MySQL覆盖索引的使用案例

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS PostgreSQL,集群系列 2核4GB
简介: 覆盖索引(covering index)指一个SQL语句只读取索引就可以获得需要的数据,不需要访问表,这样大大提高了I/O的效率,原因如下

覆盖索引(covering index)指一个SQL语句只读取索引就可以获得需要的数据,不需要访问表,这样大大提高了I/O的效率,原因如下:

  • 不需要访问表减少了I/O的次数。
  • 索引通常比表小很多。
  • 由于索引是按照键值顺序存储的(至少在一个页内是这样),对于按照键值进行范围查询时使用的是顺序I/O,相对于离散I/O性能大大提高。

在使用覆盖索引时,执行计划的Extra字段中有Using index的信息,下面是一个SQL语句的执行计划












mysql> explain select customer_id,inventory_id,rental_date from rental\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: index
possible_keys: NULL
          key: rental_date
      key_len: 10
          ref: NULL
         rows: 16008
     filtered: 100.00
        Extra: Using index
1 row in set, 1 warning (0.01 sec)

这个SQL语句没有where条件,但仍然访问了rental_date索引,而且没有访问表,查询rental_date索引的构成:








mysql> explain select rental_id,customer_id,inventory_id,rental_date from rental\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: index
possible_keys: NULL
          key: rental_date
      key_len: 10
          ref: NULL
         rows: 16008
     filtered: 100.00
        Extra: Using index
1 row in set, 1 warning (0.00 sec)

发现这个SQL语句要查询的3个字段customer_id,inventory_id,rental_date都包含在这个索引中了,因此只要访问这个索引即可得到所有需要的数据,就没有必要再访问表了。由于二级索引实质上都包含主键,因此如果再加上主键,一样可以使用覆盖索引,下面是在输出字段中加上主键字段的SQL语句的执行计划









mysql> explain select rental_id,customer_id,inventory_id,rental_date from rental\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: index
possible_keys: NULL
          key: rental_date
      key_len: 10
          ref: NULL
         rows: 16008
     filtered: 100.00
        Extra: Using index
1 row in set, 1 warning (0.00 sec)




可以看到一样使用了覆盖索引。但如果要访问的字段不在这个索引中,则还需要访问表,如果在上面的查询字段再增加任意一个其字段就不能使用覆盖索引了,例如下面的SQL语句将无法使用覆盖索引













mysql> explain select * from  rental where rental_date='2005-05-24 22:53:30' and inventory_id=367\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ref
possible_keys: rental_date,idx_fk_inventory_id
          key: rental_date
      key_len: 8
          ref: const,const
         rows: 1
     filtered: 100.00
        Extra: NULL
1 row in set, 1 warning (0.00 sec)

这个SQL的执行计划的字段Extra里没有Using index因此没有使用覆盖索引但可以对这个SQL语句进行改写,先用一个可以使用覆盖索引的子查询查询出主键,再通过主键查找相应的记录,这种方法称之为延迟关联(deferred join),改写后的SQL语句执行计划如下:




mysql> explain select * from rental where rental_id in (select rental_id from rental where rental_date='2005-05-24 22:53:30' and inventory_id=367)\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ref
possible_keys: PRIMARY,rental_date,idx_fk_inventory_id
          key: rental_date
      key_len: 8
          ref: const,const
         rows: 1
     filtered: 100.00
        Extra: Using index
*************************** 2. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: eq_ref
possible_keys: PRIMARY
          key: PRIMARY
      key_len: 4
          ref: sakila.rental.rental_id
         rows: 1
     filtered: 100.00
        Extra: NULL
2 rows in set, 1 warning (0.00 sec)














可以看到在第一步的查询中使用了覆盖索引。延迟关联的方法在分页查询中对效率的提高很明显,例如下面的SQL语句进行排序后从1000行开始查询5行,它的执行计划如下

mysql> explain select * from rental where rental_id in (select rental_id from rental where rental_date='2005-05-24 22:53:30' and inventory_id=367)\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: ref
possible_keys: PRIMARY,rental_date,idx_fk_inventory_id
          key: rental_date
      key_len: 8
          ref: const,const
         rows: 1
     filtered: 100.00
        Extra: Using index
*************************** 2. row ***************************
           id: 1
  select_type: SIMPLE
        table: rental
   partitions: NULL
         type: eq_ref
possible_keys: PRIMARY
          key: PRIMARY
      key_len: 4
          ref: sakila.rental.rental_id
         rows: 1
     filtered: 100.00
        Extra: NULL
2 rows in set, 1 warning (0.00 sec)





这个SQL语句要进行全表扫描和文件排序,成本很高,使用延迟关联改写后的SQL语句执行计划如下:



mysql> explain analyze select * from rental order by rental_date limit 1000,5\G
*************************** 1. row ***************************
EXPLAIN: -> Limit/Offset: 5/1000 row(s)  (cost=1625.05 rows=5) (actual time=17.487..17.488 rows=5 loops=1)
    -> Sort: rental.rental_date, limit input to 1005 row(s) per chunk  (cost=1625.05 rows=16008) (actual time=17.254..17.435 rows=1005 loops=1)
        -> Table scan on rental  (cost=1625.05 rows=16008) (actual time=0.332..11.348 rows=16044 loops=1)
1 row in set (0.02 sec)




mysql> explain analyze select * from rental r1 inner join (select rental_id from rental order by rental_date limit 1000,5) r2 on r1.rental_id=r2.rental_id\G
*************************** 1. row ***************************
EXPLAIN: -> Nested loop inner join  (cost=259.58 rows=5) (actual time=7.015..7.067 rows=5 loops=1)
    -> Table scan on r2  (cost=115.56 rows=1005) (actual time=0.002..0.003 rows=5 loops=1)
        -> Materialize  (cost=7.83 rows=5) (actual time=6.836..6.838 rows=5 loops=1)
            -> Limit/Offset: 5/1000 row(s)  (cost=7.83 rows=5) (actual time=6.641..6.644 rows=5 loops=1)
                -> Index scan on rental using rental_date  (cost=7.83 rows=1005) (actual time=3.762..6.568 rows=1005 loops=1)
    -> Single-row index lookup on r1 using PRIMARY (rental_id=r2.rental_id)  (cost=0.25 rows=1) (actual time=0.044..0.044 rows=1 loops=5)
1 row in set (0.02 sec)
相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
28天前
|
缓存 关系型数据库 MySQL
MySQL索引策略与查询性能调优实战
在实际应用中,需要根据具体的业务需求和查询模式,综合运用索引策略和查询性能调优方法,不断地测试和优化,以提高MySQL数据库的查询性能。
|
5天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化以及慢查询优化
通过本文的介绍,希望您能够深入理解MySQL索引优化和慢查询优化的方法,并在实际应用中灵活运用这些技术,提升数据库的整体性能。
42 18
|
4天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化以及慢查询优化
通过本文的介绍,希望您能够深入理解MySQL索引优化和慢查询优化的方法,并在实际应用中灵活运用这些技术,提升数据库的整体性能。
16 7
|
3天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化与慢查询优化:原理与实践
通过本文的介绍,希望您能够深入理解MySQL索引优化与慢查询优化的原理和实践方法,并在实际项目中灵活运用这些技术,提升数据库的整体性能。
22 5
|
1天前
|
SQL 关系型数据库 MySQL
深入解析MySQL的EXPLAIN:指标详解与索引优化
MySQL 中的 `EXPLAIN` 语句用于分析和优化 SQL 查询,帮助你了解查询优化器的执行计划。本文详细介绍了 `EXPLAIN` 输出的各项指标,如 `id`、`select_type`、`table`、`type`、`key` 等,并提供了如何利用这些指标优化索引结构和 SQL 语句的具体方法。通过实战案例,展示了如何通过创建合适索引和调整查询语句来提升查询性能。
23 9
|
7天前
|
存储 关系型数据库 MySQL
Mysql索引:深入理解InnoDb聚集索引与MyisAm非聚集索引
通过本文的介绍,希望您能深入理解InnoDB聚集索引与MyISAM非聚集索引的概念、结构和应用场景,从而在实际工作中灵活运用这些知识,优化数据库性能。
47 7
|
9天前
|
关系型数据库 MySQL 数据库
数据库数据恢复—MYSQL数据库文件损坏的数据恢复案例
mysql数据库文件ibdata1、MYI、MYD损坏。 故障表现:1、数据库无法进行查询等操作;2、使用mysqlcheck和myisamchk无法修复数据库。
|
23天前
|
关系型数据库 MySQL Java
MySQL索引优化与Java应用实践
【11月更文挑战第25天】在大数据量和高并发的业务场景下,MySQL数据库的索引优化是提升查询性能的关键。本文将深入探讨MySQL索引的多种类型、优化策略及其在Java应用中的实践,通过历史背景、业务场景、底层原理的介绍,并结合Java示例代码,帮助Java架构师更好地理解并应用这些技术。
23 2
|
1月前
|
监控 关系型数据库 MySQL
数据库优化:MySQL索引策略与查询性能调优实战
【10月更文挑战第27天】本文深入探讨了MySQL的索引策略和查询性能调优技巧。通过介绍B-Tree索引、哈希索引和全文索引等不同类型,以及如何创建和维护索引,结合实战案例分析查询执行计划,帮助读者掌握提升查询性能的方法。定期优化索引和调整查询语句是提高数据库性能的关键。
220 1
|
2月前
|
关系型数据库 MySQL 数据库
一个 MySQL 数据库死锁的案例和解决方案
本文介绍了一个 MySQL 数据库死锁的案例和解决方案。
137 3