数据分析之MySQL（九）索引

1. 思考

在图书馆中是如何找到一本书的？在字典中查找一个单词?
一般的应用系统对比数据库的读写比例在10:1左右(即有10次查询操作时有1次写的操作)，
而且插入操作和更新操作很少出现性能问题，
遇到最多、最容易出问题还是一些复杂的查询操作，所以查询语句的优化显然是重中之重

2. 解决办法

当数据库中数据量很大时，查找数据会变得很慢
优化方案：建立索引

3. 索引是什么

索引是一种特殊的文件(InnoDB数据表上的索引是表空间的一个组成部分)，它们包含着对数据表里所有记录的引用指针。
更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度

4. 索引目的

索引的目的在于提高数据查询效率

5. 索引原理(了解)

除了词典，生活中随处可见索引的例子，如火车站的车次表、图书的目录等。它们的原理都是一样的，通过不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是我们总是通过同一种查找方式来锁定数据。

数据库也是一样，但显然要复杂许多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？
我们回想字典的例子，能不能把数据分成段，然后分段查询呢？ 最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段……这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。

6. 索引的使用

查看索引
show index from 表名;
创建索引
- 如果指定字段是字符串，需要指定长度，建议长度与定义字段时的长度一致
- 字段类型如果不是字符串，可以不填写长度部分
  create index 索引名称 on 表名(字段名称(长度))
删除索引：
drop index 索引名称 on 表名;

7. 索引demo

1. 创建测试表testindex
create table test_index(title varchar(10));
在这里插入图片描述
2 使用python程序（ipython也可以）通过pymsql模块向表中加入十万条数据

from pymysql import connect

def main():
    # 创建Connection连接
    conn = connect(host='localhost',port=3306,database='jing_dong',user='root',password='mysql',charset='utf8')
    # 获得Cursor对象
    cursor = conn.cursor()
    # 插入10万次数据
    for i in range(100000):
        cursor.execute("insert into test_index values('ha-%d')" % i)
    # 提交数据
    conn.commit()

if __name__ == "__main__":
    main()

在这里插入图片描述
3. 查询

开启运行时间监测：
set profiling=1;
查找第1万条数据ha-99999
select * from test_index where title='ha-99999';
查看执行的时间：
show profiles;
为表title_index的title列创建索引：
create index title_index on test_index(title(10));
执行查询语句：
select * from test_index where title='ha-99999';
再次查看执行的时间
show profiles;

8. 注意：

索引最主要解决的问题:当数据量较大时,且这些数据不需要经常修改,使用索引来加快查询速度
对于比较小的表，查询开销不会很大，也没有必要建立另外的索引
建立太多的索引将会影响更新和插入的速度，因为它需要同样更新每个索引文件
对于一个经常需要更新和插入的表格，就没有必要为一个很少使用的where字句单独建立索引了
建立索引会占用磁盘空间