MYSQ创建联合索引，字段的先后顺序，对查询的影响分析

前言

对于联合索引我们知道，在使用的时候有一个最左前缀的原则，除了这些呢，比如字段放置的位置，会不会对索引的效率产生影响呢？

最左匹配原则

联合索引时会遵循最左前缀匹配的原则，即最左优先，在检索数据时从联合索引的最左边开始匹配，示例：

create table test

(

id bigint auto_increment

primary key,

column_1 bigint null,

column_2 bigint null,

column_3 bigint null

);

create index test_column_1_column_2_column_3_index

on test (column_1, column_2, column_3);

比如上面的test表，我们建立了联合索引index test_column_1_column_2_column_3_index on test (column_1, column_2, column_3);当我们进行查询的时候，按照最左前缀的原则，当查询(column_1)、(column_1,column_2)(column_1,column_2,column_3)这三种组合是可以用到我们定义的联合索引的。如果我们查询(column_1,column_3)就只能用到column_1的索引了。我们不用太关心索引的先后顺序，什么意思呢？比如使用(column_1,column_2)和(column_2,column_1)的效果是一样的，数据库的查询优化器会自动帮助我们优化我们的sql，看哪个执行的效率最高，

最后才生成最后执行的sql。

为什么会有最左前缀呢？

当使用b+树作为索引的存储数据结构时，当我们创建联合索引的时候，比如(column_1, column_2, column_3)，b+树建立索引是从左到右来建立搜索树的，比如当我们来查询的时候WHERE column_1 = 1 AND column_2 = 2 AND column_3 = 3。b+树会先通过最左边的(建立索引的字段的左边的字段)字段，也就是column_1来确定下一步的查找对象，然后找到column_2，在通过column_2的索引找到column_3。所以(column_2,column_3)这样的查询命中不到索引了。因为最左前缀，一定是从最左边的字段开始依次在b+树的子节点查询，然后确定下一个查找的子节点的数据。所以我们(column_1)、(column_1,column_2)、(column_1,column_2,column_3)这三种查询条件是可以使用到索引的。

联合索引的存储结构

定义联合索引(员工级别，员工姓名，员工出生年月)，将联合索引按照索引顺序放入节点中，新插入节点时，先按照联合索引中的员工级别比较，如果相同会按照是员工姓名比较，如果员工级别和员工姓名都相同 最后是员工的出生年月比较。可以从图中从上到下，从左到右看，第一个B+树的节点 是通过联合索引的员工级别比较的，第二个节点是 员工级别相同，会按照员工姓名比较，第三个节点是 员工级别和员工姓名都相同，会按照员工出生年月比较。

联合索引字段的先后顺序

我们定义多个字段的联合索引，会考虑到字段的先后顺序。那么字段的先后顺序真的会对查询的效率产生影响吗？比如上面的联合索引index test_column_1_column_2_column_3_index on test (column_1, column_2, column_3);和index test_column_1_column_2_column_3_index on test (column_2, column_1, column_3);在查询效率上有差别吗？我们试验下

写个函数批量插入下数据

CREATE PROCEDURE dowhile()

BEGIN

DECLARE v1 INT DEFAULT 20000000;

WHILE v1 > 0 DO

INSERT INTO test.test (column_1, column_2, column_3) VALUES (RAND() * 20000000, RAND() * 10000, RAND() * 20000000);

SET v1 = v1 - 1;

END WHILE;

END;

我们插入了20000000条数据，然后先设置索引(column_1, column_2, column_3)中column_1的数值范围为0到20000000，column_2的范围为0到10000。然后查询，看看这个索引的效率。数据量太大，插入的时间可能要好久。为什么插入20000000条呢，因为b+树可以高效存储的数据条数就是21902400，具体见下文。

我们尝试下查询的效率

SELECT * FROM test WHERE column_1=19999834 AND column_2=3601

> OK

> 时间: 0.001s

EXPLAIN SELECT * FROM test WHERE column_1=19999834 AND column_2=3601

我们看到索引的type为ref已经相当高效了。

type：这列最重要，显示了连接使用了哪种类别,有无使用索引，是使用Explain命令分析性能瓶颈的关键项之一。

结果值从好到坏依次是：

system > const > eq_ref > ref > fulltext > ref_or_null > index_merge > unique_subquery > index_subquery > range > index > ALL

一般来说，得保证查询至少达到range级别，最好能达到ref，否则就可能会出现性能问题。

然后我们看下插入的效率

INSERT INTO test.test (column_1, column_2, column_3) VALUES (RAND() * 20000000, RAND() * 10000, RAND() * 20000000)

> Affected rows: 1

> 时间: 0.002s

更改索引的顺序

drop index test_column_1_column_2_column_3_index on test;

create index test_column_2_column_1_column_3_index

on test (column_2, column_1, column_3);

我们把column_2和column_1的索引位置更换了一下，来比较联合索引的先后顺序对查询效率的影响。

SELECT * FROM test WHERE column_2=3601 AND column_1=19999834

> OK

> 时间: 0.001s

EXPLAIN SELECT * FROM test WHERE column_2=3601 AND column_1=19999834

发现更换了之后查询时间上没有什么出入，还和上个查询的时间一样，分析查询的效率一样很高。

再来看插入的效率

INSERT INTO test.test (column_1, column_2, column_3) VALUES (RAND() * 20000000, RAND() * 10000, RAND() * 20000000)

> Affected rows: 1

> 时间: 0.003s

依然高效

所以我们可以总结出来，联合索引中字段的先后顺序，在sql层面的执行效率，差别不大，是可以忽略的。分析上面索引的数据结构也是可以推断出来的，无非就是当建立联合索引，更换索引字段的先后顺序，匹配每个字段锁定的数据条数不一样，但是对最终的查询效率没有太大的影响。但是这个字段的顺序真的就不用考虑吗？不是的，我们知道有最左匹配原则，所以我们要考虑我们的业务，比如说我们的业务场景中有一个字段enterpriseId,这个字段在80%的查询场景中都会遇到，那么我们肯定首选将这个字段放在联合索引字段的第一个位置，这样就能保证查询的高效，能够命中我们建立的索引。

b+树可以存储的数据条数

b+树 正常的高度是(1~3)一个整型8b 指针占用6b，mysql页文件默认16K，16k的数据可以存储16/14b=1170三层的数据大概就是1170*1170*16=21902400(千万条数据)所以千万级别的数据，对于建了索引的数据库查询的数据库也是很快的。

总结

对于联合索引，我们不能忽略它的最左匹配原则，即在检索数据时从联合索引的最左边开始匹配。对于创建联合索引时，我们要根据我们的具体的查询场景来定，联合索引字段的先后顺序，联合索引字段的先后顺序在sql层面上没有太大差别,但是结合查询的场景和最左匹配的原则，就能使一些查询的场景不能很好的命中索引，这点使我们是不能忽略的。

转载：https://www.cnblogs.com/ricklz/p/12508704.html

参考