最左前缀原理与相关优化

        高效使用索引的首要条件是知道什么样的查询会使用到索引，这个问题和B+Tree中的“最左前缀原理”有关，下面通过例子说明最左前缀原理。这里先说一下联合索引的概念。在上文中，我们都是假设索引只引用了单个的列，实际上，MySQL中的索引可以以一定顺序引用多个列，这种索引叫做联合索引，一般的，一个联合索引是一个有序元组<a1,a2, …, an>，其中各个元素均为数据表的一列，实际上要严格定义索引需要用到关系代数，但是这里我不想讨论太多关系代数的话题，因为那样会显得很枯燥，所以这里就不再做严格定义。另外，单列索引可以看成联合索引元素数为1的特例。

        以employees.titles表为例，下面先查看其上都有哪些索引：

        SHOW INDEX FROM employees.titles; 

        从结果中可以到titles表的主索引为<emp_no, title, from_date>，还有一个辅助索引<emp_no>。为了避免多个索引使事情变复杂（MySQL的SQL优化器在多索引时行为比较复杂），这里我们将辅助索引drop掉：

        ALTER TABLE employees.titles DROP INDEX emp_no;

        这样就可以专心分析索引PRIMARY的行为了。

        情况一：全列匹配。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title='Senior Engineer'

        AND from_date='1986-06-26'; 

        很明显，当按照索引中所有列进行精确匹配（这里精确匹配指“=”或“IN”匹配）时，索引可以被用到。这里有一点需要注意，理论上索引对顺序是敏感的，但是由于MySQL的查询优化器会自动调整where子句的条件顺序以使用适合的索引，例如我们将where中的条件顺序颠倒：

        EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26' AND

        emp_no='10001' AND title='Senior Engineer'; 

        效果是一样的。

        情况二：最左前缀匹配。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001'; 

        当查询条件精确匹配索引的左边连续一个或几个列时，如<emp_no>或<emp_no, title>，所以可以被用到，但是只能用到一部分，即条件所组成的最左前缀。上面的查询从分析结果看用到了PRIMARY索引，但是key_len为4，说明只用到了索引的第一列前缀。

        情况三：查询条件用到了索引中列的精确匹配，但是中间某个条件未提供。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND from_date='1986-06-26'; 

        此时索引使用情况和情况二相同，因为title未提供，所以查询只用到了索引的第一列，而后面的from_date虽然也在索引中，但是由于title不存在而无法和左前缀连接，因此需要对结果进行扫描过滤from_date（这里由于emp_no唯一，所以不存在扫描）。如果想让from_date也使用索引而不是where过滤，可以增加一个辅助索引<emp_no, from_date>，此时上面的查询会使用这个索引。除此之外，还可以使用一种称之为“隔离列”的优化方法，将emp_no与from_date之间的“坑”填上。

        首先我们看下title一共有几种不同的值：

        SELECT DISTINCT(title) FROM employees.titles; 

        只有7种。在这种成为“坑”的列值比较少的情况下，可以考虑用“IN”来填补这个“坑”从而形成最左前缀：

        EXPLAIN SELECT * FROM employees.titles

        WHERE emp_no='10001'

        AND title IN ('Senior Engineer', 'Staff', 'Engineer', 'Senior Staff', 'Assistant Engineer', 'TechniqueLeader', 'Manager') AND from_date='1986-06-26';  

        这次key_len为59，说明索引被用全了，但是从type和rows看出IN实际上执行了一个range查询，这里检查了7个key。看下两种查询的性能比较：

        SHOW PROFILES; 

        “填坑”后性能提升了一点。如果经过emp_no筛选后余下很多数据，则后者性能优势会更加明显。当然，如果title的值很多，用填坑就不合适了，必须建立辅助索引。

        情况四：查询条件没有指定索引第一列。

        EXPLAIN SELECT * FROM employees.titles WHERE from_date='1986-06-26'; 

        由于不是最左前缀，索引这样的查询显然用不到索引。

        情况五：匹配某列的前缀字符串。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND title LIKE 'Senior%'; 

        此时可以用到索引，但是如果通配符不是只出现在末尾，则无法使用索引。（原文表述有误，如果通配符%不出现在开头，则可以用到索引，但根据具体情况不同可能只会用其中一个前缀）

        情况六：范围查询。

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no < '10010' and title='Senior Engineer'; 

        范围列可以用到索引（必须是最左前缀），但是范围列后面的列无法用到索引。同时，索引最多用于一个范围列，因此如果查询条件中有两个范围列则无法全用到索引。

        EXPLAIN SELECT * FROM employees.titles

        WHERE emp_no < '10010'

        AND title='Senior Engineer'

        AND from_date BETWEEN '1986-01-01' AND '1986-12-31'; 

        可以看到索引对第二个范围索引无能为力。这里特别要说明MySQL一个有意思的地方，那就是仅用explain可能无法区分范围索引和多值匹配，因为在type中这两者都显示为range。同时，用了“between”并不意味着就是范围查询，例如下面的查询：

        EXPLAIN SELECT * FROM employees.titles

        WHERE emp_no BETWEEN '10001' AND '10010'

        AND title='Senior Engineer'

        AND from_date BETWEEN '1986-01-01' AND '1986-12-31'; 

        看起来是用了两个范围查询，但作用于emp_no上的“BETWEEN”实际上相当于“IN”，也就是说emp_no实际是多值精确匹配。可以看到这个查询用到了索引全部三个列。因此在MySQL中要谨慎地区分多值匹配和范围匹配，否则会对MySQL的行为产生困惑。

        情况七：查询条件中含有函数或表达式。

        很不幸，如果查询条件中含有函数或表达式，则MySQL不会为这列使用索引（虽然某些在数学意义上可以使用）。例如：

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no='10001' AND left(title, 6)='Senior';  

        虽然这个查询和情况五中功能相同，但是由于使用了函数left，则无法为title列应用索引，而情况五中用LIKE则可以。再如：

        EXPLAIN SELECT * FROM employees.titles WHERE emp_no - 1='10000'; 

        显然这个查询等价于查询emp_no为10001的函数，但是由于查询条件是一个表达式，MySQL无法为其使用索引。看来MySQL还没有智能到自动优化常量表达式的程度，因此在写查询语句时尽量避免表达式出现在查询中，而是先手工私下代数运算，转换为无表达式的查询语句。

        索引选择性与前缀索引

        既然索引可以加快查询速度，那么是不是只要是查询语句需要，就建上索引？答案是否定的。因为索引虽然加快了查询速度，但索引也是有代价的：索引文件本身要消耗存储空间，同时索引会加重插入、删除和修改记录时的负担，另外，MySQL在运行时也要消耗资源维护索引，因此索引并不是越多越好。一般两种情况下不建议建索引。

        第一种情况是表记录比较少，例如一两千条甚至只有几百条记录的表，没必要建索引，让查询做全表扫描就好了。至于多少条记录才算多，这个个人有个人的看法，我个人的经验是以2000作为分界线，记录数不超过 2000可以考虑不建索引，超过2000条可以酌情考虑索引。

        另一种不建议建索引的情况是索引的选择性较低。所谓索引的选择性（Selectivity），是指不重复的索引值（也叫基数，Cardinality）与表记录数（#T）的比值：

        Index Selectivity = Cardinality / #T

        显然选择性的取值范围为(0, 1]，选择性越高的索引价值越大，这是由B+Tree的性质决定的。例如，上文用到的employees.titles表，如果title字段经常被单独查询，是否需要建索引，我们看一下它的选择性：

        SELECT count(DISTINCT(title))/count(*) AS Selectivity FROM employees.titles; 

        title的选择性不足0.0001（精确值为0.00001579），所以实在没有什么必要为其单独建索引。有一种与索引选择性有关的索引优化策略叫做前缀索引，就是用列的前缀代替整个列作为索引key，当前缀长度合适时，可以做到既使得前缀索引的选择性接近全列索引，同时因为索引key变短而减少了索引文件的大小和维护开销。下面以employees.employees表为例介绍前缀索引的选择和使用。

        从图12可以看到employees表只有一个索引<emp_no>，那么如果我们想按名字搜索一个人，就只能全表扫描了：

        EXPLAIN SELECT * FROM employees.employees WHERE first_name='Eric' AND

        last_name='Anido'; 

        如果频繁按名字搜索员工，这样显然效率很低，因此我们可以考虑建索引。有两种选择，建<first_name>或<first_name, last_name>，看下两个索引的选择性：

        SELECT count(DISTINCT(first_name))/count(*) AS Selectivity FROM employees.employees; 

        SELECT count(DISTINCT(concat(first_name, last_name)))/count(*) AS Selectivity FROM employees.employees;

        <first_name>显然选择性太低，<first_name, last_name>选择性很好，但是first_name和last_name加起来长度为30，有没有兼顾长度和选择性的办法？可以考虑用first_name和last_name的前几个字符建立索引，例如<first_name, left(last_name, 3)>，看看其选择性：

        SELECT count(DISTINCT(concat(first_name, left(last_name, 3))))/count(*) AS Selectivity FROM employees.employees; 

        选择性还不错，但离0.9313还是有点距离，那么把last_name前缀加到4：

        SELECT count(DISTINCT(concat(first_name, left(last_name, 4))))/count(*) AS Selectivity FROM employees.employees;

        这时选择性已经很理想了，而这个索引的长度只有18，比<first_name, last_name>短了接近一半，我们把这个前缀索引 建上：

        ALTER TABLE employees.employees

        ADD INDEX `first_name_last_name4` (first_name, last_name(4));

        此时再执行一遍按名字查询，比较分析一下与建索引前的结果：

        SHOW PROFILES;

        性能的提升是显著的，查询速度提高了120多倍。

        前缀索引兼顾索引大小和查询速度，但是其缺点是不能用于ORDER BY和GROUP BY操作，也不能用于Covering index（即当索引本身包含查询所需全部数据时，不再访问数据文件本身）。

        补充该节中的"范围查询"说明:

        Mysql对于范围查询range分的优化为单字段优化和多元素优化:

        单元素索引范围条件的定义如下： 

        对于BTREE和HASH索引，当使用=、<=>、IN、IS NULL或者IS NOT NULL操作符时，关键元素与常量值的比较关系对应一个范围条件,即const范围。

        对于BTREE索引，当使用>、<、>=、<=、BETWEEN、!=或者<>，或者LIKE 'pattern'(其中'pattern'不以通配符开始)操作符时，关键元素与常量值的比较关系对应一个范围条件。

        对于所有类型的索引，多个范围条件结合OR或AND则产生一个范围条件。

        前面描述的“常量值”系指：

        查询字符串中的常量

        同一联接中的const或system表中的列

        无关联子查询的结果

        完全从前面类型的子表达式组成的表达式

        多元素索引的范围条件:

        1.对于BTREE索引，区间可以对结合AND的条件有用，其中每个条件用一个常量值通过=、<=>、ISNULL、>、<、>=、<=、!=、<>、BETWEEN或者LIKE 'pattern' (其中'pattern'不以通配符开头)比较一个关键元素。区间可以足够长以确定一个包含所有匹配条件(或如果使用<>或!=，为两个区间)的记录的单key_part1元 'foo' AND key_part2 >= 10 AND key_part3 > 10

        2.对于HASH索引，可以使用包含相同值的每个区间。

        key_part1 cmp const1 AND key_part2 cmp const2 AND ... AND key_partN cmp constN;

        这里，const1，const2，...为常量，cmp是=、<=>或者IS NULL比较操作符之一，条件包括所有索引部分。(也就是说，有N 个条件，每一个对应N-元素索引的每个部分）。

        3. 如果包含区间内的一系列记录的条件结合使用OR，则形成包括一系列包含在区间并集的记录的一个条件。如果条件结合使用了AND，则形成包括一系列包含在区间交集内的记录的一个条件。例如，对于两部分索引的条件 AND key_part2 < 2) OR (key_part1 > 5)区间为：

        (1, -inf)   < (key_part1, key_part2) < (1, 2)

        (5, -inf)   < (key_part1, key_part2)