数据库索引

索引定义
数据库索引比如书的目录，对数据库表中一个或多个字段的值进行排序的结构。在查找索引字段中保存的某个值的时候经过查“目录”会比逐条地查找数据记录快不少。索引也是一种表，存储着索引字段和指向实际表记录的指针。
索引的利弊
-- 利

1.大大加快数据的检索速度;   
2.建立惟一性索引，保证数据库表中每一行数据的惟一性;   
3.加速表和表之间的链接;   
4.在使用分组和排序子句进行数据检索时，能够显著减小查询中分组和排序的时间。

-- 弊

1.索引须要占用数据表之外的物理存储空间；
2.更新数据表数据记录时，也须要更新相应的索引，所以会下降数据表的更新速度； 　　

索引类型
-- 按功能逻辑划分为如下4类：
normal：普通索引
unique：不容许重复的索引
fulltextl：全文索引，只能够在VARCHAR或者TEXT类型的列上建立。
spatial：空间索引（不经常使用）
全文检索的对象是一个单词，被检索的词须要用非文本隔开，而like模糊查询的对象是字符
-- 按实现方式分：
Btree二叉树、hash、Rtree
btree索引和hash索引的区别
-- hash

1. 设置了hash索引的字段在范围查询和排序时索引失效，通过Hash运算后字段值的大小关系会发生变化，因此经过hash索引只能判断字段值是否相等没法比较大小；
2. 设置多列索引的hash索引在查询中只用到部分字段时索引失效，由于多个字段的组合索引的hash索引是将多个字段值组合到一块儿计算hash值；
3. 没法避免表扫描，由于同一hash值可能对应多条记录，因此经过hash索引只是缩小了查找范围，但依然须要比较实际数据来查找最终匹配的记录；
4. 检索效率高，但某些状况下检索效率会低于btree索引，由于hash索引能够一次定位，不须要像树形索引那样逐层查找,可是若是有大量记录对应同一hash值则会进行大范围的表扫描形成效率低下；
5. 只有Memory、NDB引擎支持hash，innodb并不显式地支持hash，因此使用innodb引擎的表没法手动设置hash索引；

-- btree

1. 支持使用 =, >, >=, <, <=、BETWEEN、like 'key%' 运算符。

几种致使索引失效的状况

1. 索引列参与计算；
2. where子句中对索引字段使用了函数；
3. 与非索引列进行or运算；
4. 使用了Like %XXX；
5. 字符串索引列与数字直接比较；
6. 若是 MySQL 估计使用索引比全表扫描更慢，则不使用索引
7. 设置了hash索引的字段在范围查询和排序时索引失效
8. 设置多列索引的hash索引在查询中只用到部分字段时索引失效
9. 对索引字段使用 NOT IN 、<>、！=

固然也有一些变通方法，好比or能够经过子集union的方式代替解决；like能够借助字符串反转函数将%移到后面；字符串问题能够将数字加引号转为字符串
索引策略

• 选择在where子句中或在join子句中出现的列做为索引列
• 索引要创建在值比较惟一的字段上
• 使用短索引
• 尽可能避免容许为null的字段上创建索引

建索引的几大原则 引用自 https://tech.meituan.com/mysq...
1.最左前缀匹配原则，很是重要的原则，mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就中止匹配，好比a = 1 and b = 2 and c > 3 and d = 4 若是创建(a,b,c,d)顺序的索引，d是用不到索引的，若是创建(a,b,d,c)的索引则均可以用到，a,b,d的顺序能够任意调整。
2.=和in能够乱序，好比a = 1 and b = 2 and c = 3 创建(a,b,c)索引能够任意顺序，mysql的查询优化器会帮你优化成索引能够识别的形式
3.尽可能选择区分度高的列做为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大咱们扫描的记录数越少，惟一键的区分度是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？使用场景不一样，这个值也很难肯定，通常须要join的字段咱们都要求是0.1以上，即平均1条扫描10条记录
4.索引列不能参与计算，保持列“干净”，好比from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，缘由很简单，b+树中存的都是数据表中的字段值，但进行检索时，须要把全部元素都应用函数才能比较，显然成本太大。因此语句应该写成create_time = unix_timestamp(’2014-05-29’);
5.尽可能的扩展索引，不要新建索引。好比表中已经有a的索引，如今要加(a,b)的索引，那么只须要修改原来的索引便可
查询优化神器 - explain命令
关于explain命令相信你们并不陌生，具体用法和字段含义能够参考官网explain-output，这里须要强调rows是核心指标，绝大部分rows小的语句执行必定很快（有例外，下面会讲到）。因此优化语句基本上都是在优化rows。
慢查询优化基本步骤
0.先运行看看是否真的很慢，注意设置SQL_NO_CACHE
1.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，单表每一个字段分别查询，看哪一个字段的区分度最高
2.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）
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果，不符合预期继续从0分析