8-2 MySQL 索引的设计原则(超详细说明讲解)

1. 测试数据准备

第1步：创建数据库、创建表


CREATE DATABASE dbtest3;

USE dbtest3;


#1.创建学生表和课程表
CREATE TABLE `student_info` (
`id` INT(11) NOT NULL AUTO_INCREMENT，
`student_id` INT NOT NULL ，
`name` VARCHAR(20) DEFAULT NULL，
`course_id` INT NOT NULL ，
`class_id` INT(11) DEFAULT NULL，
`create_time` DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP， PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;


CREATE TABLE `course` (
`id` INT(11) NOT NULL AUTO_INCREMENT，
`course_id` INT NOT NULL ，
`course_name` VARCHAR(40) DEFAULT NULL，
PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

第2步：创建模拟数据必需的存储函数

说明： 创建函数，假如报错：
This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)
由于开启过慢查询日志bin-log，我们就必须为我们的 funC++tion 指定一个参数。

主从复制，主机会将写操作记录在bin-log日志中。从机读取bin-log日志，执行语句来同步数据。如果使用函数来操作数据，会导致从机和主键操作时间不一致。所以，默认情况下，mysql不开启创建函数设置。

查看mysql是否允许创建函数：
SHOW VARIABLES LIKE 'log_bin_trust_function_creators';

命令开启：允许创建函数设置：
set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。

mysqld重启，上述参数又会消失。永久方法：

windows下：my.ini[mysqld]加上：
log_bin_trust_function_creators=1 # 1 表示真-开启，0 表示假-关闭
Linux下：/etc/my.cnf 下my.cnf[mysqld]加上：
log_bin_trust_function_creators=1 # 1 表示真-开启，0 表示假-关闭



#函数1：创建随机产生字符串函数
DELIMITER //
CREATE FUNCTION rand_string(n INT)
     RETURNS VARCHAR(255) #该函数会返回一个字符串
BEGIN
     DECLARE chars_str VARCHAR(100) DEFAULT
    'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
     DECLARE return_str VARCHAR(255) DEFAULT '';
     DECLARE i INT DEFAULT 0;
     WHILE i < n DO
         SET return_str =CONCAT(return_str，SUBSTRING(chars_str，FLOOR(1+RAND()*52)，1));
         SET i = i + 1;
     END WHILE;
     RETURN return_str;
END //
DELIMITER ;


#函数2：创建随机数函数
DELIMITER //
CREATE FUNCTION rand_num (from_num INT ，to_num INT) RETURNS INT(11)
BEGIN
DECLARE i INT DEFAULT 0;
SET i = FLOOR(from_num +RAND() * (to_num - from_num+1)); 
RETURN i;
END // 
DELIMITER;

第3步：创建插入模拟数据的存储过程


# 存储过程1：创建插入课程表存储过程
DELIMITER //
CREATE PROCEDURE insert_course( max_num INT ) 
BEGIN
DECLARE i INT DEFAULT 0;
  SET autocommit = 0; #设置手动提交事务 
  REPEAT #循环
  SET i = i + 1; #赋值
  INSERT INTO course (course_id， course_name ) VALUES (rand_num(10000，10100)，rand_string(6));
  UNTIL i = max_num
  END REPEAT; 
  COMMIT; #提交事务
END // 
DELIMITER;

# 存储过程2：创建插入学生信息表存储过程
DELIMITER //
CREATE PROCEDURE insert_stu( max_num INT )
BEGIN
DECLARE i INT DEFAULT 0;
 SET autocommit = 0; #设置手动提交事务
  REPEAT # 循环
  SET i = i + 1; # 赋值
  INSERT INTO student_info (course_id，class_id，student_id，`NAME`) VALUES 
  (rand_num(10000，10100)，rand_num(10000，10200)，rand_num(1，200000)，rand_string(6));
  UNTIL i = max_num
  END REPEAT;
  COMMIT;  # 提交事务
END //
DELIMITER ;

第4步：调用存储过程

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

0

第5步：查看是否含有这么多数据，数据是否插入成功

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

1

2. 哪些情况适合创建索引

2.1 字段的数值有唯一性的限制

索引本身可以起到约束的作用，比如：唯一索引，主键索引都是可以起到唯一性约束的，因此在我们的数据表中，如果某个字段是唯一性的 ，就可以直接创建唯一性索引 ，或者主键索引。这样可以更快速地通过该索引来确定某条记录。

例如：学生表中学号 是具有唯一性的字段，为该字段建立唯一性索引可以很快确定某个学生的信息，如果使用姓名 的话，可能存在同名现象，从而减低查询速度。

业务上具有唯一特性的字段，即使是组合字段，也必须建成唯一索引。（来源：Alibaba）

说明：不要以为唯一索引影响了 insert 速度，这个速度损耗可以忽略，但提高查找速度是明显s的。

2.2 频繁作为 WHERE 查询条件的字段

某个字段在SELECT语句的 WHERE 条件中经常被使用到，那么就需要给这个字段创建索引了。尤其是在数据量大的情况下，创建普通索引就可以大幅提升数据查询的效率。

比如 student_info数据表（含100万条数据），假设我们想要查询 student_id=123110 的用户信息。

没有给 student_id 字段添加索引，执行的速度是：

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

2

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

3

2.3 经常 GROUP BY 和 ORDER BY 的列

索引就是让数据按照某种顺序进行存储或检索，因此当我们使用 GROUP BY 对数据进行分组查询，或者使用 ORDER BY 对数据进行排序的时候，就需要 对分组或者排序的字段进行索引 。如果待排序的列有多个，那么可以在这些列上建立 组合索引 。

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

4

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

5

如果同时有 GROUP By 和 ORDER BY 的情况：比如我们按照 student_id 进行分组，同时按照创建时间降序的方式进行排序，这时我们就需要同时进行 GROUP BY 和 ORDER BY，那么是不是需要单独创建 student_id 的索引和 create_time 的索引呢？

当我们对 student_id 和 create_time 分别创建索引，执行下面的SQL查询

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

6

当我们添加对 student_id 和 create_time 组合创建联合索引，执行下面的SQL查询

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

7

再次执行该SQL语句：

2.4 UPDATE、DELETE 的中的WHERE 条件列添加索引

对数据按照某个条件进行查询后再进行 UPDATE 或 DELETE 的操作，如果对 WHERE 字段创建了索引，就能大幅提升效率。原理是因为我们需要先根据 WHERE 条件列检索出来这条记录，然后再对它进行更新或删除。 如果进行更新的时候，更新的字段是非索引字段，提升的效率会更明显，这是因为非索引字段更新不需要对索引进行维护。

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

8

为 name 添加上索引

This function has none of DETERMINISTIC， NO SQL， or READS SQL DATA in its declaration and binary logging is enabled (you *might* want to use the less safe log_bin_trust_function_creators variable)

9

2.5 对于经常 DISTINCT 字段需要创建索引

有时候我们需要对某个字段进行去重，使用 DISTINCT，那么对这个字段创建索引，也会提升查询效率。比如，我们想要查询课程表中不同的 student_id 都有哪些，如果我们没有对 student_id 创建索引，执行 SQL 语句：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
0

运行结果（600637 条记录，运行时间 0.683s ）：

如果我们对 student_id 创建索引，再执行 SQL 语句：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
0

运行结果（600637 条记录，运行时间 0.010s ）：

你能看到 SQL 查询效率有了提升，同时显示出来的 student_id 还是按照 递增的顺序 进行展示的。这是因为索引会对数据按照某种顺序进行排序，所以在去重的时候也会快很多。

2.6 多表 JOIN 连接操作时，创建索引注意事项

首先， 连接表的数量尽量不要超过 3 张 ，因为每增加一张表就相当于增加了一次嵌套的循环，数量级增长会非常快，严重影响查询的效率。
其次， 对 WHERE 条件创建索引 ，因为 WHERE 才是对数据条件的过滤。如果在数据量非常大的情况下，没有 WHERE 条件过滤是非常可怕的。
最后， 对用于连接的字段创建索引 ，并且该字段在多张表中的 类型必须一致 。比如 course_id 在 student_info 表和 course 表中都为 int(11) 类型，而不能一个为 int 另一个为 varchar 类型。

举个例子，如果我们只对 student_id 和 name 创建索引，执行 SQL 语句：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
2

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
3

2.7 使用列的类型小的创建索引

使用列小的类型，创建的索引占用的磁盘空间就比较小一些，因为MySQL8 是将索引和数据都是存放再一起的。

我们这里所说的类型大小 指的就是该类型表示的数据范围的大小。

我们在定义表结构的时候要显式的指定列的类型，以整数类型为例，有TINYINT，MEDIUMINT，INT，BIGINT 等，它们占用的存储空间依次递增，能表示的整数范围当然也是依次递增，如果我们想要对某个整数列建立索引的话，在表示的整数范围允许的情况下，尽量让索引列使用较小的类型，比如我们能使用 INT 就不要使用 BIGINT ，能使用 MEDIUMINT 就不要使用 INT 。

2.8 使用字符串前缀创建索引

创建一张商户表，因为地址字段比较长，在地址字段上建立前缀索引

创建一张商户表，因为地址字段比较长，在地址字段上建立前缀索引

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
4

问题是，截取多少呢？截取得多了，达不到节省索引存储空间的目的；截取得少了，重复内容太多，字段的散列度(选择性)会降低。怎么计算不同的长度的选择性呢？

先看一下字段在全部数据中的选择度：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
5

通过不同长度去计算，与全表的选择性对比：

公式：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
6

例如：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
7

引申另一个问题：索引列前缀对排序的影响

拓展：Alibaba《Java开发手册》

【强制】在 varchar 字段上建立索引时，必须指定索引长度，没必要对全字段建立索引，根据实际文本区分度决定索引长度。

说明：索引的长度与区分度是一对矛盾体，一般对字符串类型数据，长度为 20 的索引，区分度会 高达 90% 以上 ，可以使用 count(distinct left(列名，索引长度))/count(*)的区分度来确定。

2.9 区分度高(散列性高)的列适合作为索引

列的基数 指的是某一列中不重复数据的个数，比方说某个列包含值2，5，8，2，5，8，2，5，8 ，虽然有9 条记录，但该列的基数却是3。也就是说，在记录行数一定的情况下，列的基数越大，该列中的值越分散；列的基数越小，该列中值越集中 。这个列的基数指标非常重要，直接影响我们是否能够有效的利用索引。最好为列的基数大的列建立索引，为基数太小的列建立索引效果可能不好。

可以使用公式：select count(distinct a) / count(*) from t1 计算区分度，越接近 1 越好，一般超过 33% 就算是比较高效的索引了。

拓展：联合索引把区分度高(散列性高)的列放在前面。

2.10 使用最频繁的列放到联合索引的左侧——索引最左侧匹配

索引最左侧匹配的原则，索引会优先判断最左侧的字段是否，建立的索引，建立了索引就会走索引，如果左侧的字段没有走索引，就算后面的字段有索引，也不会走索引的。

3. 哪些情况不适合创建索引

3.1 在 where 筛选条件当中使用不到的字段，不要设置索引

你都不对该字段，进行筛选过滤，那么索引你没有意义，因为你索引也是会增加磁盘空间大小的。

3.2 数据量小的表最好不要使用索引

举例：创建表1：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
8

提供存储过程1：

SHOW VARIABLES LIKE 'log_bin_trust_function_creators';
9

创建表2：

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
0

创建存储过程2：

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
1

查询对比：

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
2

你能看到运行结果相同，但是在数据量不大的情况下，索引就发挥不出作用了。

结论：在数据表中的数据行数比较少的情况下，比如不到 1000 行，是不需要创建索引的。

3.3 有大量重复数据的列上不要建立索引

举例1：要在 100 万行数据中查找其中的 50 万行（比如性别为男的数据），一旦创建了索引，你需要先访问 50 万次索引，然后再访问 50 万次数据表，这样加起来的开销比不使用索引可能还要大。

举例2：假设有一个学生表，学生总数为 100 万人，男性只有 10 个人，也就是占总人口的 10 万分之 1。学生表 student_gender 结构如下。其中数据表中的 student_gender 字段取值为 0 或 1，0 代表女性，1 代表男性。

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
3

如果我们要筛选出这个学生表中的男性，可以使用：

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
4

运行结果（10 条数据，运行时间 0.696s ）：

结论：当数据重复度大，比如 高于 10% 的时候，也不需要对这个字段使用索引。

3.4 避免对经常更新的表创建过多的索引

因为你不断更新表的同时，索引也是在同步更新的，索引更新是会消耗大量的时间。

3.5 不建议用无序的值作为索引

例如身份证、UUID(在索引比较时需要转为ASCII，并且插入时可能造成页分裂)、MD5、HASH、无序长字符串等。

3.6 删除不再使用或者很少使用的索引

3.7 不要定义冗余或重复的索引

冗余索引

举例：建表语句如下

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
5

我们知道，通过 idx_name_birthday_phone_number 索引就可以对 name 列进行快速搜索，再创建一个专门针对 name 列的索引就算是一个 冗余索引 ，维护这个索引只会增加维护的成本，并不会对搜索有什么好处.。

重复索引：

另一种情况，我们可能会对某个列 重复建立索引 ，比方说这样：

set global log_bin_trust_function_creators=1;    # 不加global只是当前窗口有效。
6

我们看到，col1 既是主键、又给它定义为一个唯一索引，还给它定义了一个普通索引，可是主键本身就会生成聚簇索引，所以定义的唯一索引和普通索引是重复的，这种情况要避免。

4. 最后：

“在这个最后的篇章中，我要表达我对每一位读者的感激之情。你们的关注和回复是我创作的动力源泉，我从你们身上吸取了无尽的灵感与勇气。我会将你们的鼓励留在心底，继续在其他的领域奋斗。感谢你们，我们总会在某个时刻再次相遇。”