MySQL索引優化範例分析

2022-07-29 22:05:57

1.資料準備

#1.建立員工表，並建立name,age,position索引，id為自增主鍵
CREATE TABLE `employees` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
  `age` int(11) NOT NULL DEFAULT '0' COMMENT '年齡',
  `position` varchar(20) NOT NULL DEFAULT '' COMMENT '職位',
  `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入職時間',
  PRIMARY KEY (`id`),
  KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=100010 DEFAULT CHARSET=utf8 COMMENT='員工記錄表'

# 2.前面插入三條資料,並建立employees_min_copy表插入這三條資料
INSERT INTO employees (name,age,`position`,hire_time) VALUES 
('LiLei',22,'manager','2021-08-17 21:00:55')
,('HanMeimei',23,'dev','2021-08-17 21:00:55')
,('Lucy',23,'dev','2021-08-17 21:00:55')
;
#3.再通過執行計劃向表中插入十萬條資料
#3.1建立儲存過程，往employees表中插入資料（MySQL8.0版本）
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_employees`$$
CREATE PROCEDURE `batch_insert_employees`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN 
    DECLARE start_number BIGINT DEFAULT start_number;
    DECLARE stop_number BIGINT DEFAULT start_number;
    SET stop_number=start_number + counts;
    WHILE start_number < stop_number DO
        INSERT INTO employees(name,age,position,hire_time) VALUES(CONCAT('zhang',start_number),start_number,'dev',now());
        SET start_number=start_number+1;
    END WHILE ;
    COMMIT;
END$$
DELIMITER ;

#3.2執行儲存過程插入十萬條資料
CALL batch_insert_employees(1,100000);

2.範例一

1.聯合索引第一個欄位用範圍不會走索引

EXPLAIN SELECT * FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';

原因：MySQL 內部可能覺得第一個欄位就用範圍，結果集應該很大，還需要回表，回表效率不高，不如直接採用全表掃描但是我們可以強制走索引

EXPLAIN SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei' AND age = 22 AND position ='manager';

-- 關閉查詢快取
set global query_cache_size=0;
set global query_cache_type=0;
-- 執行時間0.321s
SELECT * FROM employees WHERE name > 'LiLei';
-- 執行時間0.458s
SELECT * FROM employees force index(idx_name_age_position) WHERE name > 'LiLei';

使用了強制走索引讓聯合索引第一個欄位範圍查詢也走索引，掃描的行rows看上去也少了點，但是最終查詢效率不一定比全表掃描高，因為回表效率不高

對於這種情況，如果可以使用覆蓋索引，就使用覆蓋索引進行優化

EXPLAIN SELECT name,age,position FROM employees WHERE name > 'LiLei' AND age = 22 AND position ='manager';

2.in 和 or 在表資料量比較大的情況會走索引，在表記錄不多的情況下會選擇全表掃描

EXPLAIN SELECT * FROM employees
WHERE name in ('LiLei','HanMeimei','Lucy')
AND age = 22
AND position ='manager';
#表資料量大走索引，資料量小全表掃描
EXPLAIN SELECT * FROM employees
WHERE (name = 'LiLei' or name = 'HanMeimei')
AND age = 22 
AND position ='manager';

將十萬行資料的employees表複製一份插入幾行資料，再進行查詢

發現進行了全表掃描

3.like xx% 無論資料量多少一般情況都會走索引

EXPLAIN SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager';

MySQL 底層使用索引下推（Index Condition Pushdown，ICP） 來對 like xx%進行優化。

索引下推： 對於輔助的聯合索引(idx_name_age_position)，通常按照最左字首原則，SELECT * FROM employees WHERE name like 'LiLei%' AND age = 22 AND position ='manager' 因為在 name 是範圍查詢，過濾完後，age 和 position 是無序的，後續索引無法使用，只會走name欄位索引。

MySQL5.6 以前： 先在索引樹中匹配 name 是 'LiLei' 開頭的索引，然後根據索引下的主鍵進行回表操作，在主鍵索引上在匹配 age 和 position
MySQL 5.6以後： 引入索引下推，先在索引樹種匹配 name 是 'LiLei' 開頭的索引，同時將該所與樹通有的所有條件欄位進行判斷，過濾掉不符合條件的記錄再回表匹配其他條件及查詢整行資料。
優點： 過濾掉不符合條件的記錄之後再回表，可以有效的減少回表次數，提高查詢效率。

MySQL 範圍查詢為什麼沒有使用索引下推優化？ 可能因為範圍查詢結果集一般較大，like xx%在大多數情況下，過濾後結果集較小。而結果集大的時候，每次檢索出來都要匹配後面的欄位，不一定比立即回表要快。但是也不是絕對的，有些時候 Like xx%也不會走索引下推。

3.MySQL如何選擇合適的索引？

先來看兩條 SQL 語句：

# MySQL直接使用全表掃描
EXPLAIN select * from employees where name > 'a';
# MySQL走索引
EXPLAIN select * from employees where name > 'zzz';

我們發現第一條 SQL 進行了全表掃描，第二條 SQL 走了索引。對應第一條SQL，MySQL 通過計算執行成本發現走索引成本比全部掃描更高（走索引需要遍歷 name 欄位，再進行回表操作查出最終資料，比直接查聚簇索引樹更慢)。對於這種情況可以使用覆蓋索引進行優化。至於 MySQL 如何選擇最終索引，可以用 Trace 工具進行檢視。但開啟trace工具會影響 MySQL 效能，用完之後需立即關閉。

#開啟trace
set session optimizer_trace="enabled=on",end_markers_in_json=on; 
#關閉trace
set session optimizer_trace="enabled=off";
#使用trace
select * from employees where name > 'a' order by position;
select * from information_schema.OPTIMIZER_TRACE;

下面是執行後的Trace中的內容：

{
  "steps": [
    {
      #第一階段：SQL準備階段，格式化sql
      "join_preparation": {
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'a') order by `employees`.`position` limit 0,200"
          }
        ] /* steps */
      } /* join_preparation */
    },
    {
      #第二階段：SQL優化階段
      "join_optimization": {
        "select#": 1,
        "steps": [
          {
            #條件處理
            "condition_processing": {
              "condition": "WHERE",
              "original_condition": "(`employees`.`name` > 'a')",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`employees`.`name` > 'a')"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`employees`.`name` > 'a')"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`employees`.`name` > 'a')"
                }
              ] /* steps */
            } /* condition_processing */
          },
          {
            "substitute_generated_columns": {
            } /* substitute_generated_columns */
          },
          {
            #表依賴詳情
            "table_dependencies": [
              {
                "table": "`employees`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ] /* depends_on_map_bits */
              }
            ] /* table_dependencies */
          },
          {
            "ref_optimizer_key_uses": [
            ] /* ref_optimizer_key_uses */
          },
          {
            #預估表的存取成本
            "rows_estimation": [
              {
                "table": "`employees`",
                "range_analysis": {
                  "table_scan": { --全表掃描情況
                    "rows": 93205, --掃描行數
                    "cost": 9394.9 --查詢成本
                  } /* table_scan */,
                  #查詢可能使用的索引
                  "potential_range_indexes": [
                    {
                      "index": "PRIMARY",  --主鍵索引
                      "usable": false, -- 是否使用
                      "cause": "not_applicable"
                    },
                    {
                      #輔助索引
                      "index": "idx_name_age_position",
                      "usable": true,
                      "key_parts": [
                        "name",
                        "age",
                        "position",
                        "id"
                      ] /* key_parts */
                    }
                  ] /* potential_range_indexes */,
                  "setup_range_conditions": [
                  ] /* setup_range_conditions */,
                  "group_index_range": {
                    "chosen": false,
                    "cause": "not_group_by_or_distinct"
                  } /* group_index_range */,
                  "skip_scan_range": {
                    "potential_skip_scan_indexes": [
                      {
                        "index": "idx_name_age_position",
                        "usable": false,
                        "cause": "query_references_nonkey_column"
                      }
                    ] /* potential_skip_scan_indexes */
                  } /* skip_scan_range */,
                  #分析各個索引使用成本
                  "analyzing_range_alternatives": {
                    "range_scan_alternatives": [
                      {
                        "index": "idx_name_age_position",
                        "ranges": [
                          "a < name" --索引使用範圍
                        ] /* ranges */,
                        "index_dives_for_eq_ranges": true, 
                        "rowid_ordered": false, --使用該索引獲取的記錄是否按照主鍵排序
                        "using_mrr": false, 
                        "index_only": false, --是否使用覆蓋索引
                        "rows": 46602, --索引掃描行數
                        "cost": 16311, --索引使用成本
                        "chosen": false, --是否選擇該索引
                        "cause": "cost"
                      }
                    ] /* range_scan_alternatives */,
                    "analyzing_roworder_intersect": {
                      "usable": false,
                      "cause": "too_few_roworder_scans"
                    } /* analyzing_roworder_intersect */
                  } /* analyzing_range_alternatives */
                } /* range_analysis */
              }
            ] /* rows_estimation */
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ] /* plan_prefix */,
                "table": "`employees`",
                "best_access_path": { --最優存取路徑
                  "considered_access_paths": [ --最終選擇的存取路徑
                    {
                      "rows_to_scan": 93205,
                      "filtering_effect": [
                      ] /* filtering_effect */,
                      "final_filtering_effect": 0.5,
                      "access_type": "scan", --存取型別：為scan，全表掃描
                      "resulting_rows": 46602,
                      "cost": 9392.8,
                      "chosen": true  --確定選擇
                    }
                  ] /* considered_access_paths */
                } /* best_access_path */,
                "condition_filtering_pct": 100,
                "rows_for_plan": 46602,
                "cost_for_plan": 9392.8,
                "chosen": true
              }
            ] /* considered_execution_plans */
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`employees`.`name` > 'a')",
              "attached_conditions_computation": [
                {
                  "table": "`employees`",
                  "rechecking_index_usage": {
                    "recheck_reason": "low_limit",
                    "limit": 200,
                    "row_estimate": 46602
                  } /* rechecking_index_usage */
                }
              ] /* attached_conditions_computation */,
              "attached_conditions_summary": [
                {
                  "table": "`employees`",
                  "attached": "(`employees`.`name` > 'a')"
                }
              ] /* attached_conditions_summary */
            } /* attaching_conditions_to_tables */
          },
          {
            "optimizing_distinct_group_by_order_by": {
              "simplifying_order_by": {
                "original_clause": "`employees`.`position`",
                "items": [
                  {
                    "item": "`employees`.`position`"
                  }
                ] /* items */,
                "resulting_clause_is_simple": true,
                "resulting_clause": "`employees`.`position`"
              } /* simplifying_order_by */
            } /* optimizing_distinct_group_by_order_by */
          },
          {
            "reconsidering_access_paths_for_index_ordering": {
              "clause": "ORDER BY",
              "steps": [
              ] /* steps */,
              "index_order_summary": {
                "table": "`employees`",
                "index_provides_order": false,
                "order_direction": "undefined",
                "index": "unknown",
                "plan_changed": false
              } /* index_order_summary */
            } /* reconsidering_access_paths_for_index_ordering */
          },
          {
            "finalizing_table_conditions": [
              {
                "table": "`employees`",
                "original_table_condition": "(`employees`.`name` > 'a')",
                "final_table_condition   ": "(`employees`.`name` > 'a')"
              }
            ] /* finalizing_table_conditions */
          },
          {
            "refine_plan": [
              {
                "table": "`employees`"
              }
            ] /* refine_plan */
          },
          {
            "considering_tmp_tables": [
              {
                "adding_sort_to_table_in_plan_at_position": 0
              } /* filesort */
            ] /* considering_tmp_tables */
          }
        ] /* steps */
      } /* join_optimization */
    },
    {
      #第三階段：SQL執行階段
      "join_execution": {
        "select#": 1,
        "steps": [
          {
            "sorting_table_in_plan_at_position": 0,
            "filesort_information": [
              {
                "direction": "asc",
                "table": "`employees`",
                "field": "position"
              }
            ] /* filesort_information */,
            "filesort_priority_queue_optimization": {
              "limit": 200,
              "chosen": true
            } /* filesort_priority_queue_optimization */,
            "filesort_execution": [
            ] /* filesort_execution */,
            "filesort_summary": {
              "memory_available": 262144,
              "key_size": 40,
              "row_size": 186,
              "max_rows_per_buffer": 201,
              "num_rows_estimate": 285696,
              "num_rows_found": 100003,
              "num_initial_chunks_spilled_to_disk": 0,
              "peak_memory_used": 38994,
              "sort_algorithm": "std::stable_sort",
              "unpacked_addon_fields": "using_priority_queue",
              "sort_mode": "<fixed_sort_key, additional_fields>"
            } /* filesort_summary */
          }
        ] /* steps */
      } /* join_execution */
    }
  ] /* steps */
}

由 Trace欄位可知，全表掃描的 cost_for_plan = 9394.9 小於使用索引 cost_for_plan = 16311，故最終選擇全表掃描。

4.常見 SQL 深入優化

4.1.Order by與Group by優化

# 案例1
explain select * from employees where name = 'Lucy' and position = 'dev' order by age;

分析： 案例1 由最左字首法則分析出索引中間不能出現斷層，只使用了 name 索引字首，也可以從key_len = 3n + 2 看出。age 索引列用在排序過程中，因為Extra欄位裡沒有 Using filesort 而是 Using index condition 。

#案例2
explain select * from employees where name = 'Lucy'  order by position;

分析： 案例2 索引查詢使用了 name 索引字首，但排序由於跳過了 age 所以Extra欄位出現了 Using filesort 。

#案例3
explain select * from employees where name = 'Lucy'  order by age, position;

分析： 案例3 查詢時使用了 name 索引，age 和 postion 用於排序，不會出現 Using filesort

#案例4
explain select * from employees where name = 'Lucy'  order by position,age;

分析： 案例4 查詢時使用了 name 索引，age 和 postion 順序與建立索引樹不一致，出現了 Using filesort

#案例5
explain
select * from employees
where name = 'Lucy'
and age = 22
order by position,age;

分析： 案例5 查詢時使用了 name 索引，age 和 postion 順序與建立索引樹不一致，但 name、age 為常數，MySQL 會自動優化，不會出現 Using filesort

#案例6
explain select * from employees where name = 'Lucy' order byage,position desc;

分析： 案例6 排序順序一樣，但 order by 預設升序，導致與索引的排序方式不同，出現了 Using filesort 。 MySQL8.0 以上版本有降序索引可以支援這種查詢。

#案例7
explain select * from employees where name = 'Lucy' or name = 'LiLei' order by age;

分析： 案例7 對於排序來說，多個相等條件也是範圍查詢，出現了 Using filesort 。

#案例8
#SQL-1
explain select * from employees where name > 'zzz' order by name;
#SQL-2
explain select * from employees where name > 'a' order by name;

分析： 案例8 原因同前面的例子，可以使用覆蓋索引優化。

MySQL排序總結：

1、MySQL支援兩種方式的排序 filesort 和 index，Using index是指MySQL掃描索引本身完成排序。Using filesort 是指MySQL掃描聚簇索引（整張表）進行排序。index效率高，filesort效率低。

2、order by 滿足兩種情況會使用 Using index（不絕對）

a.order by 語句使用索引最左前列。
b.使用 where 子句與 order by 子句條件列組合滿足索引最左前列。

3、儘量在索引列上完成排序，遵循最左字首法則。

4、如果 order by 的條件不在索引列上，就會產生Using filesort。

5、能用覆蓋索引儘量用覆蓋索引

6、group by 與 order by 很類似，其實質是先排序後分組（group by 底層：先執行一次 order by 再進行分組），遵照索引建立順序的最左字首法則。對於group by的優化如果不需要排序的可以加上order by null 禁止排序。注意，where高於having，能寫在where中的限定條件就不要去having限定了。

Using filesort 檔案排序原理 filesort檔案排序方式有：

單路排序：是一次性取出滿足條件行的所有欄位，然後在 sort buffer 中進行排序。用trace工具得到sort_mode資訊顯示< sort_key, additional_fields >或者< sort_key, packed_additional_fields >
雙路排序（又叫回表排序模式） ：先根據相應的條件取出相應的排序欄位和可以直接定位行資料的行 ID，然後在 sort buffer 中進行排序，排序完後需要再次取回其它需要的欄位。用trace工具得到sort_mode資訊顯示< sort_key, rowid >

MySQL 通過比較系統變數 max_length_for_sort_data(預設1024位元組) 的大小和需要查詢的欄位總大小來判斷使用哪種排序模式。

欄位的總長度 < max_length_for_sort_data ，使用單路排序
欄位的總長度 >max_length_for_sort_data ，使用雙路排序

 select * from employees where name = 'Lucy' order by position;

"join_execution": {    --Sql執行階段
        "select#": 1,
        "steps": [
          {
            "filesort_information": [
              {
                "direction": "asc",
                "table": "`employees`",
                "field": "position"
              }
            ] /* filesort_information */,
            "filesort_priority_queue_optimization": {
              "usable": false,
              "cause": "not applicable (no LIMIT)"
            } /* filesort_priority_queue_optimization */,
            "filesort_execution": [
            ] /* filesort_execution */,
            "filesort_summary": {                      --檔案排序資訊
              "rows": 10000,                           --預計掃描行數
              "examined_rows": 10000,                  --參與排序的行
              "number_of_tmp_files": 3,                --使用臨時檔案的個數，如果為0代表全部使用的sort_buffer記憶體排序，否則使用的磁碟檔案排序
              "sort_buffer_size": 262056,              --排序快取的大小，單位Byte
              "sort_mode": "<sort_key, packed_additional_fields>"       --排序方式，此處是路排序
            } /* filesort_summary */
          }
        ] /* steps */
      } /* join_execution */

單路排序會把所有需要查詢的欄位都放到 sort buffer 中排序，而雙路排序只會把主鍵和需要排序的欄位放到 sort buffer 中進行排序，然後再通過主鍵回到原表查詢需要的欄位。

單路排序過程：

a.從索引 name 找到第一個滿足 name = 'Lucy' 條件的主鍵 id
b.回表根據主鍵 id 取出整行，取出所有欄位的值，存入 sort_buffer 中
c.從索引name找到下一個滿足 name = 'Lucy' 條件的主鍵 id
d.重複步驟 2、3 直到不滿足 name = 'Lucy'
e.對 sort_buffer 中的資料按照欄位 position 進行排序
f.返回結果

雙路排序過程：

a.從索引 name 找到第一個滿足 name ='Lucy' 的主鍵 id
b.根據主鍵 id 取出整行，把排序欄位 position 和主鍵 id 這兩個欄位放到 sort buffer 中
c.從索引 name 取下一個滿足 name = 'Lucy' 記錄的主鍵 id
d.重複 3、4 直到不滿足 name = 'Lucy'
e.對 sort_buffer 中的欄位 position 和主鍵 id 按照欄位 position 進行排序
f.遍歷排序好的 id 和欄位 position，按照 id 的值回到原表中取出所有欄位的值返回

4.2.分頁查詢優化

 select * from employees limit 10000,10

這條 SQL 語句實際查詢了 10010 條記錄，然後丟棄了前面的 10000 條記錄，所以，在資料量很大時，執行效率是非常非常低的。一般需要對分頁查詢進行優化。優化方法： 1.根據自增且連續的主鍵排序的分頁查詢

 select * from employees where id > 90000 limit 5;

當一個表的主鍵連續且自增時，可以使用該方法進行優化，但如果自增不連續會造成資料丟失。

2.根據非主鍵欄位排序的分頁查詢

#優化前
select * from employees ORDER BY name limit 90000,5;
#優化後
select * from employees e 
inner join (select id from employees order by name limit 90000,5) ed 
on e.id = ed.id;

先通過排序和分頁操作先查出主鍵，然後根據主鍵查出對應的記錄。

4.3.join關聯查詢優化

4.3.1.資料準備

#範例表
# 建立t1,t2表，主鍵id,單值索引a
CREATE TABLE `t1` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
create table t2 like t1;
#儲存過程往t1,t2表插入資料
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_t1`$$
CREATE PROCEDURE `batch_insert_t1`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN 
    DECLARE start_number BIGINT DEFAULT start_number;
    DECLARE stop_number BIGINT DEFAULT start_number;
    SET stop_number=start_number + counts;
    WHILE start_number < stop_number DO
        INSERT INTO t1(a,b) VALUES(start_number,start_number); 
        SET start_number=start_number+1; 
    END WHILE ; 
    COMMIT; 
END$$
DELIMITER ;
DELIMITER $$
USE `zhebase`$$
DROP PROCEDURE IF EXISTS `batch_insert_t2`$$
CREATE PROCEDURE `batch_insert_t2`(IN `start_number` BIGINT,IN `counts` BIGINT)
BEGIN 
    DECLARE start_number BIGINT DEFAULT start_number;
    DECLARE stop_number BIGINT DEFAULT start_number;
    SET stop_number=start_number + counts;
    WHILE start_number < stop_number DO
        INSERT INTO t2(a,b) VALUES(start_number,start_number); 
        SET start_number=start_number+1; 
    END WHILE ; 
    COMMIT; 
END$$
DELIMITER ;
#執行儲存過程往t1表插入10000條記錄,t2表插入100條記錄
CALL batch_insert_t1(1,10000);
CALL batch_insert_t2(1,100);

4.3.2.MySQL 表關聯常見的兩種演演算法

巢狀迴圈連線 Nested-Loop Join(NLJ) 演演算法
基於塊的巢狀迴圈連線 Block Nested-Loop Join(BNL)演演算法
MySQL對於被驅動表的關聯欄位沒索引的關聯查詢，一般都會使用 BNL 演演算法。如果有索引一般選擇 NLJ 演演算法，有索引的情況下 NLJ 演演算法比 BNL演演算法效能更高

1.巢狀迴圈連線 Nested-Loop Join(NLJ) 演演算法 原理：一次一行迴圈地從第一張表（驅動表）中讀取行，在這行資料中取到關聯欄位，根據關聯欄位在另一張表（被驅動表）裡取出滿足條件的行，然後取出兩張表的結果合集。

explain select * from t1 inner join t2 on t1.a= t2.a;

從執行計劃可以瞭解的資訊：

a.驅動表是 t2，被驅動表是 t1( inner join 時 SQL優化器會小表驅動大表，外連線則根據連線型別區分）
b.使用了 NLJ 演演算法。如果執行計劃 Extra 中未出現 Using join buffer 則表示使用的 join 演演算法是 NLJ

整個過程會讀取 t2 表的所有資料(掃描100行)，然後遍歷這每行資料中欄位 a 的值，根據 t2 表中 a 的值索引掃描 t1 表中的對應行(掃描100次 t1 表的索引，1次掃描可以認為最終只掃描 t1 表一行完整資料，也就是總共 t1 表也掃描了100行)。因此整個過程掃描了 200 行 。

2. 基於塊的巢狀迴圈連線 Block Nested-Loop Join(BNL)演演算法 原理：把驅動表的資料讀入到 join_buffer 中，然後掃描被驅動表，把被驅動表每一行取出來跟 join_buffer 中的資料做對比

explain select * from t1 inner join t2 on t1.b= t2.b;

整個過程對錶 t1 和 t2 都做了一次全表掃描，因此掃描的總行數為10000(表 t1 的資料總量) + 100(表 t2 的資料總量) = 10100。並且 join_buffer 裡的資料是無序的，因此對錶 t1 中的每一行，都要做 100 次判斷，所以記憶體中的判斷次數是 100 * 10000= 100 萬次（非掃描次數） 。 注意： join_buffer 的大小是由引數 join_buffer_size 控制，預設256k。如果 t2 放不下就會使用分段策略（先從 t2 表取出部分資料，比對完就清空 join_buffer，再重新拿出來餘下的部分進行比對）。

被驅動表的關聯欄位無索引為什麼要選擇使用 BNL 演演算法而不使用 NLJ 演演算法？ 如第二條 SQL，如果使用 NLJ 演演算法掃描行數為 100 * 10000 = 100萬，這個是磁碟掃描。使用 BNL 演演算法僅需掃描 100100 行。

對於表關聯 SQL 的優化

儘量少關聯（在阿里規範中，關聯表不能超過三種，可以後端程式碼單獨查詢，迴圈關聯）
小表驅動大表，寫多表連線 SQL 時如果明確知道哪張表是小表可以用straight_join寫法固定連線驅動方式，節約 MySQL 優化器判斷時間.select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql選著 t2 表作為驅動表
關聯欄位加索引，大表關聯欄位一定要加索引，儘量使得 MySQL 在進行 join 操作時選擇NLJ演演算法
多表連線是非常難以優化的，最好95%的場景都使用單表來完成，複雜場景交個JAVA程式碼，大規模計算交給巨量資料工具，無需效率才考慮連線

4.4.in和exsits優化

原則：小表驅動大表

# in 先執行括號裡面的
select * from A where id in (select id from B)  
#exists 先執行括號外面的
#select * 可以用 select 1 替換，沒有區別
#exists 子查詢內部會進行優化，並非逐條對比
#exists 子查詢往往也可以用 jion 來代替，何種最優需要具體問題具體分析
select * from A where exists (select 1 from B where B.id = A.id)

4.5.count(*)查詢優化

注意：根據某個欄位 count 不會統計欄位為 null 的行

#掃描二級索引，按行累加
explain select count(1) from employees;
#掃描輔助索引按行累加（輔助索引比聚簇索引小）
explain select count(id) from employees;
#把 name 拿到記憶體，不為 null 就累加
explain select count(name) from employees;
#不取值，按行累加
explain select count(*) from employees;

四條語句的效率幾乎可以忽略，效率對比如下： 欄位有索引： count(* )≈count(1)>count(欄位)>count(主鍵 id) 段)>count(主鍵 id) 欄位無索引： count(*)≈count(1)>count(主鍵 id)>count(欄位)

常見優化方法：

1.對於 MyISAM 儲存引擎的表做不帶 where 條件的 count 查詢效能是很高的，資料總行數直接寫在磁碟上，查詢不需要計算。innodb 儲存引擎的表則不會記錄(因為有MVCC機制)
2.對與不用知道確切行的可以直接使用show table status，它是一個估值，使用該查詢效率很高
3.將總數維護到 Redis 裡面，插入或刪除表資料行的時候同時維護 Redis 裡的表總行數 key 的計數值(用 incr 或 decr 命令)，但是這種方式可能不準，很難保證表操作和Redis 操作的事務一致性。
4.增加資料庫計數表，插入或刪除表資料行的時候同時維護計數表，且它們在同一個事務裡操作

5.索引設計原則

1、程式碼先行，索引後上，先開發完主體業務程式碼，再把涉及到該表相關sql都要拿出來分析之後再建立索引。
2、聯合索引儘量覆蓋條件，可以設計一個或者兩三個聯合索引(單值索引要少建)，讓每一個聯合索引都儘量去包含SQL語句裡的 where、order by、group by 的欄位，且這些聯合索引欄位順序儘量滿足 SQL查詢的最左字首原則。
3、不要在小基數位段上建立索引，無法進行快速的二分查詢，不能能發揮出B+樹快速二分查詢的優勢來，沒有意義
4、儘量對欄位型別較小的列設計索引，儘量對欄位型別較小的列設計索引，比如 Tinyint 之類，欄位型別較小的話，佔用磁碟空間小，搜尋的時效能更好。
5、長字串可以採用字首索引，比如針對某個欄位的前20個字元建立索引，即：每個值的前20個字元放入索引樹中，搜尋時會先匹配前而是個字元，再回表到聚簇索引取出來完整的 name 欄位值進行比較。但排序（order by 和 group by）時無法使用該索引。
6、where 與 order by 衝突時優先 where，大多數情況下根據索引進行 where 篩選一般篩選出來的資料比較少，然後做排序成本會更低。
7、基於慢SQL查詢做優化，可以根據監控後臺的一些慢SQL，針對這些慢 SQL 查詢做特定的索引優化（MySQL有提供，只需設定具體引數）。

到此這篇關於MySQL索引優化範例分析的文章就介紹到這了,更多相關MySQL索引優化內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！