一. 索引概述
1. 介绍
索引是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
2. 演示
表结构及其数据如下：
假如我们要执行的SQL语句为：select * from user where age = 45;
(1). 无索引情况
在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为 全表扫描，性能很低。
(2). 有索引情况
如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。
此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高了查询的效率。
注：这里我们只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，下面会有介绍。
3. 特点
优势劣势
提高数据检索的效率，降低数据库的IO成本索引列也是要占用空间的
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗索引大大提高了查询效率，同时却也降低了更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低
二. 索引结构
1. 简介
MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：
索引结构描述
B+Tree索引最常见的索引类型，大部分引擎都支持B+树索引
Hash索引底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询
R-tree(空间索引)空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-text(全文索引)全文索引是一种通过建立倒排索引，快速匹配文档的方式。类似于Lucene，Solr，ES
上述是MySQL中所支持的所有索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持情况。
索引InnoDBMyISAMMemory
B+tree索引支持支持支持
Hash索引不支持不支持支持
R-tree索引不支持支持不支持
Full-text索引5.6版本之后支持支持不支持
2. 二叉树
假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：
如果主键是顺序插入的，则会形成一个单向链表，结构如下：
所以，如果选择二叉树作为索引结构，会存在以下缺点：
顺序插入时，会形成一个链表，查询性能大大降低。
大数据量情况下，层级较深，检索速度慢
此时可能会想到，我们可以选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树，结构如下：
但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：
大数据量情况下，层级较深，检索速度慢。
所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而是选择B+Tree，在详解B+Tree之前，先来介绍一个B-Tree。
3. B-Tree
B-Tree，B树是一种多叉路平衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。
以一颗最大度数（max-degree）为5（5阶）的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：
注：树的度数指的是一个节点的子节点格式
特点：
5阶的B树，每一个节点最多存储4个key，对应5个指针。
一旦节点存储的key数量达到5，就会裂变，中间元素向上分裂。
在B树中，非叶子节点和叶子节点都会存放数据。
4. B+Tree
B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一下其结构示意图：
我们可以看到，两部分：
绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。
B+Tree和B-Tree相比，主要有以下三点区别：
所有的数据都会出现在叶子节点。
叶子节点形成一个单向链表。
非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。
上述我们所看到的结构是标准的B+Tree的数据结构，接下来，我们再来看看MySQL优化之后的B+Tree。
MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。
5. Hash
MySQL中除了支持B+Tree索引，还支持一种索引---Hash索引。
(1). 结构
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。
如果两个（或多个）键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。
(2). 特点
Hash索引只能用于对等比较(=，in)，不支持范围查询(between，>，<，…)
无法利用索引完成排序操作
查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+Tree索引
(3). 存储引擎支持
在MySQL中，支持hash索引的是Memory存储引擎。而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。
问题1：为什么InnoDB存储引擎选择使用B+Tree索引结构？
相对于二叉树，层级更少，搜索效率高；
对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
相对Hash索引，B+tree支持范围匹配及排序操作。
三. 索引分类
在MySQL数据库中，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。
分类含义特点关键字
主键索引针对于表中主键创建的索引默认自动创建，只能有一个PRIMARY
唯一索引避免同一个表中某数据列中的值重复可以有多个UNIQUE
常规索引快速定位特定数据可以有多个
全文索引全文索引查找的是文本中的关键词，而不是比较索引中的值可以有多个FULLTEXT
1. 聚集索引&二级索引
在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：
分类含义特点
聚集索引(Clustered Index)将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据必须有，而且只有一个
二级索引(Secondary Index)将数据与检索分开存储，索引结构的叶子节点关联的是对应的主键可以存在多个
聚集索引选取规则：
如果存在主键，主键索引就是聚集索引。
如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。
聚集索引和二级索引的具体结构如下：
聚集索引的叶子节点下挂的是这一行的数据。
二级索引的叶子节点下挂的是该字段值对应的主键值。
接下来，我们来分析一下，当我们执行如下的SQL语句时，具体的查找过程是什么样子的。
具体过程如下：
A. 由于是根据name字段进行查询，所以先根据name="Arm"到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到Arm对应的主键值10.
B. 由于查询返回的数据是*，所以此时，还需要根据主键值10到聚集索引中查找10对应的记录，最终找到10对应的行row。
C. 最终拿到这一行的数据，直接返回即可。
回表查询：这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。
问题1：一下两条SQL语句，哪个执行效率高？为什么？
A. select * from user where id = 10;
B. select * from user where name = 'Arm';
备注：id为主键，name字段创建的有索引；
解答：A语句的执行性能要高于B语句。
因为A语句直接走聚集索引，直接返回数据。而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。
问题2：InnoDB主键索引的B+tree高度为多高呢？
假设：
一行数据大小为1k，一页中可以存储16行。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
高度为2：
n * 8 + (n + 1) * 6 = 16 * 1024，算出n约为1170
1171 * 16 = 18736
也就是说，如果树的高度为2，则可以存储18000多条数据。
高度为3：
1171 * 1171 * 16 = 21939856
也就是说，如果树的高度为3，则可以存储2200w左右的记录。
四. 索引语法
1. 创建索引
1CREATE [UNIQUE | FULLTEXT] INDEX index_name ON table_name (index_col_name,...);
2. 查看索引
1SHOW INDEX FROM table_name;
3. 删除索引
1DROP INDEX index_name ON table_name;
4. 案例演示
(1). 准备数据
1create table tb_user(
2 id int primary key auto_increment comment '主键',
3 name varchar(50) not null comment '用户名',
4 phone varchar(11) not null comment '手机号',
5 email varchar(100) comment '邮箱',
6 profession varchar(11) comment '专业',
7 age tinyint unsigned comment '年龄',
8 gender char(1) comment '性别 , 1: 男, 2: 女',
9 status char(1) comment '状态',
10 createtime datetime comment '创建时间'
11) comment '系统用户表';
12
13INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('吕布', '17799990000', 'lvbu666@163.com', '软件工程', 23, '1', '6', '2001-02-02 00:00:00');
14INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('曹操', '17799990001', 'caocao666@qq.com', '通讯工程', 33, '1', '0', '2001-03-05 00:00:00');
15INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('赵云', '17799990002', '17799990@139.com', '英语', 34, '1', '2', '2002-03-02 00:00:00');
16INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('孙悟空', '17799990003', '17799990@sina.com', '工程造价', 54, '1', '0', '2001-07-02 00:00:00'); INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('花木兰', '17799990004', '19980729@sina.com', '软件工程', 23, '2', '1', '2001-04-22 00:00:00'); INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('大乔', '17799990005', 'daqiao666@sina.com', '舞蹈', 22, '2', '0', '2001-02-07 00:00:00');
17INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('露娜', '17799990006', 'luna_love@sina.com', '应用数学', 24, '2', '0', '2001-02-08 00:00:00');
18INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('程咬金', '17799990007', 'chengyaojin@163.com', '化工', 38, '1', '5', '2001-05-23 00:00:00'); INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('项羽', '17799990008', 'xiaoyu666@qq.com', '金属材料', 43, '1', '0', '2001-09-18 00:00:00');
19INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('白起', '17799990009', 'baiqi666@sina.com', '机械工程及其自动 化', 27, '1', '2', '2001-08-16 00:00:00');
20INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('韩信', '17799990010', 'hanxin520@163.com', '无机非金属材料工 程', 27, '1', '0', '2001-06-12 00:00:00');
21INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('荆轲', '17799990011', 'jingke123@163.com', '会计', 29, '1', '0', '2001-05-11 00:00:00');
22INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('兰陵王', '17799990012', 'lanlinwang666@126.com', '工程造价', 44, '1', '1', '2001-04-09 00:00:00');
23INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('狂铁', '17799990013', 'kuangtie@sina.com', '应用数学', 43, '1', '2', '2001-04-10 00:00:00');
24INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('貂蝉', '17799990014', '84958948374@qq.com', '软件工程', 40, '2', '3', '2001-02-12 00:00:00');
25INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('妲己', '17799990015', '2783238293@qq.com', '软件工程', 31, '2', '0', '2001-01-30 00:00:00');
26INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('芈月', '17799990016', 'xiaomin2001@sina.com', '工业经济', 35, '2', '0', '2000-05-03 00:00:00');
27INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('嬴政', '17799990017', '8839434342@qq.com', '化工', 38, '1', '1', '2001-08-08 00:00:00');
28INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('狄仁杰', '17799990018', 'jujiamlm8166@163.com', '国际贸易', 30, '1', '0', '2007-03-12 00:00:00');
29INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('安琪拉', '17799990019', 'jdodm1h@126.com', '城市规划', 51, '2', '0', '2001-08-15 00:00:00');
30INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('典韦', '17799990020', 'ycaunanjian@163.com', '城市规划', 52, '1', '2', '2000-04-12 00:00:00'); INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('廉颇', '17799990021', 'lianpo321@126.com', '土木工程', 19, '1', '3', '2002-07-18 00:00:00');
31INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('后羿', '17799990022', 'altycj2000@139.com', '城市园林', 20, '1', '0', '2002-03-10 00:00:00');
32INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('姜子牙', '17799990023', '37483844@qq.com', '工程造价', 29, '1', '4', '2003-05-26 00:00:00');
(2). name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
1CREATE INDEX idx_user_name ON tb_user(name);
(3). phone手机号字段的值是非空且唯一的，为该字段创建唯一索引。
1CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);
(4). 为profession、age、status创建联合索引。
1CREATE INDEX idx_user_pro_age_sta ON tb_user(profession,age,status);
(5). 为email建立合适的索引来提升查询效率。
1CREATE INDEX idx_email ON tb_user(email);
五. SQL性能分析
1. SQL执行频率
MySQL客户端连接成功后，通过show [session | global] status 命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：
1-- session 是查看当前会话;
2-- global 是查询全局数据;
3
4SHOW GLOBAL STATUS LIKE 'Com_______';
Com_delete：删除次数
Com_insert：插入次数
Com_select：查询次数
Com_update：更新次数
注：通过上述指令，我们可以查看到当前数据库到底是以查询为主，还是以增删该为主，从而为数据库优化提供参考依据。如果是以增删改为主，我们可以考虑不对其进行索引的优化。如果是以查询为主，那么就要考虑对数据库的索引进行优化了。
2. 慢查询日志
慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志。
MySQL的慢查询日志默认没有开启，我们可以查看一下系统变量slow_query_log。
1show variables like 'slow_query_log';
如果要开启慢查询日志，需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息：
1# 开启MySQL慢日志查询开关
2slow_query_log=1
3
4# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
5long_query_time=2
配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息 /var/lib/mysql/localhost-slow.log
1systemctl restart mysqld
然后，再次查看开关情况，慢查询日志就已经打开了。
测试：
A. 执行如下SQL语句：
1select * from tb_user; -- 这条SQL执行效率比较高, 执行耗时 0.00sec
2
3select count(*) from tb_sku; -- 由于tb_sku表中, 预先存入了1000w的记录, count一次,耗时 13.35sec
B. 检查慢查询日志：
最终我们发现，在慢查询日志中，只会记录执行时间超出我们预设时间（2s）的SQL，执行较快的SQL是不会记录的。
那这样，通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化。
3. profile详情
show profiles能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过hava_profiling参数，能够看到当前MySQL是否支持profile操作：
1SELECT @@have_profiling;
2
3SELECT @@profiling;
可以看到，当前MySQL是支持profile操作的，但是开关是关闭的。可以通过set语句在
session/global级别开启profiling：
1SET profiling = 1;
开关已经打开了，接下来，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。我们直接执行如下的SQL语句：
1select * from tb_user;
2
3select * from tb_user where id = 1;
4
5select * from tb_user where name = '白起';
6
7select count(*) from tb_sku;
执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：
1-- 查看每一条SQL的耗时基本情况
2show profiles;
3
4-- 查看指定query_id的SQL语句各个阶段的耗时情况
5show profile for query query_id;
6
7-- 查看指定query_id的SQL语句CPU的使用情况
8show profile cpu for query query_id;
查看每一条SQL的耗时情况：
查看指定SQL各个阶段的耗时情况：
4. explain
explain命令获取MySQL如何执行SELECT语句的信息，包括在SELECT语句执行过程中表如何连接和连接的顺序。
(1). 语法
1-- 直接在select语句之前加上关键字 explain
2EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;
(2). explain执行计划中各个字段的含义
字段含义
idselect查询的序列号，表示查询中执行select子句或者是操作表的顺序（id相同，执行顺序从上到下；id不同，值越大，越先执行）。
select_type表示SELECT的类型，常见的取值有SIMPLE（简单表，即不使用表连接或者子查询）、PRIMARY（主查询，即外层的查询）、UNION（UNION中的第二个或者后面的查询语句）、SUBQUERY（SELECT/WHERE之后包含了子查询）等
type表示连接类型，性能由好到差的连接类型为NULL、system、const、eq_ref、ref、range、index、all。
possible_key显示可能应用在这张表上的索引，一个或多个。
key实际使用的索引，如果为NULL，则没有使用索引。
key_len表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好。
rowsMySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的。
filtered表示返回结果的行数占需读取行数的百分比，filtered的值越大越好。
六. 索引使用
1. 验证索引效率
我们先通过一个简单的案例，来验证一下索引，看看是否能够通过索引来提升数据查询性能。在演示的时候，我们还是使用之前准备得一张表tb_sku，在这种表中准备了1000w的记录。
这种表中id为主键，有主键索引，而其他字段是没有建立索引的。我们先来查询其中的一条记录，看看里面的字段情况，执行如下SQL：
1select * from tb_sku where id = 1\G;
可以看到即使有1000w的数据，根据id进行数据查询，性能依然很快，因为主键id是有索引的。那么接下来，我们再来根据sn字段进行查询，执行如下SQL：
1SELECT * FROM tb_sku WHERE sn = '100000003145001';
我们可以看到根据sn字段进行查询，查询返回了一条数据，结果耗时20.78 sec，就是因为sn没有索引而造成查询效率很低。
那么我们可以针对于sn字段，建立一个索引，建立了索引之后，我们再次根据sn进行查询，再来看一下查询耗时情况。
创建索引：
1create index idx_sku_sn on tb_sku(sn);
然后再次执行相同的SQL语句，再次查看SQL的耗时
1SELECT * FROM tb_sku WHERE sn = '100000003145001';
我们明显会看到，sn字段建立了索引之后，查询性能大大提升。建立索引前后，查询耗时都不是一个数量级的。
2. 最左前缀法则
如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，索引将会部分失效（后面的字段索引失效）。
以tb_user表为例，我们先来查看一下之前tb_user表所创建的索引。
在tb_user表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为：profession，age，status。
对于最左前缀法则指的是，查询时，最左边的列，也就是profession必须存在，否则索引全部失效。而且中间不能跳过某一列，否则该列后面的字段索引将失效。接下来，我们演示几组案例，看一下具体的执行计划：
1explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
1explain select * from tb_user where profession = '软件工程' and age = 31;
1explain select * from tb_user where profession = '软件工程';
以上的这三组测试中，我们发现只要联合索引最左边的字段profession存在，索引就会生效，只不过索引的长度不同。而且由以上三组测试，我们也可以推测出profession字段索引长度为47、age字段索引长度为2、status字段索引长度为5。
1explain select * from tb_user where age = 31 and status = '0';
1explain select * from tb_user where status = '0';
而通过上面的这两组测试，我们也可以看到索引并未生效，原因是因为不满足最左前缀法则，联合索引最左边的列prefession不存在。
1explain select * from tb_user where profession = '软件工程' and status = '0';
上述的SQL查询时，存在profession字段，最左边的列是存在的，索引满足最左前缀法则的基本条件。但是查询时，跳过了age这个列，所以后面的列索引是不会使用的，也就是索引部分生效，所以索引的长度就是47。
问题1：当执行SQL语句：explain select * from tb_user where age = 31 and status = '0' and profeddion = '软件工程';时，是否满足最左前缀法则，走不走上述的联合索引，索引长度是多少？
可以看到，是完全满足最左前缀法则的，索引长度54，联合索引是生效的。
注：最左前缀法则中指的最左边的列是指在查询时，联合索引的最左边的字段（即是第一个字段）必须存在，与我们编写SQL时，条件编写的先后顺序无关。
3. 范围查询
联合索引中，出现范围查询（>，<），范围查询右侧的列索引失效。
1explain select * from tb_user where profession = '软件工程' and age > 30 and status = '0';
当范围查询使用> 或 < 时，走联合索引了，但是索引的长度为49，就说明范围查询右边的status字段是没有走索引的。
1explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';
当范围查询使用>= 或 <= 时，走联合索引了，索引的长度为54，就说明所有的字段都是走索引的。
所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 <。
4. 索引失效情况
(1). 索引列运算
不要在索引列上进行运算操作，索引将失效。
在tb_user表中，除了前面介绍的联合索引之外，还有一个索引，是phone字段的单列索引。
A. 当根据phone字段进行等值匹配查询时，索引生效。
1explain select * from tb_user where phone = '17799990015';
B. 当根据phone字段进行函数运算操作之后，索引失效
1explain select * from tb_user where substring(phone,10,2) = '15';
(2). 字符串不加引号
字符串类型字段使用时，不加引号，索引将会失效。
接下来，我们通过两组示例来看看对于字符串类型的字段，加单引号与不加单引号的区别：
1explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
2
3explain select * from tb_user where profession = '软件工程' and age = 31 and status = 0;
1explain select * from tb_user where phone = '17799990015';
2
3explain select * from tb_user where phone = 17799990015;
经过上面两组示例，我们会明显的发现，如果字符串不加单引号，对于查询结果没什么影响，但是数据库存在隐式类型转换，索引将失效。
(3). 模糊查询
如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。
接下来，我们来看一下这三条SQL语句的执行效果，查看一下其执行计划：
由于下面查询语句中，都是根据profession字段查询，符合最左前缀法则，联合索引是可以生效的，我们主要看一下模糊查询时，%加在关键字之前和加在关键字之后的影响。
1explain select * from tb_user where profession like '软件%';
2
3explain select * from tb_user where profession like '%工程';
4
5explain select * from tb_user where profession like '%工%';
经过上述的测试，我们发现在like模糊查询中，在关键字后面加%，索引可以生效。而如果在关键字前面加了%，索引将会失效。
(4). or连接条件
用or分隔开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。
1explain select * from tb_user where id = 10 or age = 23;
2
3explain select * from tb_user where phone = '17799990017' or age = 23;
由于age没有索引，所以即使id、phone有索引，索引也会失效。所以虚啊哟针对于age也要建立索引。
然后，我们可以对age字段建立索引。
1create index idx_user_age on tb_user(age);
建立了索引之后，我们再次执行上述的SQL语句，看看前后执行计划的变化。
最终，我们发现，当or连接的条件，左右两侧字段都有索引时，索引才会生效。
(5). 数据分布影响
如果MySQL评估使用索引比全表更慢，则不使用索引。
1select * from tb_user where phone >= '17799990005';
2
3select * from tb_user where phone >= '17799990015';
经过测试我们发现，相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，就是因为MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如全表扫描来的快，此时索引就会失效。
接下来，我们再来看看is null 与 is not null 操作是否走索引。
执行如下两条语句：
1explain select * from tb_user where profession is null;
2
3explain select * from tb_user where profession is not null;
接下来，我们做一个操作将profession字段值全部更新为null。
然后，再次执行上述的两条SQL，查看SQL语句的执行计划。
最终我们看到，一摸一样的SQL语句，先后执行了两次，结果查询计划是不一样的，为什么会出现这种现象，这是和数据库的数据分布有关系。查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引走全表扫描。因此，is null、is not null是否走索引，得具体情况具体分析，并不是固定的。
5. SQL提示
目前tb_user表的数据情况如下：
索引情况如下：
把上述的 idx_user_age，idx_email 这两个之前测试使用过的索引直接删除。
1drop index idx_user_age on tb_user;
2
3drop index idx_email on tb_user;
A. 执行SQL：
1explain select * from tb_user where profession = ’软件工程’;
查询走了联合索引。
B. 执行SQL，创建profession的单列索引：
1create index idx_user_pro on tb_user(profession);
C.创建单列索引后，再次执行A中的SQL语句，查看执行计划，看看到底走哪个索引。
测试结果，我们可以看到，possible_keys中idx_user_pro_age_sta, idx_user_pro这两个索引都可能用到，最终MySQL选择了idx_user_pro_age_sta索引。这是MySQL自动选择的结果。
但是，我们可以借助于MySQL的SQL提示来自己指定使用哪个索引。
SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。
1). use index：建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估）。
1explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';
2). ignore index：忽略指定的索引。
1explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';
3). force index：强制使用索引。
1explain select * from tb_user force index(idx_user_pro_age_sta) where profession = '软件工程';
6. 覆盖索引
尽量使用覆盖索引，减少select *。覆盖索引是指查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到。
接下来，我们来看一组SQL的执行计划，看看执行计划的差别，然后再来具体做一个分析。
1explain select id, profession from tb_user where profession = '软件工程' and age = 31 and status = '0';
2
3explain select id,profession,age, status from tb_user where profession = '软件工程' and age = 31 and status = '0';
4
5explain select id,profession,age, status, name from tb_user where profession = '软 件工程' and age = 31 and status = '0';
6
7explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';
从上述的执行计划我们可以看到，这四条SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。但是此时，我们主要关注的是后面的Extra，前面两条SQL的结果为 Using Where; Using Index；而后面两条SQL的结果为：Using index condition。
Extra含义
Using where; Using Index查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据。
Using index condition查找使用了索引，但是需要回表查询数据。
因为在tb_user表中有一个联合索引 idx_user_pro_age_sta，该索引关联了三个字段profession、age、status，而这个索引也是一个二级索引，所以叶子节点下面挂的是这一行的主键id。所以当我们查询返回的数据在 id、profession、age、status之中，则直接走二级索引直接返回数据了。如果超出这个范围，就需要拿到主键id，再去扫描聚集索引，再获取额外的数据了，这个过程就是回表。而我们如果一直使用select * 查询返回所有字段值，很容易就会造成回表查询（除非是根据主键查询，此时只会扫描聚集索引）。
SQL的执行过程：
A. 表结构及索引示意图：
id是主键，是一个聚集索引。name字段建立了普通索引，是一个二级索引（辅助索引）。
B. 执行SQL：select * from tb_user where id = 2;
根据id查询，直接走聚集索引查询，一次索引扫描，直接返回数据，性能高。
C. 执行SQL：select id, name from tb_user where name = 'Arm';
虽然是根据name字段查询，查询二级索引，但是由于查询返回的字段为id，name，在name的二级索引中，这两个值都是可以直接获取到的，因为覆盖索引，所以不需要回表查询，性能高。
D. 执行SQL：select id, name, gender from tb_user where name = 'Arm';
由于在name的二级索引中，不包含gender，所以需要两次索引扫描，也就是需要回表查询，性能相对比较差一点。
问题1：一张表，有四个字段(id, username, password, status)，由于数据量大，需要对以下SQL语句进行优化，该如何进行才是最优方案：
select id, username, password from tb_user where username = 'itcast';
答案：针对于username，password建立联合索引，sql为 create index idx_user_name_pass on tb_user(username, password);
这样可以避免上述的SQL语句，在查询过程中，出现回表查询。
7. 前缀索引
当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀建立索引，这样可以大大节约索引空间，从而提高索引效率。
(1). 语法
1create index idx_xxxx on table_name(column(n));
案例1：为tb_user表的email字段建立长度为5的前缀索引。
1create index idx_email_5 on tb_user(email(5));
(2). 前缀长度
可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。
1select count(distinct email) / count(*) from tb_user;
2
3select count(distinct substring(email,1,5)) / count(*) from tb_user;
(3). 前缀索引的查询流程
8. 单列索引与联合索引
单列索引：即一个索引只包含单个列。
联合索引：即一个索引包含了多个列。
我们先来看看tb_user表中目前的索引情况：
在查询出来的索引中，既有单列索引，又有联合索引。
接下来，我们来执行一条SQL语句，看看其执行计划：
通过上述执行计划我们可以看出来，在and连接的两个字段phone、name上都是有单列索引的，但是最终mysql只会选择一个索引，也就是说，只能走一个字段的索引，此时是会回表查询的。
紧接着，我们再来创建一个phone和name字段的联合索引来查询一下执行计划。
1create unique index idx_user_phone_name on tb_user(phone,name);
此时查询时，就走了联合索引，而在联合索引中包含了phone、name的信息，在叶子节点下挂的是对应的主键id，所以查询是无需回表查询的。
如果查询使用的是联合索引，具体的结构示意图如下：
七. 索引设计原则
1. 针对于数据量较大且查询比较频繁的表建立索引。
2. 针对于常作为查询条件（where）、排序(order by)、分组(group by)操作的字段建立索引。
3. 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
4. 如果是字符串类型的字符，字段的长度较大，可以针对于字段的特点，建立前缀索引。
5. 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
6. 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
7. 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效的用于查询。
更多mysql学习请关注微信公众号”云哥技术yun3k”，回复”mysql学习”，免费领取mysql全套学习资料。
