文章目录

• • MySQL索引管理及慢查询优化
  • 一、什么是索引
  • • 1、索引概述
    • 2、索引误区
    • 3、索引原理功能
  • 二、MySQL索引分类
  • • • 【常用的索引分类】
      • 【不同存储引擎支持的索引类型】
      • 【各种索引的应用场景】
    • 三、索引的使用
    • • 【创建、删除、查看】
      • 【案列一】
      • 【案列二】
    • 四、索引测试
    • • 1、测试准备
      • 2、测试索引（无添加索引）
      • 3、添加索引（创建索引）
      • 4、查询索引（以该字段为查询条件）
      • 5、总结
    • 五、索引的正确使用
    • • 【索引命中未必会加速】
      • 1、范围条件 （选择定制查询）
      • • 【大于与小于号】
        • 【不等于号】
        • 【或者关系 and】
        • 【模糊查询 like】
      • 2、索引选用（区分度高，最优化的索引）
      • • 【索引测试区分准备】
        • 【索引选择测试】
        • 【总述解析】
      • 3、索引的顺序
      • 3、索引运算
      • 4、索引下推技术（and与or）
      • • 【索引下推的介绍】
        • 【索引下推的原理】
        • 【索引下推技术的使用】
      • 5、最左前缀匹配原则
      • • 【最左前缀匹配原则介绍】
        • 【最左前缀匹配原则的使用】
      • 6、不走索引
      • 7、总述
      • 【索引使用的主要原则】
    • 六、 联合索引与覆盖索引
    • • 【联合索引】
      • 【覆盖索引】
    • 七、查询优化器（explain）
    • • 【explain的介绍】
      • 【explain的功能说明】
      • 【explain字段详解】
      • 【explain的使用】
    • 八、慢查询优化的基本步骤
    • 九、慢日志管理
    • • 【日志管理】
    • 十、innodb存储引擎的索引知识
    • 十一、索引面试题

MySQL索引管理及慢查询优化

一、什么是索引

1、索引概述

1) 索引在MySQL中也叫是一种“键”，是存储引擎用于快速找到记录的一种数据结构。
2）索引对于良好的性能非常关键，尤其是当表中的数据量越来越大时，索引对于性能的影响愈发重要。
3) 索引优化应该是对查询性能优化最有效的手段了。
4）索引能够轻易将查询性能提高好几个数量级。
5）索引相当于字典的音序表，如果要查某个字，如果不使用音序表，则需要从几百页中逐页去查

2、索引误区

索引是应用程序设计和开发的一个重要方面。若索引太多，应用程序的性能可能会受到影响。而索引太少，对查询性能又会产生影响，要找到一个平衡点，这对应用程序的性能至关重要。
一些开发人员总是在事后才想起添加索引----我一直认为，这源于一种错误的开发模式。
如果知道数据的使用，从一开始就应该在需要处添加索引。开发人员往往对数据库的使用停留在应用的层面，比如编写SQL语句、存储过程之类，他们甚至可能不知道索引的存在，或认为事后让相关DBA加上即可。
DBA往往不够了解业务的数据流，而添加索引需要通过监控大量的SQL语句进而从中找到问题，这个步骤所需的时间肯定是远大于初始添加索引所需的时间，并且可能会遗漏一部分的索引。当然索引也并不是越多越好，我曾经遇到过这样一个问题：某台MySQL服务器iostat显示磁盘使用率一直处于100%，经过分析后发现是由于开发人员添加了太多的索引，在删除一些不必要的索引之后，磁盘使用率马上下降为20%。可见索引的添加也是非常有技术含量的

3、索引原理功能

1> 索引的目的在于提高查询效率
2> 索引的功能就是加速查找
3> mysql中的primary key，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能

二、MySQL索引分类

【常用的索引分类】

###################### B+树索引（innodb存储引擎默认）#######################
聚集索引：即主键索引，PRIMARY KEY
    用途：
        1、加速查找
        2、约束（不为空、不能重复）

唯一索引：UNIQUE
    用途：
        1、加速查找
        2、约束（不能重复） 

普通索引INDEX：
    用途：
        1、加速查找

联合索引： 
    PRIMARY KEY(id,name): 联合主键索引 
    UNIQUE(id,name):      联合唯一索引 
    INDEX(id,name):       联合普通索引




######################### HASH索引:(查询单条快，范围查询慢) ######################
将数据打散再去查询
Inodb和Myisam都不支持，设置完还是Btree
memery存储引擎支持





########################## FULLTEXT：全文索引 （只可以用在MyISAM引擎）#################
通过关键字的匹配来进行查询，类似于like的模糊匹配
like + %在文本比较少时是合适的
但是对于大量的文本数据检索会非常的慢
全文索引在大量的数据面前能比like快得多，但是准确度很低
百度在搜索文章的时候使用的就是全文索引，但更有可能是ES





########################## RTREE：R树索引 ####################################
RTREE在mysql很少使用，仅支持geometry数据类型
geometry数据类型一般填写经纬度那样的数据
支持该类型的存储引擎只有MyISAM、BDb、InnoDb、NDb、Archive几种。
RTREE范围查找很强，但Btree也不弱.

【不同存储引擎支持的索引类型】

InnoDB    支持事务，   支持行级别锁定， 支持 B-tree、Full-text 等索引，不支持 Hash 索引；
MyISAM    不支持事务， 支持表级别锁定， 支持 B-tree、Full-text 等索引，不支持 Hash 索引；
Memory    不支持事务， 支持表级别锁定， 支持 B-tree、Hash 等索引，不支持 Full-text 索引；
NDB       支持事务，   支持行级别锁定， 支持 Hash 索引，不支持 B-tree、Full-text 等索引；
Archive   不支持事务， 支持表级别锁定， 不支持 B-tree、Hash、Full-text 等索引；

【各种索引的应用场景】

#举例说明：假设为商场做一个会员卡的系统

这个系统有一个会员表有下列字段：
会员编号 INT
会员姓名 VARCHAR(10)
会员身份证号码 VARCHAR(18)
会员电话 VARCHAR(10)
会员住址 VARCHAR(50)
会员备注信息 TEXT

1》使用会员编号作为主键，使用 PRIMARY 
2》会员姓名 如果要建索引的话，那么就是普通的 INDEX
3》会员身份证号码 如果要建索引的话，那么可以选择 UNIQUE （唯一的，不允许重复）



#除此之外还有全文索引，即FULLTEXT
会员备注信息 ， 如果需要建索引的话，可以选择全文搜索。
用于搜索很长一篇文章的时候，效果最好。
用在比较短的文本，如果就一两行字的，普通的 INDEX 也可以。
但其实对于全文搜索，我们并不会使用MySQL自带的该索引，而是会选择第三方软件如Sphinx，专门来做全文搜索
#其他的如空间索引SPATIAL，了解即可，几乎不用

三、索引的使用

【创建、删除、查看】

############################### 创建索引 ################################
#方法一：创建表
    　　CREATE TABLE 表名 (
                字段名1  数据类型 [完整性约束条件…],
                字段名2  数据类型 [完整性约束条件…],
                [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
                [索引名]  (字段名[(长度)]  [ASC |DESC]) 
                );


#方法二：CREATE在已存在的表上创建索引
        CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 
                     ON 表名 (字段名[(长度)]  [ASC |DESC]) ;



#方法三：ALTER TABLE在已存在的表上创建索引
        ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
                             索引名 (字段名[(长度)]  [ASC |DESC]) ;



 
                             
##############################  删除索引：  #################################
        DROP INDEX 索引名 ON 表名字;
        alter table country drop index 索引名字;





############################ 查看索引  ####################################
#方法一：
mysql> desc t1;
+-----+
| Key |
+-----+
| PRI |   主键索引
| MUL |   普通索引
| UNI |   唯一键索引
+-----+

#方法二：
mysql> show index from t1;  

【案列一】

#方式一
#创建一个新表，同时设置索引
create table t1(
    id int,
    name char,
    age int,
    sex enum('male','female'),  
    unique key uni_id(id),      #唯一索引
    index ix_name(name)         #index没有key，
);
#查看表结构
mysql> desc t1;
+-------+-----------------------+------+-----+---------+-------+
| Field | Type                  | Null | Key | Default | Extra |
+-------+-----------------------+------+-----+---------+-------+
| id    | int(11)               | YES  | UNI | NULL    |       |
| name  | char(1)               | YES  | MUL | NULL    |       |
| age   | int(11)               | YES  |     | NULL    |       |
| sex   | enum('male','female') | YES  |     | NULL    |       |
+-------+-----------------------+------+-----+---------+-------+
4 rows in set (0.00 sec)



#方式二
#创建age索引
create index ix_age on t1(age);
mysql> desc t1;
+-------+-----------------------+------+-----+---------+-------+
| Field | Type                  | Null | Key | Default | Extra |
+-------+-----------------------+------+-----+---------+-------+
| id    | int(11)               | YES  | UNI | NULL    |       |
| name  | char(1)               | YES  | MUL | NULL    |       |
| age   | int(11)               | YES  | MUL | NULL    |       |
| sex   | enum('male','female') | YES  |     | NULL    |       |
+-------+-----------------------+------+-----+---------+-------+
4 rows in set (0.00 sec)



#方式三
#使用alter添加索引
alter table t1 add index ix_sex(sex);
mysql> desc t1;
+-------+-----------------------+------+-----+---------+-------+
| Field | Type                  | Null | Key | Default | Extra |
+-------+-----------------------+------+-----+---------+-------+
| id    | int(11)               | YES  | UNI | NULL    |       |
| name  | char(1)               | YES  | MUL | NULL    |       |
| age   | int(11)               | YES  | MUL | NULL    |       |
| sex   | enum('male','female') | YES  | MUL | NULL    |       |
+-------+-----------------------+------+-----+---------+-------+
4 rows in set (0.00 sec)





#查看表结果
mysql> show create table t1\G
*************************** 1. row ***************************
       Table: t1
Create Table: CREATE TABLE `t1` (
  `id` int(11) DEFAULT NULL,
  `name` char(1) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `sex` enum('male','female') DEFAULT NULL,
  UNIQUE KEY `uni_id` (`id`),
  KEY `ix_name` (`name`),
  KEY `ix_age` (`age`),
  KEY `ix_sex` (`sex`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1

1 row in set (0.00 sec)

【案列二】

1）#主键索引 (聚集索引)
#创建主键索引
mysql> alter table student add primary key pri_id(id);            #为id字段添加主键索引

mysql> create table student(id int not null, primary key(id));    #创建是设置主键
mysql> desc student;                                              #查看表结构                               
+-------+---------+------+-----+---------+-------+
| Field | Type    | Null | Key | Default | Extra |
+-------+---------+------+-----+---------+-------+
| id    | int(11) | NO   | PRI | NULL    |       |
+-------+---------+------+-----+---------+-------+
1 row in set (0.00 sec)


mysql> create table student(id int not null primary key auto_increment comment '学号');   #添加表结构
mysql> desc student;
+-------+---------+------+-----+---------+----------------+
| Field | Type    | Null | Key | Default | Extra          |
+-------+---------+------+-----+---------+----------------+
| id    | int(11) | NO   | PRI | NULL    | auto_increment |
+-------+---------+------+-----+---------+----------------+
1 row in set (0.00 sec)

#提示：
database可以写 schema
index可以写 key







2）#唯一键索引
#创建唯一建索引
mysql> alter table country add unique key uni_name(name);
mysql> create table student(id int unique key comment '学号');
mysql> create unique key index index_name on table_name(id);



3)#普通索引(辅助索引)
#普通索引的创建
mysql> alter table student add index idx_gender(gender);
CREATE INDEX index_name ON table_name (column_list);




4）#创建前缀索引
按照该列数据的前n个字母创建索引
mysql> alter table student add index idx_name(name(4));




5)#全文索引
#针对content做了全文索引：
CREATE TABLE t1 (
id int NOT NULL AUTO_INCREMENT,
title char(255) NOT NULL,
content text,
PRIMARY KEY (id),
FULLTEXT (content));



#查找时：
select * from table where match(content) against('想查询的字符串');

四、索引测试

1、测试准备

1)#准备表
create table s1(
id int,
name varchar(20),
gender char(6),
email varchar(50)
);




2)#创建存储过程，实现批量插入记录
delimiter $$  #声明存储过程的结束符号为$$
create procedure auto_insert1()
BEGIN
    declare i int default 1;
    while(i<3000000)do
        insert into s1 values(i,'egon','male',concat('egon',i,'@oldboy'));
        set i=i+1;
    end while;
END$$       #$$结束
delimiter ; #重新声明分号为结束符号




3)#查看存储过程
mysql> show create procedure auto_insert1\G 
*************************** 1. row ***************************
           Procedure: auto_insert1
            sql_mode: ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION
    Create Procedure: CREATE DEFINER=`root`@`localhost` PROCEDURE `auto_insert1`()
BEGIN
    declare i int default 1;
    while(i<3000000)do
        insert into s1 values(i,'egon','male',concat('egon',i,'@oldboy'));
        set i=i+1;
    end while;
END
character_set_client: utf8
collation_connection: utf8_general_ci
  Database Collation: latin1_swedish_ci
1 row in set (0.00 sec)



4)#调用存储过程
call auto_insert1();

2、测试索引（无添加索引）

#无索引：mysql根本就不知道到底是否存在id等于333333333的记录，只能把数据表从头到尾扫描一遍，此时有多少个磁盘块就需要进行多少IO操作，所以查询速度很慢
mysql> select * from s1 where id=333333333;
Empty set (0.33 sec)

3、添加索引（创建索引）

mysql> create index a on s1(id);            #添加索引
Query OK, 0 rows affected (3.27 sec)        #t添加索引时，速度很慢
Records: 0  Duplicates: 0  Warnings: 0

4、查询索引（以该字段为查询条件）

ps :
1. mysql先去索引表里根据b+树的搜索原理很快搜索到id等于333333333的记录不存在，IO大大降低，因而速度明显提升

2. 我们可以去mysql的data目录下找到该表，可以看到占用的硬盘空间多了

3. 需要注意，如下图

5、总结

1)# 一定是为搜索条件的字段创建索引，比如select * from s1 where id = 333;就需要为id加上索引


2)# 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，建完后查询速度加快
   如：create index idx on s1(id);会扫描表中所有的数据，然后以id为数据项，创建索引结构，存放于硬盘的表中。建完以后，再查询就会很快了。


3)#需要注意的是：innodb表的索引会存放于s1.ibd文件中，而myisam表的索引则会有单独的索引文件table1.MYI
   MySAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而在innodb中，表数据文件本身就是按照B+Tree（BTree即Balance True）组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此innodb表数据文件本身就是主索引。
   因为inndob的数据文件要按照主键聚集，所以innodb要求表必须要有主键（Myisam可以没有），如果没有显式定义，则mysql系统会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则mysql会自动为innodb表生成一个隐含字段作为主键，这字段的长度为6个字节，类型为长整型.

五、索引的正确使用

【索引命中未必会加速】

并不是说我们创建了索引就一定会加快查询速度，若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下问题:

1、范围条件 （选择定制查询）

条件不明确，条件中出现这些符号或关键字：>、>=、<、<=、!= 、between…and…、like、

【大于与小于号】

大于号与小于号 :>与<

【不等于号】

不等于号：!=

【或者关系 and】

或者关系：(两者之间)between …and…

【模糊查询 like】

模糊查询（类似）：like

2、索引选用（区分度高，最优化的索引）

1》给重复低、且占用空间小的字段值为基础构建索引
2》尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录

【索引测试区分准备】

#先把表中的索引都删除，让我们专心研究区分度的问题
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  | MUL | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(5)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  | MUL | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)

mysql> drop index a on s1;     #删除就旧的索引
Query OK, 0 rows affected (0.20 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> drop index d on s1;
Query OK, 0 rows affected (0.18 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> desc s1;                #查看索引都为空值
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  |     | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(5)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)

【索引选择测试】

【总述解析】

1）我们编写存储过程为表s1批量添加记录，name字段的值均为egon，也就是说name这个字段的区分度很低（gender字段也是一样的）
2）对于回忆b+树的结构，查询的速度与树的高度成反比，要想将树的高低控制的很低，需要保证：在某一层内数据项均是按照从左到右，从小到大的顺序依次排开，即左1<左2<左3<…
3）而对于区分度低的字段，无法找到大小关系，因为值都是相等的，毫无疑问，还想要用b+树存放这些等值的数据，只能增加树的高度，字段的区分度越低，则树的高度越高。极端的情况，索引字段的值都一样，那么b+树几乎成了一根棍，本例中就是这种极端的情况，name字段所有的值均为’egon’

#总述结论：为区分度低的字段建立索引，索引树的高度会很高，然而这具体会带来什么影响呢？？？

1：如果条件是name='xxxx',那么肯定是可以第一时间判断出'xxxx'是不在索引树中的（因为树中所有的值均为'egon’），所以查询速度很快

2：如果条件正好是name='egon',查询时，我们永远无法从树的某个位置得到一个明确的范围，只能往下找，往下找，往下找。。。这与全表扫描的IO次数没有多大区别，所以速度很慢

3、索引的顺序

= 和 in 可以乱序
如：a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序排列，mysql的查询优化器会帮你优化成索引可以识别的形式

3、索引运算

索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。
所以语句应该写成：create_time = unix_timestamp(’2014-05-29’)。

4、索引下推技术（and与or）

1》索引下推（index condition pushdown ）简称ICP，在Mysql5.6的版本上推出，用于优化查询
2》 使用ICP的情况下，如果存在某些被索引的列的判断条件时，MySQL服务器将这一部分判断条件传递给存储引擎，然后由存储引擎通过判断索引是否符合MySQL服务器传递的条件，只有当索引符合条件时才会将数据检索出来返回给MySQL服务器
3》索引条件下推优化可以减少存储引擎查询基础表的次数，也可以减少MySQL服务器从存储引擎接收数据的次数
4》索引下推主要是减少了不必要的回表操作，对于查找出来的数据，先过滤掉不符合条件的，其余的再去主键索引树上查找

索引下推，在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满⾜条件的记录，减少回表次数

【索引下推的介绍】

1)# and与or的逻辑
    条件1  and  条件2 : 所有条件都成立才算成立，但凡要有一个条件不成立则最终结果不成立
    条件1  or   条件2  : 只要有一个条件成立则最终结果就成立





2)# and的工作原理
    条件：   a = 10 and b = 'xxx' and c > 3 and d =4
    索引：   制作联合索引(d,a,b,c)
    工作原理:
            对于连续多个and：mysql会按照联合索引，从左到右的顺序找一个区分度高的索引字段(这样便可以快速锁定很小的范围)，加速查询，即按照d—>a->b->c的顺序





3)# or的工作原理
    条件：   a = 10 or b = 'xxx' or c > 3 or d =4
    索引：   制作联合索引(d,a,b,c)
        
    工作原理:
            对于连续多个or：mysql会按照条件的顺序，从左到右依次判断，即a->b->c->d

【索引下推的原理】

###############################  连续的多个and条件  ######################################
条件1 and 条件2 and 条件3  :  所有条件都成立才算成立，锁定的范围小,对于连续多个and条件，先判断哪一个并没有差别，反正最后都需要成立才行，mysql优化器会选出一个最佳的计划，即以某个条件的字段值为基础筛选出的记录最小，这就是索引下推技术


#mysql的优化器对于连续多个and条件，会制定出所有可能的查询计划：
  计划1：以条件1的字段为基础筛选出一批记录，然后在验证这批记录是否符合条件2与条件3
  计划2：以条件2的字段为基础筛选出一批记录，然后在验证这批记录是否符合条件1与条件3
  计划3：以条件3的字段为基础筛选出一批记录，然后在验证这批记录是否符合条件1与条件2

#举例说明：
相亲选偶，你需要从一千人中选出符合自己条件的相亲对象，这一千人就好比一张表中的一千条数据，一系列and条件就是你的择偶标准（择偶标准肯定不能是一系列or条件）
    你的择偶条件是：性别=女 and 年龄 = 18 and 长相 = 好看
    如何筛选会以最快的速度找出适配对象，很明显，不应该按照从左到右的顺序检索，因为“性别=女”的一大堆啊，既然多个and条件一定是需要同时成立的才可以，那么无论先比哪个都可以啊，反正最终都得满足条件才可以，所以我们完全可以先以一个比较苛刻（即锁定范围较小的条件）条件锁定一小部分人，然后再从这一些部分人群中判断是否符合其他条件，比如先拿着"长相=好看"这个条件来筛选，那么一千人可能只剩下了10个人了，然后在判断这十个人是否满足“性别=女 and 年龄=18“这样效率就高了，这就是索引下推技术的原理，即连续的多个and条件并非是按照从左到右的顺序计算的，但这种技术也仅适用于连续的多个and条件
    






#################################### 连续的多个or条件  ################################
条件1 or 条件2 or 条件3  ： 只要有一个条件成立则最终结果就成立，锁定的范围大
   对于连续的多个or条件，mysql只能按照条件的顺序，从左到右依次判断了

#举例说明
选出汽车的残次品，一定是一系列or条件，因为但凡一个零件坏了就算是残次品
    你的筛选条件是：方向盘坏了 or 轮毂坏了 or 刹车坏了
    这个时候你只能按照从左到右的顺序依次判断条件来进行筛选了，根本不能像连续多个and那样先用某个条件锁定一个小范围，例如你以轮毂坏了为条件， 筛出一些残次品，并不能在此基础上判断其他提交，因为但凡是一个条件满足，都算是残次品

【索引下推技术的使用】

1》使用索引下推技术建立索引

2》在左边条件成立但是索引字段的区分度低的情况下（name与gender均属于这种情况），会依次往右找到一个区分度高的索引字段，进行加速查询


3》经过分析，在条件为name=‘egon’ and gender=‘male’ and id>333 and email='xxx’的情况下，我们完全没必要为前三个条件的字段加索引，因为只能用上email字段的索引，前三个字段的索引反而会降低我们的查询效率

5、最左前缀匹配原则

最左前缀匹配原则,对于组合索引mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配(指的是范围大了，有索引速度也慢)

【最左前缀匹配原则介绍】

当b+树的数据项是复合的数据结构
比如(name,age,sex)的时候，b+数是按照从左到右的顺序来建立搜索树的，
比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，
如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。
比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了
这个是非常重要的性质，即索引的最左匹配特性

【最左前缀匹配原则的使用】

#例如:
条件：a = 1 and b = 2 and c > 3 and d = 4 
  创建的联合索引是(a,b,d,c)，即把锁定范围大的字段往右放,依据索引下推技术a--b--d的顺序是可以任意调整的 

6、不走索引

#1）没有查询条件，或者查询条件没有用到索引列
没有查询条件
mysql> explain select * from world.city;

没有用索引列做条件
mysql> explain select * from world.city where 1=1;
mysql> explain select * from world.city where name='shanghai';



#2）查询结果集是原表中的大部分数据，应该是25％以上
如果生产中,必须有这种全表扫描的需求不走索引
mysql> explain select * from world.city where population > 50;

如果业务允许，可以使用limit控制，可以走索引
mysql> explain select * from world.city where population>50 limit 10;

如果业务不允许，可以使用缓存
前面加上缓存,memcached,redis




#3）索引本身失效，统计数据不真实
反复修改，插入数据，索引被修改坏了，每次都会进行排序




#4）查询条件使用函数在索引列上或者对索引列进行运算，运算包括(+，-，*等)
mysql> explain select * from world.city where id=9;
mysql> select * from tb1 where reverse(email) = 'egon';

查询ID等于9的数据，会导致不走索引
mysql> explain select * from world.city where id-1=8;

查询ID等于9的数据，可以在后面作加减
mysql> explain select * from world.city where id=8+1;



#5）隐式转换,会导致索引失效
如果列是字符串类型，传入条件是必须用引号引起来，不然...
select * from tb1 where email = 999;

创建一个表
create table test(id int, name varchar(20), phonenum varchar(10));

插入几条数据
insert into test values(1,'jc','110'),(2,'xf',119),(3,'jh',120);

建立索引，没有相同值可以给唯一索引
alter table test unique key idx_num(phonenum);

查看索引
show index from test;

查询语句级别
不走索引
explain select * from test where phonenum=110;
走索引
explain select * from test where phonenum='110'; -- 引号可能导致大事故
因为这一列是varchar类型，必须以字符来查询




#6）<> 和 not in  , or 也不走索引
mysql> explain select * from test where phonenum <> '120';
mysql> explain select * from test where phonenum not in (120);
mysql> explain select * from test where telnum='110' or telnum='119';

使用union all可以走索引
mysql> explain select * from test where telnum='110' union all select * from test where telnum='119';




#7）like模糊查询%在最前面,不走索引
%在前面不走索引
mysql> explain select * from city where countrycode like '%HN';

%在后面，走索引
mysql> explain select * from city where countrycode like 'CH%';

放在后面也不是一定了，因为涉及到第二点结果的占总数据的比例

%在最前面的搜索需求，建议使用elasticsearch  ES  ELK(E) 搜索引擎式的 数据库



#8）单独引用联合索引里非第一位置的索引列
组合索引最左前缀
如果组合索引为：(name,email)
name and email -- 命中索引
name -- 命中索引
email -- 未命中索引



#9）排序条件为索引，则select字段必须也是索引字段，否则无法命中
- order by
select name from s1 order by email desc;
当根据索引排序时候，select查询的字段如果不是索引，则速度仍然很慢
select email from s1 order by email desc;
特别的：如果对主键排序，则还是速度很快：
select * from tb1 order by nid desc;

7、总述

【索引使用的主要原则】

1> 在创建索引的时候，会把该列所有的数据按照btree的方式进行排序



2> 为常作为查询条件的字段建立索引



3> 限制索引的数目，不要每列都创建索引,每个索引都需要占用磁盘空间，索引越多，需要的磁盘空间就越大
   修改表时，对索引的重构和更新很麻烦。越多的索引，会使更新表变得很浪费时间。


4> 在同一列上，尽量避免创建多个索引，可以创建多个但是它们是有优先级的，先走一个就不会再走另一个索引了；
    alter table student add index idx_name(name);
    alter table country add unique key uni_name(name);



5> 避免对大列建索引，在数据很长的列上创建前缀索引
 
 
6> 如果可以创建唯一索引,就创建唯一索引(该列的数据不重复)，查询速度快


7> 不要对重复度高的字段创建索引


8> 索引不要参与计算


9> 为经常要排序,分组,联合操作的列,创建联合索引,经常需要ORDER BY、GROUP BY、DISTINCT和UNION等操作的字段，排序操作会浪费很多时间
   如果为其建立索引，可以有效地避免排序操作



10> 尽量使用前缀来索引,创建索引的时候,可以给该列所有数据进行排序create index xxxx on tb(title(19)) # text类型，必须制定长度



11> 删除不再使用或者很少使用的索引,表中的数据被大量更新，或者数据的使用方式被改变后，原有的一些索引可能不再需要。数据库管理员应当定期找出这些索引，将它们删除，从而减少索引对更新操作的影响。


12> 避免使用select *


13> count(1)或count(列) 代替 count(*)     ps ：mysql中没有差别了


14> 创建表时尽量时 varchar 代替 char


15> 表的字段顺序固定长度的字段优先


16> 使用连接（JOIN）来代替子查询(Sub-Queries)


17> 连表时注意条件类型需一致

六、 联合索引与覆盖索引

【联合索引】

联合索引时指对表上的多个列合起来做一个索引
联合索引的创建方法与单个索引的创建方法一样，不同之处在仅在于有多个索引列

#案列
mysql> create table t(
    -> a int,
    -> b int,
    -> primary key(a),
    -> key idx_a_b(a,b)
    -> );
Query OK, 0 rows affected (0.11 sec)

联合索引就是一棵B+树，不同的是联合索引的键值得数量不是1，而是>=2。
假定两个键值得名称分别为a、b，可以看到这与我们之前看到的单个键的B+树并没有什么不同，键值都是排序的，通过叶子结点可以逻辑上顺序地读出所有数据，即（1,1），（1,2），（2,1），（2,4），（3,1），（3,2），数据按（a,b）的顺序进行了存放
因此，对于查询select * from table where a=xxx and b=xxx, 显然是可以使用(a,b) 这个联合索引的，对于单个列a的查询select * from table where a=xxx,也是可以使用（a,b）这个索引的,但对于b列的查询select * from table where b=xxx,则不可以使用（a,b） 索引，其实你不难发现原因，叶子节点上b的值为1、2、1、4、1、2显然不是排序的，因此对于b列的查询使用不到(a,b) 索引。
****联合索引的第二个好处是在第一个键相同的情况下，已经对第二个键进行了排序处理****
例如在很多情况下应用程序都需要查询某个用户的购物情况，并按照时间进行排序，最后取出最近三次的购买记录，这时使用联合索引可以帮我们避免多一次的排序操作，因为索引本身在叶子节点已经排序了
#===========准备表==============
create table buy_log(
    userid int unsigned not null,
    buy_date date
);

insert into buy_log values
(1,'2009-01-01'),
(2,'2009-01-01'),
(3,'2009-01-01'),
(1,'2009-02-01'),
(3,'2009-02-01'),
(1,'2009-03-01'),
(1,'2009-04-01');

alter table buy_log add key(userid);
alter table buy_log add key(userid,buy_date);




#===========验证==============
mysql> show create table buy_log;
| buy_log | CREATE TABLE `buy_log` (
  `userid` int(10) unsigned NOT NULL,
  `buy_date` date DEFAULT NULL,
  KEY `userid` (`userid`),
  KEY `userid_2` (`userid`,`buy_date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 |




#可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2,但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多
mysql> explain select * from buy_log where userid=2;
+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+
| id | select_type | table   | type | possible_keys   | key    | key_len | ref   | rows | Extra |
+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+
|  1 | SIMPLE      | buy_log | ref  | userid,userid_2 | userid | 4       | const |    1 |       |
+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+
1 row in set (0.00 sec)





#接着假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了，因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了
mysql> explain select * from buy_log where userid=1 order by buy_date desc limit 3;
+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+
| id | select_type | table   | type | possible_keys   | key      | key_len | ref   | rows | Extra                    |
+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+
|  1 | SIMPLE      | buy_log | ref  | userid,userid_2 | userid_2 | 4       | const |    4 | Using where; Using index |
+----+-------------+---------+------+-----------------+----------+---------+-------+------+--------------------------+
1 row in set (0.00 sec)




#ps：如果extra的排序显示是Using filesort，则意味着在查出数据后需要二次排序(如下查询语句，没有先用where userid=3先定位范围，于是即便命中索引也没用，需要二次排序)
mysql> explain select * from buy_log order by buy_date desc limit 3;
+----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+
| id | select_type | table   | type  | possible_keys | key      | key_len | ref  | rows | Extra                       |
+----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+
|  1 | SIMPLE      | buy_log | index | NULL          | userid_2 | 8       | NULL |    7 | Using index; Using filesort |
+----+-------------+---------+-------+---------------+----------+---------+------+------+-----------------------------+




#对于联合索引（a,b）,下述语句可以直接使用该索引，无需二次排序
select ... from table where a=xxx order by b;




#然后对于联合索引(a,b,c)来首，下列语句同样可以直接通过索引得到结果
select ... from table where a=xxx order by b;
select ... from table where a=xxx and b=xxx order by c;




#但是对于联合索引(a,b,c)，下列语句不能通过索引直接得到结果，还需要自己执行一次filesort操作，因为索引（a，c)并未排序
select ... from table where a=xxx order by c;

【覆盖索引】

InnoDB存储引擎支持覆盖索引（covering index，或称索引覆盖），即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录

     ps :覆盖索引技术最早是在InnoDB Plugin中完成并实现，这意味着对于InnoDB版本小于1.0的，或者MySQL数据库版本为5.0以下的，InnoDB存储引擎不支持覆盖索引特性

使用覆盖索引：辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作，对于InnoDB存储引擎的辅助索引而言，由于其包含了主键信息，因此其叶子节点存放的数据为（primary key1，priamey key2，...,key1，key2，...）
select age from s1 where id=123 and name = 'egon';   #id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。
最牛逼的情况是，索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了



mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id | int(11) | NO | | NULL | |
| name | varchar(20) | YES | | NULL | |
| gender | char(6) | YES | | NULL | |
| email | varchar(50) | YES | | NULL | |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.21 sec)





mysql> explain select name from s1 where id=1000; #没有任何索引
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
| 1 | SIMPLE | s1 | NULL | ALL | NULL | NULL | NULL | NULL | 2688336 | 10.00 | Using where |
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
1 row in set, 1 warning (0.00 sec)




mysql> create index idx_id on s1(id); #创建索引
Query OK, 0 rows affected (4.16 sec)
Records: 0 Duplicates: 0 Warnings: 0




mysql> explain select name from s1 where id=1000; #命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | NULL |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
1 row in set, 1 warning (0.08 sec)



mysql> explain select id from s1 where id=1000; #在辅助索引中就找到了全部信息，Using index代表覆盖索引
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | Using index |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
1 row in set, 1 warning (0.03 sec)


#覆盖索引的另外一个好处是对某些统计问题而言的。基于上一小结创建的表buy_log,
查询计划如下:
mysql> explain select count(*) from buy_log;
+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+
| id | select_type | table   | type  | possible_keys | key    | key_len | ref  | rows | Extra       |
+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+
|  1 | SIMPLE      | buy_log | index | NULL          | userid | 4       | NULL |    7 | Using index |
+----+-------------+---------+-------+---------------+--------+---------+------+------+-------------+
1 row in set (0.00 sec)


innodb存储引擎并不会选择通过查询聚集索引来进行统计。由于buy_log表有辅助索引，而辅助索引远小于聚集索引，选择辅助索引可以减少IO操作，故优化器的选择如上key为userid辅助索引
对于（a,b）形式的联合索引，一般是不可以选择b中所谓的查询条件。但如果是统计操作，并且是覆盖索引，则优化器还是会选择使用该索引，如下:

#联合索引userid_2（userid,buy_date）,一般情况，我们按照buy_date是无法使用该索引的，但特殊情况下：查询语句是统计操作，且是覆盖索引，则按照buy_date当做查询条件时，也可以使用该联合索引

mysql> explain select count(*) from buy_log where buy_date >= '2011-01-01' and buy_date < '2011-02-01';
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
| id | select_type | table   | type  | possible_keys | key      | key_len | ref  | rows | Extra                    |
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
|  1 | SIMPLE      | buy_log | index | NULL          | userid_2 | 8       | NULL |    7 | Using where; Using index |
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
1 row in set (0.00 sec)

七、查询优化器（explain）

【explain的介绍】

通过 explain 命令获取 select 语句的执行计划，通过 explain 我们可以知道以下信息：表的读取顺序，数据读取操作的类型，哪些索引可以使用，哪些索引实际使用了，表之间的引用，每张表有多少行被优化器查询等信息，所以优化语句基本上都是在优化rows

【explain的功能说明】

【explain字段详解】

1、 id：
包含一组数字，表示查询中执行select子句或操作表的顺序
Example（id相同，执行顺序由上至下）
如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行
id如果相同，可以认为是一组，从上往下顺序执行；在所有组中，id值越大，优先级越高，越先执行


2.、select_type
示查询中每个select子句的类型（简单OR复杂）
a. SIMPLE：查询中不包含子查询或者UNION
b. 查询中若包含任何复杂的子部分，最外层查询则被标记为：PRIMARY
c. 在SELECT或WHERE列表中包含了子查询，该子查询被标记为：SUBQUERY
d. 在FROM列表中包含的子查询被标记为：DERIVED（衍生）用来表示包含在from子句中的子查询的select，mysql会递归执行并将结果放到一个临时表中。服务器内部称为"派生表"，因为该临时表是从子查询中派生出来的
e. 若第二个SELECT出现在UNION之后，则被标记为UNION；若UNION包含在FROM子句的子查询中，外层SELECT将被标记为：DERIVED
f. 从UNION表获取结果的SELECT被标记为：UNION RESULT

SUBQUERY和UNION还可以被标记为DEPENDENT和UNCACHEABLE。
DEPENDENT意味着select依赖于外层查询中发现的数据。
UNCACHEABLE意味着select中的某些 特性阻止结果被缓存于一个item_cache中。

第一行：id列为1，表示第一个select，select_type列的primary表 示该查询为外层查询，table列被标记为<derived3>，表示查询结果来自一个衍生表，其中3代表该查询衍生自第三个select查询，即id为3的select。
第二行：id为3，表示该查询的执行次序为2（ 4 => 3），是整个查询中第三个select的一部分。因查询包含在from中，所以为derived。
第三行：select列表中的子查询，select_type为subquery，为整个查询中的第二个select。
第四行：select_type为union，说明第四个select是union里的第二个select，最先执行。
第五行：代表从union的临时表中读取行的阶段，table列的<union1,4>表示用第一个和第四个select的结果进行union操作。



3、 type   
表示MySQL在表中找到所需行的方式，又称“访问类型”。
常用的类型有： ALL, index,  range, ref, eq_ref, const, system, NULL（从左到右，性能从差到好）
ALL：Full Table Scan， MySQL将遍历全表以找到匹配的行
index: Full Index Scan，index与ALL区别为index类型只遍历索引树
range:只检索给定范围的行，使用一个索引来选择行
ref: 表示上述表的连接匹配条件，即哪些列或常量被用于查找索引列上的值
eq_ref: 类似ref，区别就在使用的索引是唯一索引，对于每个索引键值，表中只有一条记录匹配，简单来说，就是多表连接中使用primary key或者 unique key作为关联条件
const、system: 当MySQL对查询某部分进行优化，并转换为一个常量时，使用这些类型访问。如将主键置于where列表中，MySQL就能将该查询转换为一个常量,system是const类型的特例，当查询的表只有一行的情况下，使用system
NULL: MySQL在优化过程中分解语句，执行时甚至不用访问表或索引，例如从一个索引列里选取最小值可以通过单独索引查找完成。



4、table
显示这一行的数据是关于哪张表的，有时不是真实的表名字,看到的是derivedx(x是个数字,我的理解是第几步执行的结果)


5、possible_keys
指出MySQL能使用哪个索引在表中找到记录，查询涉及到的字段上若存在索引，则该索引将被列出，但不一定被查询使用
该列完全独立于EXPLAIN输出所示的表的次序。这意味着在possible_keys中的某些键实际上不能按生成的表次序使用。
如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查WHERE子句看是否它引用某些列或适合索引的列来提高你的查询性能。如果是这样，创造一个适当的索引并且再次用EXPLAIN检查查询


6、Key      key列显示MySQL实际决定使用的键（索引）
如果没有选择索引，键是NULL。要想强制MySQL使用或忽视possible_keys列中的索引，在查询中使用FORCE INDEX、USE INDEX或者IGNORE INDEX。（注：索引是否命中）


7、key_len
表示索引中使用的字节数，可通过该列计算查询中使用的索引的长度（key_len显示的值为索引字段的最大可能长度，并非实际使用长度，即key_len是根据表定义计算而得，不是通过表内检索出的）
不损失精确性的情况下，长度越短越好  


8、ref
表示上述表的连接匹配条件，即哪些列或常量被用于查找索引列上的值 



9、rows
 表示MySQL根据表统计信息及索引选用情况，估算的找到所需的记录所需要读取的行数



10、Extra
该列包含MySQL解决查询的详细信息,有以下几种情况：
Using where:列数据是从仅仅使用了索引中的信息而没有读取实际的行动的表返回的，这发生在对表的全部的请求列都是同一个索引的部分的时候，表示mysql服务器将在存储引擎检索行后再进行过滤
Using temporary：表示MySQL需要使用临时表来存储结果集，常见于排序和分组查询
Using filesort：MySQL中无法利用索引完成的排序操作称为“文件排序”
Using join buffer：改值强调了在获取连接条件时没有使用索引，并且需要连接缓冲区来存储中间结果。如果出现了这个值，那应该注意，根据查询的具体情况可能需要添加索引来改进能。
Impossible where：这个值强调了where语句会导致没有符合条件的行。
Select tables optimized away：这个值意味着仅通过使用索引，优化器可能仅从聚合函数结果中返回一行。

【explain的使用】

#执行计划：让mysql预估执行操作(一般正确)
    all < index < range < index_merge < ref_or_null < ref < eq_ref < const < system < NULL
    
    慢：
        select * from userinfo3 where name='alex'
        
        explain select * from userinfo3 where name='alex'
        type: ALL(全表扫描)
            select * from userinfo3 limit 1;
    快：
        select * from userinfo3 where email='alex'
        type: const(走索引)
 
#################  案列一： type为All，代表全部扫描
1）#什么是全表扫描
在explain语句结果中type为ALL，MySQL将遍历全表以找到匹配的行

2）#什么时候出现全表扫描?
   业务确实要获取所有数据
    mysql> explain select * from city;
    
3）#不走索引导致的全表扫描
    没索引
mysql> explain select * from city where District='shanghai';

    创建索引后速度会提升，变成索引扫描了
mysql> alter table city add index idx_District(District);
mysql> explain select * from city where District='shanghai';

#################  案列二：索引扫描
#常见的索引扫描类型:
1）index 全索引扫描
index与ALL区别为index类型只遍历索引树（性能也不高）
mysql> explain select population from city;

2）range    范围查询
只检索给定范围的行，使用一个索引来选择行，一般来说，SQL语句只要达到range级别，就可以了
mysql> explain select * from city where countrycode in ('USA','CHN');

3）ref 精确查找，匹配条件有普通索引
先给population列一个索引
mysql> alter table city add index idx_population(population);
然后查询
mysql> explain select * from city where population=300000000;

4）eq_ref    类似ref
区别就在使用的索引是唯一索引
explain select city.name,city.countrycode,country.name  from city join country on city.countrycode=country.code where city.population<100;

5）const 使用的索引是主键索引
mysql> explain select * from country where code='CHN';

6）system system是const类型的特例,当查询的表只有一行的情况下
mysql> delete from country where code != 'CHN';
有外键删除不了

7）null 执行过程不用访问表或索引，直接选取索引列的最小值
mysql> explain select min(population) from city;

八、慢查询优化的基本步骤

0.先运行看看是否真的很慢，注意设置SQL_NO_CACHE
1.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
2.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果，不符合预期继续从0分析

九、慢日志管理

慢日志
            - 执行时间 > 10
            - 未命中索引
            - 日志文件路径
            
        配置：
            - 内存
                show variables like '%query%';
                show variables like '%queries%';
                set global 变量名 = 值
            - 配置文件
                mysqld --defaults-file='E:\egon\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'
                
                my.conf内容：
                    slow_query_log = ON
                    slow_query_log_file = D:/....
                    
                注意：修改配置文件之后，需要重启服务

【日志管理】

MySQL日志管理
========================================================
错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息
二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作
查询日志: 记录查询的信息
慢查询日志: 记录执行时间超过指定时间的操作
中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放
通用日志： 审计哪个账号、在哪个时段、做了哪些事件
事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等
========================================================
一、bin-log
1. 启用
# vim /etc/my.cnf
[mysqld]
log-bin[=dir\[filename]]
# service mysqld restart
2. 暂停
//仅当前会话
SET SQL_LOG_BIN=0;
SET SQL_LOG_BIN=1;
3. 查看
查看全部：
# mysqlbinlog mysql.000002
按时间：
# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56"
# mysqlbinlog mysql.000002 --stop-datetime="2012-12-05 11:02:54"
# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" --stop-datetime="2012-12-05 11:02:54" 

按字节数：
# mysqlbinlog mysql.000002 --start-position=260
# mysqlbinlog mysql.000002 --stop-position=260
# mysqlbinlog mysql.000002 --start-position=260 --stop-position=930
4. 截断bin-log（产生新的bin-log文件）
a. 重启mysql服务器
b. # mysql -uroot -p123 -e 'flush logs'
5. 删除bin-log文件
# mysql -uroot -p123 -e 'reset master' 


二、查询日志
启用通用查询日志
# vim /etc/my.cnf
[mysqld]
log[=dir\[filename]]
# service mysqld restart

三、慢查询日志
启用慢查询日志
# vim /etc/my.cnf
[mysqld]
log-slow-queries[=dir\[filename]]
long_query_time=n
# service mysqld restart
MySQL 5.6:
slow-query-log=1
slow-query-log-file=slow.log
long_query_time=3
查看慢查询日志
测试:BENCHMARK(count,expr)
SELECT BENCHMARK(50000000,2*3);

十、innodb存储引擎的索引知识

	InnoDB存储引擎支持两种常见的索引：B+树索引、Hash索引。

B+树索引是目前关系型数据库系统中最常见、最有效的索引。

B+树中的B代表的不是二叉（binary），而是平衡（balance），所以，B+树是平衡树并不是二叉树。

B+树索引能找到的只是被查找数据行所在的页。然后数据库把页读入内存，再从内存中进行查找，最后得到要查找的数据。

在数据库中，B+树的高度一般在2-3层，也就意味着在查找某一个键所对应的值的时候，大概需要2-3次IO。

数据库中的B+树索引分为聚集索引和非聚集索引（辅助索引）

聚集索引就是按照每张表的主键构造一个B+树，B+树的一个叶子几点中记录着表中一行记录的所有值。只要找到这个叶子节点也就得到了这条记录的所有值。

辅助索引的叶节点中不包含行记录的所有值。只包含一个键值和一个书签（bookmark），书签用于定位与索引对应的数据行。

每张表只能有一个聚集索引，可以有多个辅助索引。

辅助索引通过叶级别的指针获得指向主键的索引，然后再通过聚集索引定位数据行。

对于索引的添加或删除操作，MySql数据库会先创建一张临时表，然后把数据导入临时表中，删除原表，再把临时表名改为原来的表名。所以，增加和删除索引有成本。

当某个字段的取值分布范围比较广的时候（高选择性）适合使用B+树索引。如果某字段只有Y和N两个取值，那么没必要使用索引。

如果要查询的字段具有高选择性，但是本次检索的数据占总数据量的一半以上时，MySql就不会使用索引进行查询。

联合索引是指对表上的多个列做索引。

如果有一个3列索引(col1,col2,col3)，则已经对(col1)、(col1,col2)、(col1,col3)和(col1,col2,col3)上建立了索引；这就是最左前缀原则。

搜索的索引列，不一定是所要选择的列。换句话说，最适合索引的列是出现在 WHERE 子句中的列，或连接子句中指定的列，而不是出现在 SELECT 关键字后的选择列表中的列。

使用短索引。如果对字符串列进行索引，应该指定一个前缀长度,只要有可能就应 该这样做。例如，如果有一个 CHAR(200)列,如果在前 10 个或 20 个字符内，多数值是惟一的，那么就不要对整个列进行索引。

不要过度索引。

Hash只用于使用=或<=>操作符的等式比较。

B+树索引,当使用>、<、>=、<=、BETWEEN、!=或者<>,或者 LIKE ‘pattern'(其
中’pattern’不以通配符开始)操作符时，都可以使用相关列上的索引

十一、索引面试题

【面试题详述】