day041MySQL之索引原理与慢查询优化，explain

本节内容：

1、介绍
2、索引的原理（目的：加速查询）
3、索引的数据结构
4、聚集索引与辅助索引
5、MySQL索引管理
6、测试索引
7、正确使用索引
8、联合索引与覆盖索引
9、查询优化神器--explain
10、慢查询优化的基本步骤
11、慢日志管理

一、介绍

1、什么是索引

索引在MySQL中也叫做“键”或者"key"（primary key，unique key，还有一个index key），
是存储引擎用于快速找到记录的一种数据结构。

2、为什么要有索引

一般的应用系统，读写比例在10:1左右,
我们更多的是需要去查询，还有一些复杂的查询操作，
因此对查询语句的优化显然是重中之重。
说起加速查询，就不得不提到索引了。

3、索引的作用（加速查询）

索引对于良好的性能非常关键，尤其是当表中的数据量越来越大时，
索引对于性能的影响愈发重要，减少io次数，加速查询。

4、正确使用索引

1、创建索引的量要合理，

若索引太多，应用程序的性能可能会受到影响。
而索引太少，对查询性能又会产生影响，
要找到一个平衡点，这对应用程序的性能至关重要。
不要建立太多索引，有些索引是没有必要。

2、最好一开始就应该创建索引

如果知道数据的使用，从一开始就应该在需要处添加索引。
在创建的时候，你就要构思对数据的查询，建立好良好的索引，
以应对后面的大数据，复杂数据查询；
这就要求你对业务的数据流的了解。

二、索引的原理

1、索引的原理

索引的目的：提高查询效率，加快查询；

缺点：1.会降低写入的效率，
（因为你但凡加入一些新的数据，都需要把索引或者说书的目录重新做一个。）
2.在表中有大量数据的前提下，创建索引速度会很慢

2、磁盘IO与预读

1、磁盘IO

磁盘读取数据靠的是机械运动
每次读取数据的时间组成：寻道时间、旋转时间、传输时间

寻道时间：指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下
旋转延迟：就是我们经常听说的磁盘转速，4.17m/s
传输时间：指的是从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒，相对于前两个时间可以忽略不计。

那么访问一次磁盘的时间，即一次磁盘IO的时间约等于5+4.17 = 9ms左右

但要知道一台500 -MIPS（Million Instructions Per Second）的机器每秒可以执行5亿条指令
这里已经是对cpu的严重浪费了。

数据库动辄十万百万乃至千万级数据，每次9毫秒的时间，显然是个灾难，

2、预读

考虑到磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，

当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，

因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。

三、索引的数据结构

前面讲了索引的基本原理，数据库的复杂性，又讲了操作系统的相关知识，
目的就是让大家了解，现在我们来看看索引怎么做到减少IO，加速查询的。

任何一种数据结构都不是凭空产生的，一定会有它的背景和使用场景，
知道的具体的使用场景；我们就根据使用需求，来控制查找数据的IO

那就是：每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。

b+树应运而生
B+树是通过二叉查找树，再由平衡二叉树，B树演化而来，等到后面讲算法的时候再深入，

1、b+树，相关介绍

如上图，是一颗b+树，最上层是树根，中间的是树枝，最下面是叶子节点，

浅蓝色的块我们称之为一个磁盘块或者叫做一个block块，
这是操作系统一次IO往内存中读的内容，一个块对应四个扇区，

可以看到每个磁盘块包含几个数据项
（深蓝色所示，一个磁盘块里面包含多少数据，一个深蓝色的块表示一个数据，其实不是数据，后面有解释）
和指针（黄色所示，看最上面一个，
p1表示比上面深蓝色的那个17小的数据的位置在哪，
看它指针指向的左边那个块，里面的数据都比17小，
p2指向的是比17大比35小的磁盘块），


真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。
非叶子节点只不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

2、b+树的查找过程

如图所示，如果要查找数据项29，那么首先会把磁盘块1由磁盘加载到内存，
此时发生一次IO，
在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，
内存时间因为非常短（相比磁盘的IO）可以忽略不计，

通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存，
发生第二次IO，
29在26和30之间，锁定磁盘块3的P2指针，通过指针加载磁盘块8到内存，
发生第三次IO，
同时内存中做二分查找找到29，结束查询，总计三次IO。

3、b+树的性质

1.索引字段要尽量的小：

好处：
可以多存数据，比如int占4字节，要比bigint8字节少一半。
防止树增高，太大还可能导致退化成线性表。

2.索引的最左匹配特性：
从数据块的左边开始匹配，再匹配右边的，

当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，
b+树是按照从左到右的顺序来建立搜索树的，

四、聚集索引和辅助索引

聚集索引是什么呢，其实就是我们说的那个主键，
之前我们说Innodb存储引擎的表，必须有一个主键，

数据库中的B+树索引可以分为聚集索引（clustered index）和辅助索引（secondary index），

在数据库中，B+树的高度一般都在2~4层，
这也就是说查找某一个键值的行记录时最多只需要2到4次IO，这倒不错。
因为当前一般的机械硬盘每秒至少可以做100次IO，
2~4次的IO意味着查询时间只需要0.02~0.04秒。

聚集索引与辅助索引不同的是：叶子结点存放的是否是一整行的信息

1、聚集索引（叶子节点存放着,行记录数据）

InnoDB存储引擎表示索引组织表，即表中数据按照主键顺序存放。

而聚集索引（clustered index）就是按照每张表的主键构造一棵B+树，
同时叶子结点存放的即为整张表的行记录数据，也将聚集索引的叶子结点称为数据页。

1、聚集索引的优点

 1.它对主键的排序查找和范围查找速度非常快，
 叶子节点的数据就是用户所要查询的数据。

 如用户需要查找一张表，查询最后的10位用户信息，由于B+树索引是双向链表，
 所以用户可以快速找到最后一个数据页，并取出10条记录

 2.范围查询（range query），
 即如果要查找主键某一范围内的数据，通过叶子节点的上层中间节点就可以得到页的范围，
 之后直接读取数据页即可

2、辅助索引（通过条件来查询）

表中除了聚集索引外其他索引都是辅助索引（Secondary Index，也称为非聚集索引）
（unique key啊、index key啊），

与聚集索引的区别是：辅助索引的叶子节点不包含行记录的全部数据。

就是我们在查询的时候，where后面需要写id之外的其他字段名称来进行查询，

叶子节点存放的是对应的那条数据的主键字段的值，
除了包含键值以外，每个叶子节点中的索引行中还包含一个书签（bookmark），
其实这个书签你可以理解为是一个{'name字段'，name的值，主键id值}的这么一个数据。

如果我们select 后面要的是name，我们直接就可以在辅助索引的叶子节点找到对应的name值，
这种我们也可以称为覆盖索引。

回表操作，

需要通过辅助索引的叶子节点中保存的主键id的值再去通过聚集索引来找到完整的一条记录，
然后从这个记录里面拿出age的值，

五、MySQL索引管理

1、功能

1. 索引的功能就是加速查找

2. mysql中的primary key，unique，联合唯一也都是索引，
这些索引除了加速查找以外，还有约束的功能

2、MySQL常用的索引

普通索引INDEX：加速查找

唯一索引：

-主键索引PRIMARY KEY：加速查找+约束（不为空、不能重复）
-唯一索引UNIQUE:加速查找+约束（不能重复）

联合索引：

-PRIMARY KEY(id,name):联合主键索引
-UNIQUE(id,name):联合唯一索引
-INDEX(id,name):联合普通索引

fe:各种索引的应用场景

各种索引的应用场景

举个例子来说，比如你在为某商场做一个会员卡的系统。

这个系统有一个会员表
有下列字段：
会员编号 INT
会员姓名 VARCHAR(10)
会员身份证号码 VARCHAR(18)
会员电话 VARCHAR(10) 会员住址 VARCHAR(50) 会员备注信息 TEXT 那么这个 会员编号，作为主键，使用 PRIMARY 会员姓名 如果要建索引的话，那么就是普通的 INDEX 会员身份证号码 如果要建索引的话，那么可以选择 UNIQUE （唯一的，不允许重复） #除此之外还有全文索引，即FULLTEXT 会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。 用于搜索很长一篇文章的时候，效果最好。 用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。 但其实对于全文搜索，我们并不会使用MySQL自带的该索引， 而是会选择第三方软件如Sphinx，专门来做全文搜索。 #其他的如空间索引SPATIAL，了解即可，几乎不用 

Bash

Copy

3、索引的两大类型hash与btree

1、两大索引类型

我们可以在创建上述索引的时候，为其指定索引类型，分两类

hash类型的索引：查询单条快，范围查询慢

btree类型的索引：b+树，层数越多，数据量指数级增长（我们就用它，因为innodb默认支持它）

2、不同的存储引擎支持的索引类型也不一样

InnoDB 支持事务，支持行级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；

MyISAM 不支持事务，支持表级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；

Memory 不支持事务，支持表级别锁定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；

NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；

Archive 不支持事务，支持表级别锁定，不支持 B-tree、Hash、Full-text 等索引；

4、创建/删除索引的语法

#方法一：创建表时
　　CREATE TABLE 表名 (
            字段名1  数据类型 [完整性约束条件…],
            字段名2  数据类型 [完整性约束条件…],
            [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
            [索引名]  (字段名[(长度)]  [ASC |DESC])
            );


#方法二：CREATE在已存在的表上创建索引
        CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名
                     ON 表名 (字段名[(长度)]  [ASC |DESC]) ;


#方法三：ALTER TABLE在已存在的表上创建索引
        ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
                             索引名 (字段名[(长度)]  [ASC |DESC]) ;

#删除索引：DROP INDEX 索引名 ON 表名字;

fe:创建/删除索引的具体示例

创建/删除索引的具体示例

#方式一
create table t1(
    id int,
    name char,
    age int,
    sex enum('male','female'), unique key uni_id(id), index ix_name(name) #index没有key ); #方式二 create index ix_age on t1(age); #方式三 alter table t1 add index ix_sex(sex); #查看 mysql> show create table t1; | t1 | CREATE TABLE `t1` ( `id` int(11) DEFAULT NULL, `name` char(1) DEFAULT NULL, `age` int(11) DEFAULT NULL, `sex` enum('male','female') DEFAULT NULL, UNIQUE KEY `uni_id` (`id`), KEY `ix_name` (`name`), KEY `ix_age` (`age`), KEY `ix_sex` (`sex`) ) ENGINE=InnoDB DEFAULT CHARSET=latin1 

Bash

Copy

六、测试索引

1、准备，创建一个300万的数据库

准备表

#1. 准备表
create table s1(
id int,
name varchar(20), gender char(6), email varchar(50) ); #2. 创建存储过程，实现批量插入记录 delimiter $$ #声明存储过程的结束符号为$$ create procedure auto_insert1() BEGIN declare i int default 1; while(i<3000000)do insert into s1 values(i,'egon','male',concat('egon',i,'@oldboy')); set i=i+1; end while; END$$ #$$结束 delimiter ; #重新声明分号为结束符号 #3. 查看存储过程 show create procedure auto_insert1\G #4. 调用存储过程 call auto_insert1(); 

Bash

Copy

2、在没有索引的前提下测试查询速度

#无索引：mysql根本就不知道到底是否存在id等于333333333的记录，
也不知道存在几条id=333333333的记录，只能把数据表从头到尾扫描一遍，
此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢

mysql> select * from s1 where id=333333333;
Empty set (0.33 sec)

3、在表中已经存在大量数据的前提下，为某个字段段建立索引，建立速度会很慢

在表中已经存在大量数据的前提下，
为某个字段段建立索引，建立速度会很慢

或者用alter table s1 add primary key(id);加主键，建索引很慢的。

4、在索引建立完毕后，以该字段为查询条件时，查询速度提升明显

1. mysql先去索引表里根据b+树的搜索原理很快搜索到id等于333333333的记录不存在，
IO大大降低，因而速度明显提升
2. 我们可以去mysql的data目录下找到该表，可以看到占用的硬盘空间多了

3. 需要注意，用没有加索引的字段去查询，速度依然很慢

5、总结

1. 一定是为搜索条件的字段创建索引，
比如select * from s1 where id = 333;就需要为id加上索引

2. 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，
建完后查询速度加快

3. 需要注意的是：innodb表的索引会存放于s1.ibd文件中，
而myisam表的索引则会有单独的索引文件table1.MYI

七、正确使用索引

并不是说我们创建了索引就一定会加快查询速度，
若想利用索引达到预想的提高查询速度的效果，

我们在添加索引时，必须遵循以下问题

1、索引未命中

1、范围问题，或者说条件不明确，条件中出现这些符号或关键字：
>、>=、<、<=、!= 、between...and...、like、

2、 尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，
表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，

3、 =和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，
mysql的查询优化器会帮你优化成索引可以识别的形式

4、 索引列不能参与计算，保持列“干净”
所以语句应该写成create_time = unix_timestamp(’2014-05-29’)

5、and的工作原理：对于连续多个and：mysql会按照联合索引，找一个区分度高的索引字段
(这样便可以快速锁定很小的范围)，加速查询，

6、or的工作原理：mysql会按照条件的顺序，从左到右依次判断，

7、最左前缀匹配原则（详见第八小节），非常重要的原则，

1、其他情况

其他情况

- 使用函数
    select * from tb1 where reverse(email) = 'egon'; - 类型不一致 如果列是字符串类型，传入条件是必须用引号引起来，不然... select * from tb1 where email = 999; #排序条件为索引，则select字段必须也是索引字段，否则无法命中 - order by select name from s1 order by email desc; 当根据索引排序时候，select查询的字段如果不是索引，则速度仍然很慢 select email from s1 order by email desc; 特别的：如果对主键排序，则还是速度很快： select * from tb1 order by nid desc; - 组合索引最左前缀 如果组合索引为：(name,email) name and email -- 命中索引 name -- 命中索引 email -- 未命中索引 - count(1)或count(列)代替count(*)在mysql中没有差别了 - create index xxxx on tb(title(19)) #text类型，必须制定长度 

Bash

Copy

2、其他注意事项

- 避免使用select *
- count(1)或count(列) 代替 count(*)
- 创建表时尽量时 char 代替 varchar
- 表的字段顺序固定长度的字段优先
- 组合索引代替多个单列索引（经常使用多个条件查询时）
- 尽量使用短索引
- 使用连接（JOIN）来代替子查询(Sub-Queries)
- 连表时注意条件类型需一致
- 索引散列值（重复少）不适合建索引，例：性别不适合

八、联合索引与覆盖索引

1、联合索引

联合索引时指对表上的多个列合起来做一个索引，

联合索引的创建方法与单个索引的创建方法一样，不同之处在仅在于有多个索引列，

mysql> create table t(
    -> a int,
    -> b int,
    -> primary key(a), -> key idx_a_b(a,b) -> ); Query OK, 0 rows affected (0.11 sec) 

Bash

Copy

1、注意建立联合索引的一个原则：

索引是有个最左匹配的原则的，所以建联合索引的时候，将区分度高的放在最左边，
依次排下来，范围查询的条件尽可能的往后边放。

2、联合索引的第二个好处

是在第一个键相同的情况下，已经对第二个键进行了排序处理，

fe：联合索引使用示例

示例

#===========准备表==============
create table buy_log(
    userid int unsigned not null,
    buy_date date
); insert into buy_log values (1,'2009-01-01'), (2,'2009-01-01'), (3,'2009-01-01'), (1,'2009-02-01'), (3,'2009-02-01'), (1,'2009-03-01'), (1,'2009-04-01'); alter table buy_log add key(userid); alter table buy_log add key(userid,buy_date); #===========验证============== mysql> show create table buy_log; | buy_log | CREATE TABLE `buy_log` ( `userid` int(10) unsigned NOT NULL, `buy_date` date DEFAULT NULL, KEY `userid` (`userid`), KEY `userid_2` (`userid`,`buy_date`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 | #可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2, 但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多 mysql> explain select * from buy_log where userid=2; +----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+ | 1 | SIMPLE | buy_log | ref | userid,userid_2 | userid | 4 | const | 1 | | +----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+ 1 row in set (0.00 sec) #接着假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了， 因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了 mysql> explain select * from buy_log where userid=1 order by buy_date desc limit 3; +----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+ | 1 | SIMPLE | buy_log | ref | userid,userid_2 | userid_2 | 4 | const | 4 | Using where; Using index | +----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+ 1 row in set (0.00 sec) #ps：如果extra的排序显示是Using filesort，则意味着在查出数据后需要二次排序 (如下查询语句，没有先用where userid=3先定位范围，于是即便命中索引也没用，需要二次排序) mysql> explain select * from buy_log order by buy_date desc limit 3; +----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+ | 1 | SIMPLE | buy_log | index | NULL | userid_2 | 8 | NULL | 7 | Using index; Using filesort | +----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+ #对于联合索引（a,b）,下述语句可以直接使用该索引，无需二次排序 select ... from table where a=xxx order by b; #然后对于联合索引(a,b,c)来首，下列语句同样可以直接通过索引得到结果 select ... from table where a=xxx order by b; select ... from table where a=xxx and b=xxx order by c; #但是对于联合索引(a,b,c)，下列语句不能通过索引直接得到结果，还需要自己执行一次filesort操作，因为索引（a，c)并未排序 select ... from table where a=xxx order by c; 

Bash

Copy

2、覆盖索引

InnoDB存储引擎支持覆盖索引（covering index，或称索引覆盖），
即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录

使用覆盖索引的一个好处是：辅助索引不包含整行记录的所有信息，
故其大小要远小于聚集索引，因此可以减少大量的IO操作

fe:覆盖索引查询

名字

select age from s1 where id=123 and name = 'egon'; #id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。 最牛逼的情况是，索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了 mysql> desc s1; +--------+-------------+------+-----+---------+-------+ | Field | Type | Null | Key | Default | Extra | +--------+-------------+------+-----+---------+-------+ | id | int(11) | NO | | NULL | | | name | varchar(20) | YES | | NULL | | | gender | char(6) | YES | | NULL | | | email | varchar(50) | YES | | NULL | | +--------+-------------+------+-----+---------+-------+ 4 rows in set (0.21 sec) mysql> explain select name from s1 where id=1000; #没有任何索引 +----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+ | 1 | SIMPLE | s1 | NULL | ALL | NULL | NULL | NULL | NULL | 2688336 | 10.00 | Using where | +----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+ 1 row in set, 1 warning (0.00 sec) mysql> create index idx_id on s1(id); #创建索引 Query OK, 0 rows affected (4.16 sec) Records: 0 Duplicates: 0 Warnings: 0 mysql> explain select name from s1 where id=1000; #命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name +----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+ | 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | NULL | +----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+ 1 row in set, 1 warning (0.08 sec) mysql> explain select id from s1 where id=1000; #在辅助索引中就找到了全部信息，Using index代表覆盖索引 +----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+ | 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | Using index | +----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+ 1 row in set, 1 warning (0.03 sec) 

Bash

Copy

2、覆盖索引的另外一个好处

是对某些统计问题而言的。基于上一小结创建的表buy_log,查询计划如下

名字

mysql> explain select count(*) from buy_log; +----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+ | 1 | SIMPLE | buy_log | index | NULL | userid | 4 | NULL | 7 | Using index | +----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+ 1 row in set (0.00 sec) 

Bash

Copy

九、查询优化神器–explain

关于explain命令相信大家并不陌生，具体用法和字段含义可以参考官网explain-output，
这里需要强调rows是核心指标，绝大部分rows小的语句执行一定很快（有例外，下面会讲到）。所以优化语句基本上都是在优化rows。

关于explain，如果大家有兴趣，可以看看这篇博客，他总结的挺好的：

关于explain
官网的explain
MySQL 执行计划explain详解

执行计划：让mysql预估执行操作(一般正确)
    all < index < range < index_merge < ref_or_null < ref < eq_ref < system/const id,email 慢： select * from userinfo3 where name='alex' explain select * from userinfo3 where name='alex' type: ALL(全表扫描) select * from userinfo3 limit 1; 快： select * from userinfo3 where email='alex' type: const(走索引) 

Bash

Copy

十、 慢查询优化的基本步骤

0.先运行看看是否真的很慢，注意设置SQL_NO_CACHE
1.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
2.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果，不符合预期继续从0分析

十一、慢日志管理

慢日志
- 执行时间 > 10
- 未命中索引
- 日志文件路径

配置：
- 内存
show variables like '%query%';
show variables like '%queries%';
set global 变量名 = 值
- 配置文件
mysqld --defaults-file='E:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'

my.conf内容：
slow_query_log = ON
slow_query_log_file = D:/....

注意：修改配置文件之后，需要重启服务

2、MySQL日志管理

MySQL日志管理

MySQL日志管理
======================================================== 错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息 二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作 查询日志: 记录查询的信息 慢查询日志: 记录执行时间超过指定时间的操作 中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放 通用日志： 审计哪个账号、在哪个时段、做了哪些事件 事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等 ======================================================== 一、bin-log 1. 启用 # vim /etc/my.cnf [mysqld] log-bin[=dir\[filename]] # service mysqld restart 2. 暂停 //仅当前会话 SET SQL_LOG_BIN=0; SET SQL_LOG_BIN=1; 3. 查看 查看全部： # mysqlbinlog mysql.000002 按时间： # mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" # mysqlbinlog mysql.000002 --stop-datetime="2012-12-05 11:02:54" # mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" --stop-datetime="2012-12-05 11:02:54" 按字节数： # mysqlbinlog mysql.000002 --start-position=260 # mysqlbinlog mysql.000002 --stop-position=260 # mysqlbinlog mysql.000002 --start-position=260 --stop-position=930 4. 截断bin-log（产生新的bin-log文件） a. 重启mysql服务器 b. # mysql -uroot -p123 -e 'flush logs' 5. 删除bin-log文件 # mysql -uroot -p123 -e 'reset master' 二、查询日志 启用通用查询日志 # vim /etc/my.cnf [mysqld] log[=dir\[filename]] # service mysqld restart 三、慢查询日志 启用慢查询日志 # vim /etc/my.cnf [mysqld] log-slow-queries[=dir\[filename]] long_query_time=n # service mysqld restart MySQL 5.6: slow-query-log=1 slow-query-log-file=slow.log long_query_time=3 查看慢查询日志 测试:BENCHMARK(count,expr) SELECT BENCHMARK(50000000,2*3);