数据库索引续

在上一篇文章中，我们介绍了几种可以作为索引的数据结构，并指出了它们的适用场景，随后又分析了 InnoDB 索引的数据结构模型。今天我们继续来聊聊跟 MySQL 索引相关的概念。

引子

在下面这个表 T 中，如果执行 select * from T where k between 3 and 5，需要执行几次索引树的搜索操作，会扫描多少行？

表的初始化语句

create table T
(
    ID int primary key,
    k  int         NOT NULL DEFAULT 0,
    s  varchar(16) NOT NULL DEFAULT '',
    index k (k)
)
    engine = InnoDB;

insert into t (ID, k, s)
values (100, 1, 'aa'),
       (200, 2, 'bb'),
       (300, 3, 'cc'),
       (500, 5, 'ee'),
       (600, 6, 'ff'),
       (700, 7, 'gg');

InnoDB 的索引组织结构

现在，我们一起来看看这条 SQL 语句的执行流程：

1）在 k 索引树上找到 k=3 的记录，取得 ID = 300；
2）再到 ID 索引树查到 ID=300 对应的 R3；
3）在 k 索引树取下一个值 k=5，取得 ID=500；
4）再回到 ID 索引树查到 ID=500 对应的 R4；
5）在 k 索引树取下一个值 k=6，不满足条件，循环结束。

在这个过程中，回到主键索引树搜索的过程，我们称为回表。可以看到，这个查询过程读了 k 索引树的 3 条记录（步骤 1、3 和 5），回表了两次（步骤 2 和 4）。

在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表。那么，有没有可能经过索引优化，避免回表过程呢？

覆盖索引

如果执行的语句是 select ID from T where k between 3 and 5，这时只需要查 ID 的值，而 ID 的值已经在 k 索引树上了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引 k 已经『覆盖了』我们的查询需求，所以称之为覆盖索引。由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

需要注意的是，在引擎内部使用覆盖索引 k 时，其实是读了三条记录，但是对于 MySQL 的 Server 层来说，它就是找引擎拿到了两条记录，因此 MySQL 认为扫描行数是 2。

基于上面覆盖索引的说明，我们来讨论一个问题：在一个市民信息表上，是否有必要将身份证号和名字建立联合索引？

市民表的定义

CREATE TABLE `tuser`
(
    `id`      int(11) NOT NULL,
    `id_card` varchar(32) DEFAULT NULL,
    `name`    varchar(32) DEFAULT NULL,
    `age`     int(11)     DEFAULT NULL,
    `ismale`  tinyint(1)  DEFAULT NULL,
    PRIMARY KEY (`id`),
    KEY `id_card` (`id_card`),
    KEY `name_age` (`name`, `age`)
) ENGINE = InnoDB

我们知道，身份证号是市民的唯一标识。也就是说，如果有根据身份证号查询市民信息的需求，我们只要在身份证号字段上建立索引就够了。而再建立一个（身份证号、姓名）的联合索引，是不是浪费空间？

如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意义了。它可以在这个高频请求上用到覆盖索引，不再需要回表查整行记录，减少语句的执行时间。

当然，索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。这正是业务 DBA，或者称为业务数据架构师的工作。

最左前缀原则

看到这里你一定有一个疑问，如果为每一种查询都设计一个索引，索引是不是太多了。如果我现在要按照市民的身份证号去查他的家庭地址呢？虽然这个查询需求在业务中出现的概率不高，但总不能让它走全表扫描吧？反过来说，单独为一个不频繁的请求创建一个（身份证号，地址）的索引又感觉有点浪费。我们应该怎么做呢？

其实，B+ 树这种索引结构，可以利用索引的『最左前缀』来定位记录。为了直观地说明这个概念，我们用（name，age）这个联合索引来做分析。

（name，age）联合索引

可以看到，索引项是按照索引定义的字段顺序来排序的。

如果你要查询所有名字是『张三』的人时，可以快速定位到 ID 4，然后向后遍历得到所有需要的结果。
如果你要查询所有名字第一个字是『张』的人，而你的 SQL 语句的条件是『”where name like ‘张 %’』。这时，你也能够用上这个索引，查找到第一个符合条件的记录是 ID 3，然后向后遍历，直到不满足条件为止。

因此，只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。

基于上面对最左前缀索引的说明，我们来讨论一个问题：在建立联合索引的时候，如何安排索引内的字段顺序？

这里的评估标准是，索引的复用能力。因为可以支持最左前缀，所以当已经有了 (a,b) 这个联合索引后，一般就不需要单独在 a 上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑的。

那么，如果既有联合查询，又有基于 a、b 各自的查询呢？查询条件里面只有 b 的语句，是无法使用 (a,b) 这个联合索引的，这时候你不得不维护另外一个索引，也就是说你需要同时维护 (a,b)、(b) 这两个索引。

这时候，我们要考虑的原则就是空间了。比如上面这个市民表的情况，name 字段是比 age 字段大的，那我就建议你创建一个（name,age) 的联合索引和一个 (age) 的单字段索引。

索引下推

在满足最左前缀原则的时候，最左前缀可以用来加速检索。那不符合最左前缀的部分会怎么样呢？

我们还是以市民表的联合索引（name, age）为例。如果现在有一个需求：检索出表中『名字第一个字是张，而且年龄是 10 岁的所有男孩』。假设 SQL 语句是这么写的：

1	select * from tuser where name like '张%' and age=10 and ismale=1;

我们已经知道了前缀索引规则，所以这个语句在搜索索引树的时候，只能用『张』，找到第一个满足条件的记录 ID 3，然后再判断其它条件是否满足。如此循环，直到不是『张』开头的记录为止。虽然避免不了要次次回表，但总比全表扫描好。

在 MySQL 5.6 之前，只能从 ID3 开始一个个回表。到主键索引上找出数据行，再对比字段值。而 MySQL 5.6 引入的索引下推优化（index condition pushdown)，可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。

无索引下推和有索引下推执行流程图。注：每一个虚线箭头表示回表一次。

在图 1 中，我特意去掉了 (name,age) 索引里面 age 的值，因为这时的 InnoDB 并不会去看 age 的值，只是按顺序把『name 第一个字是’张’』的记录一条条取出来回表。因此，需要回表 4 次。

图 1 跟图 2 的区别是，图 2 中的 InnoDB 在 (name,age) 索引内部就判断了 age 是否等于 10，对于不等于 10 的记录就直接跳过。在我们的这个例子中，只需要对 ID 4、ID 5 这两条记录进行后续判断，需要回表 2 次。

小结

今天这篇文章，我们继续讨论了数据库索引的概念，包括覆盖索引、前缀索引和索引下推。你可以看到，在满足语句需求的情况下，尽量少地访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标。

引用

深入浅出索引（下）