谈谈Mysql索引优化不得不提防的坑

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
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
简介: 前言 在之前的文章《聊聊Mysql优化之索引优化》中,笔者简单介绍了Mysql索引优化的原理和一些使用场景,然而Mysql索引优化的内容还远远不止这些。

前言

 

在之前的文章《聊聊Mysql优化之索引优化》中,笔者简单介绍了Mysql索引优化的原理和一些使用场景,然而Mysql索引优化的内容还远远不止这些。在实际工作中,我们有时候会碰到明明已经建了索引,但是查询速度还是上不去的问题,这时候就要当心了,有可能你的查询语句根本就没使用到索引,因为Mysql索引在某些情况下会失效,今天我将为大家介绍下Mysql索引优化中不得不提防的坑。

 

为了方便下文讲解,我们先建2张表:user表和address表(由于不同MySQL版本与执行引擎的优化方法不一样,所以本文所举的例子都是针对MySQL 5.7.18版本,InnoDB存储引擎而言的),建表语句如下:

 

CREATE TABLE `user` (

`id`  varchar(255) NOT NULL ,

`phone`  varchar(255) NULL ,

`age`  int NULL ,

`name`  varchar(255) NULL ,

PRIMARY KEY (`id`) ,

INDEX `normal_index_phone` (`phone`) USING BTREE ,

INDEX `normal_index_age` (`age`) USING BTREE 

)

ENGINE=InnoDB

DEFAULT CHARACTER SET=utf8;

 

从上述SQL语句可知,user表一共有4个字段,id为varchar类型,最大长度为255,且为主键;phone为varchar类型,最大长度为255;name为varchar类型,最大长度为255;age为int类型。此外,我们在phone字段上建了一个普通的B-tree索引normal_index_phone;在age字段上建了一个普通的B-tree索引normal_index_age。关于B-tree索引的介绍,可以阅读文章《聊聊Mysql优化之索引优化》。

 

接下来我们往这张表插入一批数据,数据概要如下:

 

表的记录数为百万级别:

 

由于是实验目的,所以手机号跟姓名是随意填写的,此外id的特点是前缀“id”+序号,当然在实际工作中我们很少会这样设计id,之所以这样设计纯粹是为了试验目的,切勿生搬硬套,接下来开始我们的实验。

 

实验一:查询手机号为12622717935的用户信息

 

大家可能心里会想,这也太简单了吧,一个where语句就搞定了。没错,只要是有一点sql基础的人都能很容易写出这句sql。于是,有些同学很快就写出了以下sql:

 

 SELECT * FROM `user` WHERE phone=12622717935

 

查询结果如下图:

 

数据顺利查出来了,但是这样就完事了吗?我可以告诉你这样做虽然可以查询出数据,但是却不是最优的写法。大家可以回过头看看上文的建表语句,phone字段是varchar类型的,而上述我们写的sql语句的where条件是一个数字,并不是字符串,因为没有带上单引号。在这种情况下MySQL是不会使用索引去查询数据的。不信的话我们用EXPLAIN语句查询下该语句的执行计划。关于EXPLAIN语句的用法在下文会进行简要介绍,有兴趣的同学可以自己去深入了解下。接下来我们执行以下EXPLAIN语句:

 

EXPLAIN SELECT * FROM `user` WHERE phone=12622717935

 

结果输出如下:

 

在EXPLAIN输出中我们重点关注的是key字段、rows字段和type字段。key字段表示执行引擎最终选择使用的索引,该字段为空,说明该查询没有选择索引查询。再看rows字段,rows字段表示执行引擎预估要扫描的记录数,注意是预估的,并非绝对精确,这里可以看到扫描的行数非常多,接近全表行数了。再看type字段,其值为ALL,表示MySQL将进行全表扫描。

 

以上种种表明该查询并没有使用我们在phone字段上建的B-tree索引,那有没有办法既能查询出数据又能使用到索引呢?当然有,而且很简单,只要把上述查询语句稍微修改下就可以了:

 

SELECT * FROM `user` WHERE phone='12622717935'

 

修改后的sql语句与之前的sql语句相比,仅仅是在手机号前后多了个单引号而已。有同学可能会有疑问,这样就能使用到索引了吗?我们再EXPLAIN下就知道了:

 

EXPLAIN SELECT * FROM `user` WHERE phone='12622717935'

 

其执行结果如下:

 

我们看下key字段,这个时候值为normal_index_phone,也就是phone字段上的B-tree索引,说明MySQL选中了normal_index_phone索引进行查询。再看rows字段,这个时候预估的扫描记录数变为1了,不再是之前的全表扫描了。

 

因此,对于字符串字段的查询,在查询条件中一定要使用单引号括起来,这是一个好习惯。

 

实验二:查询id序号为1000的用户信息

 

由于id字段具有一定的规则:前缀“id”+序号。因此,这里至少有2个方法可以查询出数据,一个方法是查询id为“id1000”的用户,另一个方法是利用字符串截取函数SUBSTR截取“id”字符串后面的整数,再查询该整数等于1000的用户。在实际工作中,相信绝大多数人都会使用第一种方式,这里因为实验需要才引入第二种查询方式,实际上很少人会用第二种方式去实现的。那么这两种实现方式有什么不同呢?我们EXPLAIN一下就知晓了。首先看下第一种方式,我们执行下列EXPLAIN语句:

 

EXPLAIN SELECT * FROM `user` WHERE id ='id1000';

 

结果输出如下:

 

首先看key字段,为PRIMARY,说明使用到了主键索引。再看rows字段,值为1,说明预估的扫描行数为1。执行计划看起来非常理想。接下来我们看下第二种实现方式,我们执行下列EXPLAIN语句:

 

EXPLAIN SELECT * FROM `user` WHERE SUBSTR(id,3) =1000;

 

结果输出如下:

 

首先看key字段为空,说明查询引擎没有使用到索引。再看rows字段,值非常大,已经接近总行数了。接着看type字段,值为ALL,说明使用了全表扫描。

 

观察两句sql的区别,无非就是第二句sql在索引列上使用了函数,导致查询引擎无法使用索引查询。因此,在索引列上进行条件查询时,一定要保证索引列是独立的,独立的意思是索引列不能使用函数,也不能是表达式的一部分。在索引列上使用函数就是上述第二种查询方式犯的错。至于说索引列不能是表达式的一部分,简单理解就是表达式不能参与列加减乘除等运算。比如查询年龄等于70的用户,有下列2种sql写法(第二种写法基本不会有人这样写,同样也是出于实验目的才列出来的):

 

select * from user where age =70 limit 1;

 

select * from user where age+1 =71 limit 1;

 

第二句sql的索引列是表达式的一部分,因此第二句sql没法使用到索引,而第一句则可以。不信的话大家可以看下执行计划,在此就不再做分析了:

 

 

 

总结


本文通过2个小案例讲解了Mysql索引优化中经常碰到的坑,并简要介绍了如何通过EXPLAIN语句去分析sql语句的执行计划,从而对症下药,进行合适的索引优化。当然关于Mysql索引优化可以讲的内容还有不少,后面会再进行深入探讨。

如果觉得这篇文章对你有帮助,可以扫描下方二维码,关注本人公众号,获得更多优质文章推送。

 

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
|
4天前
|
SQL 关系型数据库 MySQL
大厂面试官:聊下 MySQL 慢查询优化、索引优化?
MySQL慢查询优化、索引优化,是必知必备,大厂面试高频,本文深入详解,建议收藏。关注【mikechen的互联网架构】,10年+BAT架构经验分享。
大厂面试官:聊下 MySQL 慢查询优化、索引优化?
|
26天前
|
存储 关系型数据库 MySQL
阿里面试:为什么要索引?什么是MySQL索引?底层结构是什么?
尼恩是一位资深架构师,他在自己的读者交流群中分享了关于MySQL索引的重要知识点。索引是帮助MySQL高效获取数据的数据结构,主要作用包括显著提升查询速度、降低磁盘I/O次数、优化排序与分组操作以及提升复杂查询的性能。MySQL支持多种索引类型,如主键索引、唯一索引、普通索引、全文索引和空间数据索引。索引的底层数据结构主要是B+树,它能够有效支持范围查询和顺序遍历,同时保持高效的插入、删除和查找性能。尼恩还强调了索引的优缺点,并提供了多个面试题及其解答,帮助读者在面试中脱颖而出。相关资料可在公众号【技术自由圈】获取。
|
8天前
|
SQL 关系型数据库 MySQL
MySQL慢查询优化、索引优化、以及表等优化详解
本文详细介绍了MySQL优化方案,包括索引优化、SQL慢查询优化和数据库表优化,帮助提升数据库性能。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
MySQL慢查询优化、索引优化、以及表等优化详解
|
13天前
|
缓存 监控 关系型数据库
如何优化MySQL查询速度?
如何优化MySQL查询速度?【10月更文挑战第31天】
40 3
|
15天前
|
缓存 关系型数据库 MySQL
如何优化 MySQL 数据库的性能?
【10月更文挑战第28天】
38 1
|
23天前
|
NoSQL 关系型数据库 MySQL
MySQL与Redis协同作战:百万级数据统计优化实践
【10月更文挑战第21天】 在处理大规模数据集时,传统的单体数据库解决方案往往力不从心。MySQL和Redis的组合提供了一种高效的解决方案,通过将数据库操作与高速缓存相结合,可以显著提升数据处理的性能。本文将分享一次实际的优化案例,探讨如何利用MySQL和Redis共同实现百万级数据统计的优化。
59 9
|
17天前
|
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。
84 1
|
23天前
|
NoSQL 关系型数据库 MySQL
MySQL与Redis协同作战:优化百万数据查询的实战经验
【10月更文挑战第13天】 在处理大规模数据集时,传统的关系型数据库如MySQL可能会遇到性能瓶颈。为了提升数据处理的效率,我们可以结合使用MySQL和Redis,利用两者的优势来优化数据查询。本文将分享一次实战经验,探讨如何通过MySQL与Redis的协同工作来优化百万级数据统计。
52 5
|
27天前
|
存储 关系型数据库 MySQL
如何在MySQL中进行索引的创建和管理?
【10月更文挑战第16天】如何在MySQL中进行索引的创建和管理?
57 1
|
27天前
|
存储 关系型数据库 MySQL
优化 MySQL 的锁机制以提高并发性能
【10月更文挑战第16天】优化 MySQL 锁机制需要综合考虑多个因素,根据具体的应用场景和需求进行针对性的调整。通过不断地优化和改进,可以提高数据库的并发性能,提升系统的整体效率。
49 1