MySQL学习-字符串字段如何添加索引

「这是我参与11月更文挑战的第28天，活动详情查看：2021最后一次更文挑战」

作者：汤圆

个人博客：javalover.cc

前言

给字符串字段添加索引有多种方式，最简单的就是给整个字段添加索引，这样的好处显而易见就是查询字符串字段时不需要回表操作；

当然还有其他的添加索引的方式，比如给字符串的前半部分添加索引、给字符串倒序处理后再添加索引、以及ha sh处理后再添加索引；

下面我们就挨个介绍，给字符串字段添加索引的这几种方式；

正文

这里我们以下面的SQL语句为例，进行介绍：id_card是用户的身份证号

select * from t_user where id_card = 142733xxxxx
复制代码

1. 整个字段添加索引

如果简单的给整个字段id_card添加索引，那么查询也会很简单；

大致的一个查询步骤如下：

先去id_card索引树中定位到具体的索引值142733xxxxxx；
然后根据索引中的主键值，回表查询所有的数据，并添加到结果集；
继续去索引树中查询下一条记录，如果满足则重复步骤2；不满足就结束；

这种方式最大的好处就是：回表查询时，查询的都是满足条件的行；

即都是精确查询，非模糊查询；

2. 前部分字段添加索引

即前缀索引，就是给字符串的前部分N个字符添加索引：add index index_card(id_card(6))

这里我们指定的6就是说给前6个字符添加索引；

这样的查询步骤如下：

先去id_card索引树中定位前缀为142733的索引值（可能有多个，这里会取第一个）；
然后根据索引中的主键值，回表判断id_card的值是否和where条件的id_card值一致；
1. 如果一致，则查询行记录的所有数据，并添加到结果集；
2. 如果不一致，则重复步骤1，继续根据前缀142733定位索引；
继续去索引中查询下一条记录，如果满足则重复步骤2；不满足就结束；

这种方式跟第一种比起来，有一个很明显的区别就是：回表查询数据时，需要先比对id_card的完整字符串是否跟筛选条件where中的id_card值一致（因为索引是根据前缀6个字符索引的，所以后面的字符串不确定是不是一致）；

即都是模糊查询，非精确查询；

这里的优点就是节省空间，比如这里的身份证号，默认有18位，但是用了前缀索引后只需要6位；

但是缺点也很明显：

1. 会扫描多行数据，而且是在回表操作之后，才能确定哪些数据是有效；
1. 会影响到覆盖索引：因为每次前缀索引，都要回表查看记录，比较查询的值是否相等（因为前缀索引只包括了前面几个字符）；所以如果查询语句有用到覆盖索引，那么覆盖索引就会失效
复制代码

覆盖索引：就是如果查询的数据只有索引值和主键值，那么就不用回表查询记录

问：那要怎么优化呢？

答：选择合适的前缀索引长度，确保前缀的索引值足够区分字符串，也就是索引的区分度越高，前缀索引的查询性能越好；

比如上面的身份证号的例子，前6位是根据省市县进行区分的（细节如下图所示），那就是说：如果是一个县城或者市区的人，那么他们的前6位都是一致的，这样就会大大增加查询的工作量；

这时我们就可以稍微往后加几位，将生日包括进去，这样索引的区分度就会大大增加，查询的工作量会减小很多；

查看源图像

3. 倒序字段添加索引

就是将字段中的字符串倒序存储，然后再给前部分字段添加索引；也就是先倒序、再前缀索引；

这样看起来会有点走弯路，但是对于上面的身份证号的例子来说，会很适用；

mysql中倒序处理对应的函数为：reverse()；

因为身份证号的后面几位区分度远高于前面几位，这样我们在查询的时候只需要用reverse函数进行倒序查询就可以了，如下所示：

select * from t_user where id_card = reverse(142733xxxxx)
复制代码

4. hash字段添加索引

就是先将字段值hash处理再添加索引；

这个跟上面的倒序存储添加索引有点类似，都是要对现有的字段值进行处理后再存储；

不过这个hash处理字段后，结果会有冲突的可能性，所以这里的hash处理结果需要额外添加一个字段用来存储；

mysql中hash处理对应的函数为：crc32()；

此时插入数据时，需要对字段值进行crc32()处理后再插入；

查询数据时，需同时查询crc32()的结果和原有的字段：因为crc32的结果有冲突的可能（虽然几率比较小）

select * from t_user where id_card_crc=crc32('142733xxxx') and id_card='142733xxxx'
复制代码

总结

上面介绍了四种存储方式，前两种比较简单，整个字段索引和前缀索引；

后面的两种会有点复杂，这里我们总结下他们两种的区别：

	倒序存储	hash存储
存储空间	正常	多一个字段，来存储hash值
CPU消耗	调用reverse()函数	调用crc32()函数，比reverse()消耗高一些
查询效率	可能会扫描多行	只要hash值不冲突，就只需要扫描一行
范围查找	不支持	不支持