MySQL 索引最佳实践之问题反馈

我之前发布的 PPT —— 《MySQL 索引最佳实践》中,有很多人提了很多问题,我没有时间一一回答,于是我决定把这些问题集中在一起进行回答。

问:我们团队中的一人想要使用 bigint 字段类型来代替 25-30 长度的 varchar 类型来存储 CRC64 数据,然后将索引也改成 bigint 的索引,这会节省索引的空间。请问这否是合理的性能优化方法?(需要注意到是自适应前缀哈希在这里是无效的,因为前 10 个字符重复率很高,因此 UNIQUE 索引不适合用在这里)

答:在很多时候,这是一个很好的优化方法。考虑到哈希碰撞的问题,你可以使用形如 SELECT * FROM TBL WHERE hash=crc32(‘string’) AND string=’string’这样的查询。另外还需要注意的是 MySQL 里的字符串比较默认是不区分大小写的,对于哈希字符串也是如此。另外与 25~30 字节长度的字符串来说,使用 8 位的 bigint 在索引存储上的差异并不大。你所采用的这项技术对超过 100 直接的字符串是最好的

问:ORDER BY 的优化问题:select * from table where A=xxx and B between 100 and 200 order by B 是很常见的日期范围的查询,并且需要对结果进行排序。问题是这样的查询如何设置最佳的索引?

答:实际上这种情况在 (A,B) 建索引就很好了,但如果你需要使用第三个列(C)作排序,那么复合索引 (A,B,C) 就会导致排序无法使用索引,因此你可以我在PPT里介绍的将排序转成小范围数据的联合来处理。

问:使用关联表时,是否应该在 (foreignkey1,foreignkey2) 和 (foreignkey2,foreignkey1) 上建索引?

答:是的,这是一个好的实践方法。正常情况下如果我需要使用不同查询做双向遍历时,我会这样创建表:CREATE TABLE LINK (id1 int unsigned not null ,id2 int unsigned not null, PRIMARY KEY(id1,id2), KEY K(id2,id1)) engine=INNODB; 这个将使用更快的主键来做一些查询,然后使用索引 K 来做其他的查询。

问: 技巧#1“WHERE a IN (2-4)”的效率比“WHERE a IN (2,3,4)”低吗?换句话说,在范围查询中IN比BETWEEN效率高吗?

A: IN(2-4) 并不是你想要的那样。2-4被看做是一个数学公式,结果是IN(-2),而不是你想要的结果.

Q: 有一个主索引在int(ID),还有另外一些复合索引在idx1(X,A,B,C) idx2(Y,A,B,C)等等(一共有五个).是不是把A,B,C,ID设置为主索引,把另外的索引设置在一列,像这样idx(X),idx2(Y),这样是不是更好?

A: 相较于设置5个复合索引和仅仅设置第一列为索引,那一个才是最好的配置. 关于改变主键来包含这么多的列前缀取决你准备搜索什么. 通过这些列的数据分组有利于你很多方面的搜索,但是也会减慢插入操作以及使主键显得很碎,很分散. 并且在处理把主键追加到索引的时候MYSQL也有很多的限制。尤其是你说的这种情况.最后我们要注意的是这种独特的设置是不是对系统性能有很大的提升.

问:Table1有一主键,Table2 用Table1的当前这个主键来关联Table1,Table2上两个表存在关联的那个字段有必要建立索引吗?

答:这个问题涉及到MySQL执行join的问题。如果首先是用别的索引字段来检索Table2,然后再到Table1通过Table1的主键索引来查找行数据,这样就没有必要在Table2关联的那个字段上建一个索引。



Q: 关于扩展原有的索引是否比新添加一个索引更好:我有张名叫PO的表,拥有一个主键以及两个额外的字段vendor_id 和order_id。如果我有一个索引基于vendor_id和order_id,但是我的查询语句仅选择了vendor,这个索引是否会影响到该查询的速度?

A: 如果你将该索引从 (vendor_id) 扩展至 (vendor_id,order_id),却只用到vendor_id,你将会因为增加了4个字节的长度(假设order_id是int类型)而影响你的查询,但可能并不明显。不过除了单独基于(vendor_id)的索引,比起对(vendor_id,order_id)建立另一个索引,它似乎能极大的减少系统花费。这个例子里你真正需要担心的会因扩展索引而造成影响的是当你大幅度增加他的长度,例如增加long varchar类型列。类似的情况下它确实会比增加一个索引好。


Q: 我们有个数据库大概有400G的索引,这么多索引不可能全部读取到内存了.这样会影响系统性能吗?

A: 通常你不必把所有的索引都放入内存,只需要让一部分频繁进出内存. 这部分工作区的大小取决于应用程序,范围大小是总内存的5%至100%. 合适的工作区大小和不合适的工作区大小会让系统性能相差10倍以上.

问:在什么情况下使用自增字段为主键?

答:自增字段是一个很好的默认主键。在以下几种情况下你应该选择别的——如果一个字段有助于你在各个方面的数据分组或者这个字段被频繁的在查询中使用.

问:索引数量最大值是多少?

答:在最新的MYSQL版本里,每个表最多可以有64个索引.这已经太多了。相比于考虑索引数量的最大值,我更倾向于考虑添加索引是否有利于提高系统性能;添加索引增加的收益是否小于系统性能的降低

Q: "id"=5 和 "id" in (5)在性能上有什么不同?

A: 最近的 MySQ版本已经很智能的将in(5)转换为ID=5的形式(in的列表中是单值的情况下). 过去他们是有所区别的.

Q: 你推不推荐为你创建的每一个表都创建一个索引呢?例如:CREATE TABLE user_competition_entry user_id (INT), competition_id(INT);
这张表仅仅用于记录user_id和competition_id,并没有别的东西。若直接使用SELECT competition_id, COUNT(user_id) AS user_count FROM user_competition_entry GROUP BY competition_id;会不会比没有索引慢呢?

A: 我会定义(competition_id,user_id)作为此类表的主键。它还能对你提到的无临时表或外部排序时进行分组查询有帮助。



问:我们如何管理服务器的数据库索引?有怎样的管理要求或者服务器自己完成索引的管理。特别是在使用数据库结构已经预定义的CMS(内容管理系统

答:MYSQL服务器不会自动的为您定义任何的索引。只能期望您的CMS已经配置了合理的索引,如果没有的话,需要你手动的添加需要的索引。

问:在一个表中我运行了11M的数据之后的,主键的就从19到了19,000,那么对于基数这么大的主键有什么好的解决方法?

基数是数据的一个特性,我觉得没必要为了这个特性而专门去克服它。最好的还是研究下数据量存的大的那些,然后从执行情况入手,可以通过重新设计模式或者执行次数来达到优化的目的。

问:如何使用那种有索引并且另一使用order by 语句。是否需要使用order by子句添加索引呢。

答:如果索引的使用和order by 相同的索引,必须是在查询同一张表,不能有另外的索引,而且你可以平等比较,例如查询条件是:WHERE A=5 ORDER BY B 将使用索引(A,B)来实现排序优化,对于复杂条件可能需要使用类似"Unionizing Order by"手法

Q: UUID字段类型为VARCHAR(36),使用它代替自增列做为索引会产生什么影响?

A: 为了系统性能你最好把UUID转换为二进制形式并存储为VARBINARY(16).不管怎样你可能得到的table会比使用自增列要大. 虽然这样还是有很多人在应用中使用UUID想当成功,而这个应用不是必需优化为最佳性能或是这种情况不会成为系统瓶颈. 想看更详细的可以查一下我关于这个主题的其它文章.

Q: mysql如何在group by上使用索引?

A: 如果为group by上的字段加索引的话,mysql可以避免临时表或filesort(译注:这两种处理类型性能很低) .这是因为mysql通过扫描索引已经对数据进行了排序。

问: 这里有关于使用日期范围进行查询的相关方法或技巧吗? 比如2个日期之间的范围? 或者在一个日期之后的范围?

答: 日期比较和其他的数据比较非常相似所以一些技巧也是想通的, 例如在某些条件下你可以将BETWEEN的写法转换成IN这种范围写法以更好的利用索引.

问: 对于innodb型的b+树索引在叶子节点是是链表还是双链表? 你的幻灯片里展示的是单链表但是事实上你可以使用"order by desc"子句来暗示索引使用双向链表.

Innodb 支持双向链表 – 每一个叶子都包含指向前驱和后继节点的指针. 请注意使用“ORDER BY DESC”这个优化选项并不是真正的需求 – 即使没有叶子指向其他的Page,你仍然可以向任意的方向遍历BTREE. 如若如此,这仅仅只是让搜索变得开销相对昂贵罢了.

朋友们, 非常感谢大家的参与与精彩的提问!

请到Percona获取更多关于MySQL Webinars的信息!