乐趣区

关于java:前缀索引中看也中用

jiezi

@[toc]
最近几篇文章，都是在和大家聊索引的问题，明天咱们来看看前缀索引。

1. 什么是前缀索引

所谓前缀索引 说白了就是对文本的前几个字符建设索引（具体是几个字符在建设索引时指定），这样建设起来的索引更小，所以查问更快。这有点相似于 Oracle 中对字段应用 Left 函数来建设函数索引，只不过 MySQL 的这个前缀索引在查问时是外部主动实现匹配的，并不需要应用 Left 函数。

那么为什么不对整个字段建设索引呢？一般来说应用前缀索引，可能都是因为整个字段的数据量太大，没有必要针对整个字段建设索引，前缀索引仅仅是抉择一个字段的局部字符作为索引，这样一方面能够节约索引空间，另一方面则能够进步索引效率，当然很显著，这种形式也会升高索引的选择性。

这里又波及到一个概念，什么是 索引选择性？

2. 什么是索引选择性

对于索引的选择性（Index Selectivity），它是指不反复的索引值（也称为基数 cardinality)和数据表的记录总数的比值，取值范畴在 [0,1] 之间。索引的选择性越高则查问效率越高，因为选择性高的索引能够让 MySQL 在查找时过滤掉更多的行。

那有小伙伴要问了，是不是选择性越高的索引越好呢？当然不是！索引选择性最高为 1，如果索引选择性为 1，就是惟一索引了，搜寻的时候就能间接通过搜寻条件定位到具体一行记录！这个时候尽管性能最好，然而也是最费空间的，这不合乎咱们创立前缀索引的初衷。

咱们一开始之所以要创立前缀索引而不是惟一索引，就是心愿可能在索引的性能和空间之间找到一个均衡，咱们心愿可能抉择足够长的前缀以保障较高的选择性（这样在查问的过程中就不须要扫描很多行），然而又心愿索引不要太过于占用存储空间。

那么咱们该如何抉择一个适合的索引选择性呢？索引前缀应该足够长，以便前缀索引的选择性靠近于索引的整个列，即前缀的基数应该靠近于残缺列的基数。

首先咱们能够通过如下 SQL 失去全列选择性：

SELECT COUNT(DISTINCT column_name) / COUNT(*) FROM table_name;

而后再通过如下 SQL 失去某一长度前缀的选择性：

SELECT COUNT(DISTINCT LEFT(column_name, prefix_length)) / COUNT(*) FROM table_name;

在下面这条 SQL 执行的时候，咱们要留神抉择适合的 prefix_length，直至计算结果约等于全列选择性的时候，就是最佳后果了。

3. 创立前缀索引

3.1 一个小案例

举个例子，咱们来创立一个前缀索引看看。

松哥这里应用的数据样例是网上找的一个测试脚本，有 300W+ 条数据，做 SQL 测试优化是够用了，小伙伴们在公众号后盾回复 mysql-data-samples 获取脚本下载链接。

咱们来大抵上看下这个表构造：

这个表有一个 user_uuid 字段，咱们就在这个字段上做文章。

Git 小伙伴们应该都会用吧？不同于 Svn，Git 上的版本号不是数字而是一个 Hash 字符串，然而咱们在具体利用的时候，比方你要做版本回退，此时并不需要输出残缺的的版本号，只须要输出版本号前几个字符就行了，因为依据后面这一部分就能确定出版本号了。

那么这张表里边的 user_uuid 字段也是这意思，如果咱们想给 user_uuid 字段建设索引，就没有必要给残缺的字符串建设索引，咱们只须要给一部分字符串建设索引。

可能有小伙伴还是不太明确，我举一个例子，比如说我当初想依照 user_uuid 字段来查问，然而查问条件我没有必要写残缺的 user_uuid，我只须要写后面一部分就能够辨别出我想要的记录了，咱们来看如下一条 SQL：

大家看到，user_uuid 我只须要给出一部分就能惟一锁定一条记录。

当然，下面这个 SQL 是松哥测试过的，给定的 '39352f%' 条件不能再短了，再短就会查出来两条甚至多条记录。

通过下面这个例子咱们就可以看进去，如果给 user_uuid 字段建设索引，可能并不需要给残缺的字符串建设索引，只须要给一部分前缀字符串建设索引。

那么给后面几个字符串建设索引呢？这个可不是拍脑门，须要科学计算，咱们持续往下看。

3.2 前缀索引

首先咱们通过如下 SQL 来看一下 user_uuid 全列索引选择性是多少：

SELECT COUNT(DISTINCT user_uuid) / COUNT(*) FROM system_user;

能够看到，后果为 1。全列选择性为 1 阐明这一列的值都是惟一不反复的。

接下来咱们先来试几个不同的 prefix_length，看看选择性如何。

松哥这里一共测试了 5 个不同的 prefix_length，大家来看看各自的选择性：

8 和 9 的选择性是一样的，因为在 uuid 字符串中，第 9 个字符串是 -，所有的 uuid 第九个字符串都一样，所以 8 个字符和 9 个字符串的区分度就一样。

当 prefix_length 为 10 的时候，选择性就曾经是 1 了，意思是，在这 300W+ 条数据中，如果我用 user_uuid 这个字段去查问的话，只须要输出前十个字符，就能惟一定位到一条具体的记录了。

那还等啥，连忙创立前缀索引呗：

alter table system_user add index user_uuid_index(user_uuid(10));

查看刚刚创立的前缀索引：

show index from system_user;

能够看到，第二行就是咱们刚刚创立的前缀索引。

接下来咱们剖析查问语句中是否用到该索引：

select * from system_user where user_uuid='39352f81-165e-4405-9715-75fcdf7f7068';

能够看到，这个前缀索引曾经用上了。

具体搜寻流程是这样：

  1. 从 user_uuid_index 索引中找到第一个值为 39352f81-1 的记录（user_uuid 的前十个字符）。
  2. 因为 user_uuid 是二级索引，叶子结点保留的是主键值，所以此时拿到了主键 id 为 1。
  3. 拿着主键 id 去回表，在主键索引上找到 id 为 1 的行的残缺记录，返回给 server 层。

  4. server 层判断其 user_uuid 是不是 39352f81-165e-4405-9715-75fcdf7f7068（所以执行打算的 Extra 为 Using where）。

    1. 如果不是，这行记录抛弃。
    2. 如果是，将该记录退出后果集。
  5. 索引叶子结点上数据之间是有单向链表维系的，所以接着第一步查找的后果，持续向后读取下一条记录，而后反复 2、3、4 步，直到在 user_uuid_index 上取到的值不为 39352f81-1 时，循环完结。

如果咱们建设了前缀索引并且前缀索引的选择性为 1，那么就不须要第 5 步了，如果前缀索引选择性小于 1，就须要第五步。

从下面的案例中，小伙伴们看到，咱们既节俭了空间，又进步了搜寻效率。

3.3 一个问题

应用了前缀索引后，咱们来看一个问题，大家来看如下一条查问 SQL：

select user_uuid from system_user where user_uuid='39352f81-165e-4405-9715-75fcdf7f7068';

这次不是 select *，而是 select user_uuid，依照松哥之前的文章（是时候检查一下应用索引的姿态是否正确了！），大家晓得，这里应该是要用到笼罩索引，咱们来看看执行打算：

咦，说好的索引笼罩呢？（留神看 Extra 是 Using where）。

大家想想，前缀索引中，B+Tree 里保留的就不是残缺的 user_uuid 字段的值，必须要回表能力拿到须要的数据。所以，用了前缀索引，就用不了笼罩索引了。

4. 小结

好啦，这就是前缀索引，请大家联合本人我的项目的理论需要应用。明天就先聊这么多，剩下的咱们当前再扯吧～

参考资料：

  1. https://blog.csdn.net/dhrome/…
退出移动版