个索引列，如下：

mysql>createtablet( ->aint, ->bint, ->primarykey(a), ->keyidx_a_b(a,b) ->); QueryOK,0rowsaffected(0.11sec)

那么何时需要使用联合索引呢？在讨论这个问题之前，先来看一下联合索引内部的结果。从本质上来说，联合索引就是一棵B+树，不同的是联合索引的键值得数量不是1，而是>=2。接着来讨论两个整型列组成的联合索引，假定两个键值得名称分别为a、b如图：

可以看到这与我们之前看到的单个键的B+树并没有什么不同，键值都是排序的，通过叶子结点可以逻辑上顺序地读出所有数据，就上面的例子来说，即（1,1），（1,2），（2,1），（2,4），（3,1），（3,2），数据按（a,b）的顺序进行了存放。

因此，对于查询select*fromtablewherea=xxxandb=xxx,显然是可以使用(a,b)这个联合索引的，对于单个列a的查询select*fromtablewherea=xxx,也是可以使用（a,b）这个索引的。

但对于b列的查询select*fromtablewhereb=xxx,则不可以使用（a,b）索引，其实你不难发现原因，叶子节点上b的值为1、2、1、4、1、2显然不是排序的，因此对于b列的查询使用不到(a,b)索引

联合索引的第二个好处是在第一个键相同的情况下，已经对第二个键进行了排序处理，例如在很多情况下应用程序都需要查询某个用户的购物情况，并按照时间进行排序，最后取出最近三次的购买记录，这时使用联合索引可以帮我们避免多一次的排序操作，因为索引本身在叶子节点已经排序了，如下

#===========准备表============== createtablebuy_log( useridintunsignednotnull, buy_datedate ); insertintobuy_logvalues (1,2009-01-01), (2,2009-01-01), (3,2009-01-01), (1,2009-02-01), (3,2009-02-01), (1,2009-03-01), (1,2009-04-01); altertablebuy_logaddkey(userid); altertablebuy_logaddkey(userid,buy_date); #===========验证============== mysql>showcreatetablebuy_log; |buy_log|CREATETABLE`buy_log`( `userid`int(10)unsignedNOTNULL, `buy_date`dateDEFAULTNULL, KEY`userid`(`userid`), KEY`userid_2`(`userid`,`buy_date`) )ENGINE=InnoDBDEFAULTCHARSET=utf8| #可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2,但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多 mysql>explainselect*frombuy_logwhereuserid=2; +----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+ |id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra| +----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+ |1|SIMPLE|buy_log|ref|userid,userid_2|userid|4|const|1|| +----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+ rowinset(0.00sec) #接着假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了，因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了 mysql>explainselect*frombuy_logwhereuserid=1orderbybuy_datedesclimit3; +--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+ |id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra| +--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+ |1|SIMPLE|buy_log|ref|userid,userid_2|userid_2|4|const|4|Usingwhere;Usingindex| +--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+ rowinset(0.00sec) #ps：如果extra的排序显示是Usingfilesort，则意味着在查出数据后需要二次排序(如下查询语句，没有先用whereuserid=3先定位范围，于是即便命中索引也没用，需要二次排序) mysql>explainselect*frombuy_logorderbybuy_datedesclimit3; +--+-----------+-------+-----+-------------+--------+-------+----+----+---------------------------+ |id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra| +--+-----------+-------+-----+-------------+--------+-------+----+----+---------------------------+ |1|SIMPLE|buy_log|index|NULL|userid_2|8|NULL|7|Usingindex;Usingfilesort| +--+-----------+-------+-----+-------------+--------+-------+----+----+---------------------------+ #对于联合索引（a,b）,下述语句可以直接使用该索引，无需二次排序 select...fromtablewherea=xxxorderbyb; #然后对于联合索引(a,b,c)来首，下列语句同样可以直接通过索引得到结果 select...fromtablewherea=xxxorderbyb; select...fromtablewherea=xxxandb=xxxorderbyc; #但是对于联合索引(a,b,c)，下列语句不能通过索引直接得到结果，还需要自己执行一次filesort操作，因为索引（a，c)并未排序 select...fromtablewherea=xxxorderbyc;

7.2覆盖索引

InnoDB存储引擎支持覆盖索引（coveringindex，或称索引覆盖），即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录。

使用覆盖索引的一个好处是：辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作。

注意：覆盖索引技术最早是在InnoDBPlugin中完成并实现，这意味着对于InnoDB版本小于1.0的，或者MySQL数据库版本为5.0以下的，InnoDB存储引擎不支持覆盖索引特性。

对于InnoDB存储引擎的辅助索引而言，由于其包含了主键信息，因此其叶子节点存放的数据为（primarykey1，priameykey2，...,key1，key2，...）。例如：

selectagefroms1whereid=123andname=nick;#id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。 最牛逼的情况是，索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了 mysql>descs1; +--------+-------------+------+-----+---------+-------+ |Field|Type|Null|Key|Default|Extra| +--------+-------------+------+-----+---------+-------+ |id|int(11)|NO||NULL|| |name|varchar(20)|YES||NULL|| |gender|char(6)|YES||NULL|| |email|varchar(50)|YES||NULL|| +--------+-------------+------+-----+---------+-------+ rowsinset(0.21sec) mysql>explainselectnamefroms1whereid=1000;#没有任何索引 +--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+ |id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra| +--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+ |1|SIMPLE|s1|NULL|ALL|NULL|NULL|NULL|NULL|2688336|10.00|Usingwhere| +--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+ rowinset,1warning(0.00sec) mysql>createindexidx_idons1(id);#创建索引 QueryOK,0rowsaffected(4.16sec) Records:0Duplicates:0Warnings:0 mysql>explainselectnamefroms1whereid=1000;#命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name +--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+ |id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra| +--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+ |1|SIMPLE|s1|NULL|ref|idx_id|idx_id|4|const|1|100.00|NULL| +--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+ rowinset,1warning(0.08sec) mysql>explainselectidfroms1whereid=1000;#在辅助索引中就找到了全部信息，Usingindex代表覆盖索引 +--+-----------+-----+----------+----+-------------+------+-------+-------+------+----------+-----+ |id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra| +--+-----------+-----+----------+----+--------------------+-------+-------+------+----------+-----+ |1|SIMPLE|s1|NULL|ref|idx_id|idx_id|4|const|1|100.00|Usingindex| +--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----------+ rowinset,1warning(0.03sec)

覆盖索引的另外一个好处是对某些统计问题而言的。基于上一小结创建的表buy_log，查询计划如下：

mysql>explainselectcount(*)frombuy_log; +--+-----------+-------+-----+-------------+------+-------+----+----+-----------+ |id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra| +--+-----------+-------+-----+-------------+------+-------+----+----+-----------+ |1|SIMPLE|buy_log|index|NULL|userid|4|NULL|7|Usingindex| +--+-----------+-------+-----+-------------+------+-------+----+----+-----------+ rowinset(0.00sec)

innodb存储引擎并不会选择通过查询聚集索引来进行统计。由于buy_log表有辅助索引，而辅助索引远小于聚集索引，选择辅助索引可以减少IO操作，故优化器的选择如上key为userid辅助索引

对于（a,b）形式的联合索引，一般是不可以选择b中所谓的查询条件。但如果是统计操作，并且是覆盖索引，则优化器还是会选择使用该索引，如下：

#联合索引userid_2（userid,buy_date）,一般情况，我们按照buy_date是无法使用该索引的，但特殊情况下：查询语句是统计操作，且是覆盖索引，则按照buy_date当做查询条件时，也可以使用该联合索引 mysql>explainselectcount(*)frombuy_logwherebuy_date>=2011-01-01andbuy_date<2011-02-01; +--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+ |id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra| +--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+ |1|SIMPLE|buy_log|index|NULL|userid_2|8|NULL|7|Usingwhere;Usingindex| +--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+ rowinset(0.00sec)

7.3合并索引

mysql>explainselectcount(email)fromindex_twhereid=1000000oremail=eva100000@oldboy; +--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+ |id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra| +--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+ |1|SIMPLE|index_t|index_merge|PRIMARY,email,ind_id,ind_email|PRIMARY,email|4,51|NULL|2|Usingunion(PRIMARY,email);Usingwhere| +--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+ rowinset(0.01sec)

八、查询优化神器-explain

MySQL性能分析之Explain：https://www.cnblogs.com/nickchen121/p/11155917.html

九、慢查询优化的基本步骤

先运行看看是否真的很慢，注意设置SQL_NO_CACHE where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高 explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询） orderbylimit形式的sql语句让排序的表优先查 了解业务方使用场景 加索引时参照建索引的几大原则 观察结果，不符合预期继续从0分析

十、慢日志管理

慢日志 -执行时间>10 -未命中索引 -日志文件路径 配置： -内存 showvariableslike%query%; showvariableslike%queries%; setglobal变量名=值 -配置文件 mysqld--defaults-file=E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini my.conf内容： slow_query_log=ON slow_query_log_file=D:/.... 注意：修改配置文件之后，需要重启服务 MySQL日志管理 ======================================================== 错误日志:记录MySQL服务器启动、关闭及运行错误等信息 二进制日志:又称binlog日志，以二进制文件的方式记录数据库中除SELECT以外的操作 查询日志:记录查询的信息 慢查询日志:记录执行时间超过指定时间的操作 中继日志：备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放 通用日志：审计哪个账号、在哪个时段、做了哪些事件 事务日志或称redo日志：记录Innodb事务相关的如事务执行时间、检查点等 ======================================================== 一、bin-log 1.启用 #vim/etc/my.cnf [mysqld] log-bin[=dir\[filename]] #servicemysqldrestart 2.暂停 //仅当前会话 SETSQL_LOG_BIN=0; SETSQL_LOG_BIN=1; 3.查看 查看全部： #mysqlbinlogmysql.000002 按时间： #mysqlbinlogmysql.000002--start-datetime="2012-12-0510:02:56" #mysqlbinlogmysql.000002--stop-datetime="2012-12-0511:02:54" #mysqlbinlogmysql.000002--start-datetime="2012-12-0510:02:56"--stop-datetime="2012-12-0511:02:54" 按字节数： #mysqlbinlogmysql.000002--start-position=260 #mysqlbinlogmysql.000002--stop-position=260 #mysqlbinlogmysql.000002--start-position=260--stop-position=930 4.截断bin-log（产生新的bin-log文件） a.重启mysql服务器 b.#mysql-uroot-p123-eflushlogs 5.删除bin-log文件 #mysql-uroot-p123-eresetmaster 二、查询日志 启用通用查询日志 #vim/etc/my.cnf [mysqld] log[=dir\[filename]] #servicemysqldrestart 三、慢查询日志 启用慢查询日志 #vim/etc/my.cnf [mysqld] log-slow-queries[=dir\[filename]] long_query_time=n #servicemysqldrestart MySQL5.6: slow-query-log=1 slow-query-log-file=slow.log long_query_time=3单位为秒 查看慢查询日志 测试:BENCHMARK(count,expr) SELECTBENCHMARK(50000000,2*3);

本文内容总结：一、初识索引，1.1为什么要有索引？，1.2什么是索引？，1.3你是否对索引存在误解？，二、索引的原理，2.1索引原理，2.2磁盘IO与预读，三、索引的数据结构，四、MySQL索引管理，4.1功能，4.2MySQL常用的索引，4.3各个索引应用场景，4.4索引的两大类型hash与btree，4.5创建/删除索引的语法，4.6示例，五、测试索引，5.1数据准备，5.2小结，六、正确使用索引，6.1索引未命中，6.2其他注意事项，七、联合索引和覆盖索引，7.1联合索引，7.2覆盖索引，7.3合并索引，八、查询优化神器-explain，九、慢查询优化的基本步骤，十、慢日志管理，

原文链接：https://www.cnblogs.com/nickchen121/p/11155947.html