当前位置: 首页 > news >正文

Explain详解与索引优化最佳实践and Mysql索引优化实战一--补充笔记

一,type说明

1,eq_re

image

2,ref

image

 3,range

image

 4,index

image

 

 5,索引优化原则:

1.全值匹配
2.最左前缀法则
3.不在索引列上做任何操作(计算、函数、(自动or手动)类型转换),会导致索引失效而转向全表扫描
4.存储引擎不能使用索引中范围条件右边的列
5.尽量使用覆盖索引(只访问索引的查询(索引列包含查询列)),减少 select * 语句 
6.mysql在使用不等于(!=或者<>),not in ,not exists 的时候无法使用索引会导致全表扫描< 小于、 > 大于、 <=、>= 这些,mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引
7.is null,is not null 一般情况下也无法使用索引
8.like以通配符开头('$abc...')mysql索引失效会变成全表扫描操作
      a)使用覆盖索引,查询字段必须是建立覆盖索引字段 
9.字符串不加单引号索引失效
10.少用or或in,用它查询时,mysql不一定使用索引,mysql内部优化器会根据检索比例、表大小等多个因素整体评估
 

6,索引下推

对于辅助的联合索引(name,age,position),正常情况按照最左前缀原则,SELECT * FROM employees WHERE name like 'LiLei%'
AND age = 22 AND position ='manager' 这种情况只会走name字段索引,因为根据name字段过滤完,得到的索引行里的age和
position是无序的,无法很好的利用索引。
在MySQL5.6之前的版本,这个查询只能在联合索引里匹配到名字是 'LiLei' 开头的索引,然后拿这些索引对应的主键逐个回表,到主键索
引上找出相应的记录,再比对age和position这两个字段的值是否符合。
MySQL 5.6引入了索引下推优化,可以在索引遍历过程中,对索引中包含的所有字段先做判断,过滤掉不符合条件的记录之后再回表,可
以有效的减少回表次数。使用了索引下推优化后,上面那个查询在联合索引里匹配到名字是 'LiLei' 开头的索引之后,同时还会在索引里过
滤age和position这两个字段,拿着过滤完剩下的索引对应的主键id再回表查整行数据。
索引下推会减少回表次数,对于innodb引擎的表索引下推只能用于二级索引,innodb的主键索引(聚簇索引)树叶子节点上保存的是全
行数据,所以这个时候索引下推并不会起到减少查询全行数据的效果。
 

7,filesort文件排序方式

单路排序:是一次性取出满足条件行的所有字段,然后在sort buffer中进行排序;用trace工具可以看到sort_mode信息里显示< sort_key, additional_fields >或者< sort_key,packed_additional_fields >
双路排序(又叫回表排序模式):是首先根据相应的条件取出相应的排序字段和可以直接定位行数据的行 ID,然后在 sort buffer 中进行排序,排序完后需要再次取回其它需要的字段;用trace工具
可以看到sort_mode信息里显示< sort_key, rowid > 

8,索引设计原则

(1)联合索引尽量覆盖条件

比如可以设计一个或者两三个联合索引(尽量少建单值索引),让每一个联合索引都尽量去包含sql语句里的where、order by、group by的字段,还要确保这些联合索引的字段顺序尽量满足sql查询的最左前缀原则。
(2)不要在小基数字段上建立索引
要在区分度高的字段上建立索引
(3)长字符串我们可以采用前缀索引
(4)先大数据量联合索引,再建辅助索引优化
尽量利用一两个复杂的多字段联合索引,抗下你80%以上的查询,然后用一两个辅助索引尽量抗下剩余的一些非典型查询,保证这种大数据量表的查询尽可能多的都能充分利用索引

 

 

 

 

 

 

 
http://www.jsqmd.com/news/497398/

相关文章:

  • 不踩雷! 9个降AIGC工具测评:全学科适配,降AI率高效推荐
  • Deepagents智能制造:智能工厂的AI代理终极指南
  • Arduino SdFat库硬件兼容性指南:SPI与SDIO接口配置教程
  • 7大核心技术揭秘:数据科学如何彻底变革农业精准种植与产量预测
  • Luminoth预训练模型详解:COCO与Pascal VOC数据集应用
  • t-rec-rs新特性详解:配置文件与多配置文件支持,提升你的工作流效率
  • optimize-js实战教程:如何在Webpack和Browserify中集成使用
  • Atmosphere持久化会话:Redis与SQLite存储方案的实现教程
  • 从 deprecated 到重生:gh_mirrors/ope/openjdk项目的历史与未来展望
  • X-CMD安全沙箱使用教程:在隔离环境中安全运行第三方工具
  • 解决sql语句中文乱码导致的问题
  • Escape-From-Duckov-Coop-Mod-Preview网络层实现原理:Steam P2P与RPC消息机制
  • AlgerMusicPlayer官网下载指南:2026最新官方正版安装与使用教程 - xiema
  • Atmosphere核心组件解析:Broadcaster与Transport如何实现跨浏览器实时通信
  • Neural 3D Mesh Renderer API详解:轻松掌握核心组件
  • Graph RAG新范式:基于knowledge_graph的文档问答系统实现指南
  • 知识图谱生成工具knowledge_graph:如何将任意文本转化为可视化知识网络
  • 10分钟上手CTPN:文本检测新手入门实战案例
  • 为什么选择 gh_mirrors/frame/framework?5大优势打造活跃在线社区
  • ETL面试必备:基于awesome-etl项目的核心工具知识点
  • 具身智能岗位申请攻略:Lumina社区内部人士分享的简历与面试技巧
  • Vue2.0+Vuex实战:VueDemo_Sell_Eleme中的状态管理最佳实践
  • 从入门到精通:AgentCPM-GUI用户操作完全手册(含实战案例)
  • generatedata开发者指南:扩展数据类型与自定义生成规则详解
  • bypass-mdm-v2对比v1:自动UID冲突检测如何提升成功率?
  • WP-CLI命令玩转S3 Uploads:批量迁移、文件管理实用教程
  • SonarJS高级配置:自定义规则与质量门槛设置
  • 10分钟上手Freezer.js:从安装到创建第一个响应式应用
  • 解决99%的使用问题:action-slack-notify常见错误与解决方案汇总
  • 突破大模型结构化输出难题:Instructor集成Amazon Bedrock全指南