MySQL索引原理学习教程

本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer,已开源在github ,欢迎star!

转载声明:转载请注明出处,本技术博客是本人原创文章

本文GitHub https://github.com/OUYANGSIHAI/JavaInterview 已收录,这是我花了6个月总结的一线大厂Java面试总结,本人已拿大厂offer,欢迎star

原文链接:blog.ouyangsihai.cn >> MySQL索引原理学习教程

目录

    • - - -

      一、初识索引

      1.1 为什么要有索引?

      一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。说起加速查询,就不得不提到索引了。

      1.2 什么是索引?

      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。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。

      索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。

      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。

      1.3 你是否对索引存在误解?

      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。

      二、索引的原理

      2.1 索引原理

      索引的目的在于提高查询效率,与我们查阅图书所用的目录是一个道理:先定位到章,然后定位到该章下的一个小节,然后找到页数。相似的例子还有:查字典,查火车车次,飞机航班等

      本质都是:通过不断地缩小想要获取数据的范围来筛选出最终想要的结果,同时把随机的事件变成顺序的事件,也就是说,有了这种索引机制,我们可以总是用同一种查找方式来锁定数据。

      数据库也是一样,但显然要复杂的多,因为不仅面临着等值查询,还有范围查询(、、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢?我们回想字典的例子,能不能把数据分成段,然后分段查询呢?最简单的如果1000条数据,1到100分成第一段,101到200分成第二段,201到300分成第三段……这样查第250条数据,只要找第三段就可以了,一下子去除了90%的无效数据。但如果是1千万的记录呢,分成几段比较好?稍有算法基础的同学会想到搜索树,其平均复杂度是lgN,具有不错的查询性能。但这里我们忽略了一个关键的问题,复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂,一方面数据是保存在磁盘上的,另外一方面为了提高性能,每次又可以把部分数据读入内存来计算,因为我们知道访问磁盘的成本大概是访问内存的十万倍左右,所以简单的搜索树难以满足复杂的应用场景。

      2.2 磁盘IO与预读

      前面提到了访问磁盘,那么这里先简单介绍一下磁盘IO和预读,磁盘读取数据靠的是机械运动,每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分,寻道时间指的是磁臂移动到指定磁道所需要的时间,主流磁盘一般在5ms以下;旋转延迟就是我们经常听说的磁盘转速,比如一个磁盘7200转,表示每分钟能转7200次,也就是说1秒钟能转120次,旋转延迟就是1/120/2 = 4.17ms;传输时间指的是从磁盘读出或将数据写入磁盘的时间,一般在零点几毫秒,相对于前两个时间可以忽略不计。那么访问一次磁盘的时间,即一次磁盘IO的时间约等于5+4.17 = 9ms左右,听起来还挺不错的,但要知道一台500 -MIPS(Million Instructions Per Second)的机器每秒可以执行5亿条指令,因为指令依靠的是电的性质,换句话说执行一次IO的时间可以执行约450万条指令,数据库动辄十万百万乃至千万级数据,每次9毫秒的时间,显然是个灾难。下图是计算机硬件延迟的对比图,供大家参考:

      MySQL索引原理

      考虑到磁盘IO是非常高昂的操作,计算机操作系统做了一些优化,当一次IO时,不光把当前磁盘地址的数据,而是把相邻的数据也都读取到内存缓冲区内,因为局部预读性原理告诉我们,当计算机访问一个地址的数据的时候,与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关,一般为4k或8k,也就是我们读取一页内的数据时候,实际上才发生了一次IO,这个理论对于索引的数据结构设计非常有帮助。

      三、索引的数据结构

      MySQL索引的数据结构-B+树介绍:

      四、MySQL索引管理

      4.1 功能

      1. 索引的功能就是加速查找
      2. 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

      4.2 MySQL常用的索引

      • 普通索引INDEX:加速查找

      • 唯一索引:
        • 主键索引PRIMARY KEY:加速查找+约束(不为空、不能重复)

        • 唯一索引UNIQUE:加速查找+约束(不能重复)

        • 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

        4.3 各个索引应用场景

        举个例子来说,比如你在为某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

        那么这个 会员编号,作为主键,使用 PRIMARY

        会员姓名 如果要建索引的话,那么就是普通的 INDEX

        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

        各个索引的应用场景

        各个索引的应用场景

        4.4 索引的两大类型hash与btree

        我们可以在创建上述索引的时候,为其指定索引类型,分两类:

        1. hash类型的索引:查询单条快,范围查询慢
        2. btree类型的索引:b+树,层数越多,数据量指数级增长(我们就用它,因为innodb默认支持它)

        不同的存储引擎支持的索引类型也不一样:

        • 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;

        4.5 创建/删除索引的语法

        12345678910111213141516171819
        # 方法一:创建表时      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;

        方法一:创建表时

        
          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;

        4.6 示例

        123456789101112131415161718192021222324252627282930313233343536373839
        # 方式一create table t1(    id int,    name char,    age int,    sex enum('male','female'),    unique key uni_id(id),    index ix_name(name) # index没有key);create table t1(    id int,    name char,    age int,    sex enum('male','female'),    unique key uni_id(id),    index(name) # index没有key);  # 方式二create index ix_age on t1(age);  # 方式三alter table t1 add index ix_sex(sex);alter table t1 add index(sex); # 查看mysql show create table t1;| t1    | 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

        方式一

        create table t1(
        id int,
        name char,
        age int,
        sex enum(‘male’,’female’),
        unique key uni_id(id),
        index ix_name(name) # index没有key
        );
        create table t1(
        id int,
        name char,
        age int,
        sex enum(‘male’,’female’),
        unique key uni_id(id),
        index(name) # index没有key
        );

        方式二

        create index ix_age on t1(age);

        方式三

        alter table t1 add index ix_sex(sex);
        alter table t1 add index(sex);

        查看

        mysql show create table t1;
        | t1 | 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

        五、测试索引

        5.1 数据准备

        12345678910111213141516171819202122232425
        # 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(i3000000)do        insert into s1 values(i,'eva','female',concat('eva',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show create procedure auto_insert1\G  # 4. 调用存储过程call auto_insert1();

        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(i3000000)do
        insert into s1 values(i,’eva’,’female’,concat(‘eva’,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

        show create procedure auto_insert1\G

        4. 调用存储过程

        call auto_insert1();

        1、在没有索引的前提下测试查询速度

        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

        12
        mysql select * from s1 where id=333333333;Empty set (0.33 sec)

        mysql select * from s1 where id=333333333;
        Empty set (0.33 sec)

        2、在表中已经存在大量数据的前提下,为某个字段段建立索引,建立速度会很慢

        MySQL索引原理

        3、在索引建立完毕后,以该字段为查询条件时,查询速度提升明显

        MySQL索引原理

        注意:

        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
        MySQL索引原理

        5.2 小结

        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,比如 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.

        六、正确使用索引

        6.1 索引未命中

        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、范围问题,或者说条件不明确,条件中出现这些符号或关键字:、=、、=、!= 、between…and…、like、大于号、小于号

        MySQL索引原理

        不等于!=

        MySQL索引原理

        between …and…

        MySQL索引原理

        like

        MySQL索引原理

        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。

        先把表中的索引都删除,让我们专心研究区分度的问题:

        1234567891011121314151617181920212223242526272829
        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    |       |+--------+-------------+------+-----+---------+-------+rows in set (0.00 sec) mysql drop index a on s1;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;+--------+-------------+------+-----+---------+-------+| 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    |       |+--------+-------------+------+-----+---------+-------+rows in set (0.00 sec)

        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 | |
        +——–+————-+——+—–+———+——-+
        rows in set (0.00 sec)

        mysql drop index a on s1;
        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;
        +——–+————-+——+—–+———+——-+
        | 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 | |
        +——–+————-+——+—–+———+——-+
        rows in set (0.00 sec)

        MySQL索引原理

        分析原因:

        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,我们稍后再搭理它)

        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…

        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’nick’

        现在我们得出一个结论: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’nick’),所以查询速度很快
        2. 如果条件正好是name=’nick’,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、索引列不能在条件中参与计算,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’)

        MySQL索引原理

        4、and/or

      • and与or的逻辑
          1. 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 1. 条件1 or 条件2:只要有一个条件成立则最终结果就成立
      • and的工作原理
          1. 条件:`a = 10 and b = 'xxx' and c 3 and d =4` 1. 索引:制作联合索引(d,a,b,c) 1. 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
      • or的工作原理
          1. 条件:a = 10 or b = 'xxx' or c 3 or d =4 1. 索引:制作联合索引(d,a,b,c) 1. 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
      • MySQL索引原理

        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,加速查询。

        MySQL索引原理 MySQL索引原理

        经过分析,在条件为name=’nick’ and gender=’male’ and id333 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

        MySQL索引原理

        5、最左前缀匹配原则,非常重要的原则,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),比如a = 1 and b = 2 and c 3 and d = 4 如果建立(a,b,c,d)顺序的索引,d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。

        MySQL索引原理

        6、其他情况

        12345678910111213141516171819202122232425
        - 使用函数    select * from tb1 where reverse(email) = 'nick'; - 类型不一致    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; #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; - 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  - count(1)或count(列)代替count(*)在mysql中没有差别了 - create index xxxx  on tb(title(19)) #text类型,必须制定长度
        • 使用函数
          select * from tb1 where reverse(email) = ‘nick’;
        • 类型不一致
          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;

        #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;
          
        • 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
        • count(1)或count(列)代替count(*)在mysql中没有差别了

        • create index xxxx on tb(title(19)) #text类型,必须制定长度

        6.2 其他注意事项

        • 避免使用select *
        • 使用count(*)
        • 创建表时尽量使用 char 代替 varchar
        • 表的字段顺序固定长度的字段优先
        • 组合索引代替多个单列索引(由于mysql中每次只能使用一个索引,所以经常使用多个条件查询时更适合使用组合索引)
        • 尽量使用短索引
        • 使用连接(JOIN)来代替子查询(Sub-Queries)
        • 连表时注意条件类型需一致
        • 索引散列值(重复少)不适合建索引,例:性别不适合

        七、联合索引和覆盖索引

        7.1 联合索引

        联合索引是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,不同之处仅在于有多个索引列,如下:

        1234567
        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)

        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)

        那么何时需要使用联合索引呢?在讨论这个问题之前,先来看一下联合索引内部的结果。从本质上来说,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。接着来讨论两个整型列组成的联合索引,假定两个键值得名称分别为a、b如图:

        MySQL索引原理

        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,就上面的例子来说,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,如下

        123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263
        # ===========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 |       |+----+-------------+---------+------+-----------------+--------+---------+-------+------+-------+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|+--+-----------+-------+----+---------------+--------+-------+-----+----+------------------------+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;

        ===========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 | |
        +—-+————-+———+——+—————–+——–+———+——-+——+——-+
        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|
        +–+———–+——-+—-+—————+——–+——-+—–+—-+————————+
        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;

        7.2 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。

        使用覆盖索引的一个好处是: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。

        注意: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。

        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,…)。例如:

        12345678910111213141516171819202122232425262728293031323334353637383940
        select age from s1 where id=123 and name = 'nick'; #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 | |+--------+-------------+------+-----+---------+-------+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|+--+-----------+-----+----------+----+-------------+----+-------+----+-------+--------+-----------+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|+--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----+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|+--+-----------+-----+----------+----+-------------+------+-------+-----+----+--------+-----------+row in set, 1 warning (0.03 sec)

        select age from s1 where id=123 and name = ‘nick’; #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 | |
        +——–+————-+——+—–+———+——-+
        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|
        +–+———–+—–+———-+—-+————-+—-+——-+—-+——-+——–+———–+
        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|
        +–+———–+—–+———-+—-+————-+——+——-+—–+—-+——–+—–+
        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|
        +–+———–+—–+———-+—-+————-+——+——-+—–+—-+——–+———–+
        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:

        1234567
        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|+--+-----------+-------+-----+-------------+------+-------+----+----+-----------+row in set (0.00 sec)

        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|
        +–+———–+——-+—–+————-+——+——-+—-+—-+———–+
        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:

        12345678
        # 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|+--+-----------+-------+-----+-------------+--------+-------+----+----+------------------------+row in set (0.00 sec)

        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|
        +–+———–+——-+—–+————-+——–+——-+—-+—-+————————+
        row in set (0.00 sec)

        7.3 合并索引

        1234567
        mysql explain select count(email) from index_t where   id = 1000000  or email='eva100000@oldboy';+--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+| id | select_type| table  | type                | possible_keys                              | key                   | key_len | ref    |rows | Extra                                                           |+--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+|  1 | SIMPLE      | index_t| index_merge | PRIMARY,email,ind_id,ind_email | PRIMARY,email | 4,51   |NULL|   2    |Using union(PRIMARY,email); Using where |+--+-----------+------+--------------+--------------------------------+---------------+--------+-----+----+-----------------------------------------+row in set (0.01 sec)

        mysql explain select count(email) from index_t where id = 1000000 or email=’eva100000@oldboy’;
        +–+———–+——+————–+——————————–+—————+——–+—–+—-+—————————————–+
        | id | select_type| table | type | possible_keys | key | key_len | ref |rows | Extra |
        +–+———–+——+————–+——————————–+—————+——–+—–+—-+—————————————–+
        | 1 | SIMPLE | index_t| index_merge | PRIMARY,email,ind_id,ind_email | PRIMARY,email | 4,51 |NULL| 2 |Using union(PRIMARY,email); Using where |
        +–+———–+——+————–+——————————–+—————+——–+—–+—-+—————————————–+
        row in set (0.01 sec)

        八、查询优化神器-explain

        MySQL性能分析之Explain:

        九、慢查询优化的基本步骤

        1. 先运行看看是否真的很慢,注意设置SQL_NO_CACHE
        2. 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
        3. 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)
        4. order by limit 形式的sql语句让排序的表优先查
        5. 了解业务方使用场景
        6. 加索引时参照建索引的几大原则
        7. 观察结果,不符合预期继续从0分析

        十、慢日志管理

        123456789101112131415161718
        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:\wupeiqi\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

        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 =- 配置文件
                    mysqld --defaults-file='E:\wupeiqi\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
        
        123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960
        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-log1. 启用# vim /etc/my.cnf[mysqld]log-bin[=dir\[filename]]# service mysqld restart2. 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=9304. 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 restartMySQL 5.6:slow-query-log=1slow-query-log-file=slow.loglong_query_time=3  单位为秒查看慢查询日志测试:BENCHMARK(count,expr)SELECT BENCHMARK(50000000,2*3);

        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

        1. 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’
        2. 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 单位为秒
        查看慢查询日志
        测试:BENCHMARK(count,expr)
        SELECT BENCHMARK(50000000,2*3);

        原文始发于:

  • 本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer,已开源在github ,欢迎star!

    转载声明:转载请注明出处,本技术博客是本人原创文章

    本文GitHub https://github.com/OUYANGSIHAI/JavaInterview 已收录,这是我花了6个月总结的一线大厂Java面试总结,本人已拿大厂offer,欢迎star

    原文链接:blog.ouyangsihai.cn >> MySQL索引原理学习教程


     上一篇
    面试官——深入谈谈你对MySQL索引的理解 面试官——深入谈谈你对MySQL索引的理解
    点击上方“后端技术精选”,选择“置顶公众号” 技术文章第一时间送达! 作者:浪人~ cnblogs.com/liqiangchn/p/9060521.html cnblogs.com/liqiangchn/p/9060521
    下一篇 
    不懂数据库索引的底层原理?那是因为你心里没点b树 不懂数据库索引的底层原理?那是因为你心里没点b树
    点击上方“后端技术精选”,选择“置顶公众号” 技术文章第一时间送达! 作者:苏苏喂 cnblogs.com/sujing/p/11110292.html cnblogs.com/sujing/p/11110292.html