索引夺命 10 连问

苏三说技术

发布于 2025-09-02 18:29:45

12400

代码可运行

文章被收录于专栏：苏三说技术苏三说技术

运行总次数：0

代码可运行

大家好，我是苏三，又跟大家见面了。

前言

今天我们来聊聊让无数开发者又爱又恨的——数据库索引。

相信不少小伙伴在工作中都遇到过这样的场景：

明明已经加了索引，为什么查询还是慢？
为什么有时候索引反而导致性能下降？
联合索引到底该怎么设计才合理？

别急，今天我就通过10个问题，带你彻底搞懂索引的奥秘！

希望对你会有所帮助。

一、什么是索引？为什么需要索引？

1.1 索引的本质

简单来说，索引就是数据的目录。

就像一本书的目录能帮你快速找到内容一样，数据库索引能帮你快速定位数据。

-- 没有索引的查询（全表扫描）
SELECT * FROM users WHERE name = '苏三'; -- 需要遍历所有记录

-- 有索引的查询（索引扫描）
CREATE INDEX idx_name ON users(name);
SELECT * FROM users WHERE name = '苏三'; -- 通过索引快速定位

1.2 索引的工作原理

索引的底层结构（B+树）：

二、索引的10个常见问题

1.为什么我加了索引，查询还是慢？

场景还原：

CREATE INDEX idx_name ON users(name);
SELECT * FROM users WHERE name LIKE '%苏三%'; -- 还是很慢！

原因分析：

前导通配符：LIKE '%苏三% 导致索引失效
索引选择性差：如果name字段大量重复，索引效果不佳
回表代价高：索引覆盖不全，需要回表查询

解决方案：

-- 方案1：避免前导通配符
SELECT * FROM users WHERE name LIKE'苏三%';

-- 方案2：使用覆盖索引
CREATE INDEX idx_name_covering ON users(name, id, email);
SELECT name, id, email FROM users WHERE name LIKE'苏三%'; -- 不需要回表

-- 方案3：使用全文索引（对于文本搜索）
CREATE FULLTEXT INDEX ft_name ONusers(name);
SELECT * FROM users WHERE MATCH(name) AGAINST('苏三');

2.索引是不是越多越好？

绝对不是！ 索引需要维护代价：

-- 每个索引都会影响写性能
INSERT INTO users (name, email, age) VALUES ('苏三', 'susan@example.com', 30);
-- 需要更新: 
-- 1. 主键索引
-- 2. idx_name索引（如果存在）
-- 3. idx_email索引（如果存在）
-- 4. idx_age索引（如果存在）

索引的代价：

存储空间：每个索引都需要额外的磁盘空间
写操作变慢：INSERT/UPDATE/DELETE需要维护所有索引
优化器负担：索引太多会增加查询优化器的选择难度

黄金法则：一般建议表的索引数量不超过5-7个

3.联合索引的最左前缀原则是什么？

最左前缀原则：联合索引只能从最左边的列开始使用

-- 创建联合索引
CREATE INDEX idx_name_age ON users(name, age);

-- 能使用索引的查询
SELECT * FROM users WHERE name = '苏三'; -- √ 使用索引
SELECT * FROM users WHERE name = '苏三' AND age = 30; -- √ 使用索引
SELECT * FROM users WHERE age = 30 AND name = '苏三'; -- √ 优化器会调整顺序

-- 不能使用索引的查询
SELECT * FROM users WHERE age = 30; -- × 不符合最左前缀

联合索引结构：

4.如何选择索引字段的顺序？

选择原则：

高选择性字段在前：选择性高的字段能更快过滤数据
经常查询的字段在前：优先满足常用查询场景
等值查询在前，范围查询在后

-- 计算字段选择性
SELECT 
    COUNT(DISTINCT name) / COUNT(*) as name_selectivity,
    COUNT(DISTINCT age) / COUNT(*) as age_selectivity,
    COUNT(DISTINCT city) / COUNT(*) as city_selectivity
FROM users;

-- 根据选择性决定索引顺序
CREATE INDEX idx_name_city_age ON users(name, city, age); -- name选择性最高

5.什么是覆盖索引？为什么重要？

覆盖索引：索引包含了查询需要的所有字段，不需要回表查询

-- 不是覆盖索引（需要回表）
CREATE INDEX idx_name ON users(name);
SELECT * FROM users WHERE name = '苏三'; -- 需要回表查询其他字段

-- 覆盖索引（不需要回表）
CREATE INDEX idx_name_covering ON users(name, email, age);
SELECT name, email, age FROM users WHERE name = '苏三'; -- 所有字段都在索引中

覆盖索引的优势：

避免回表：减少磁盘IO
减少内存占用：只需要读取索引页
提升性能：查询速度更快

6.NULL值对索引有什么影响？

NULL值的问题：

-- 创建索引
CREATE INDEX idx_email ON users(email);

-- 查询NULL值
SELECT * FROM users WHERE email IS NULL; -- 可能不使用索引
SELECT * FROM users WHERE email IS NOT NULL; -- 可能不使用索引

解决方案：

避免NULL值：设置默认值
使用函数索引（MySQL 8.0+）

-- 使用函数索引处理NULL值
CREATE INDEX idx_email_null ON users((COALESCE(email, '')));
SELECT * FROM users WHERE COALESCE(email, '') = '';

7.索引对排序和分组有什么影响？

索引优化排序和分组：

-- 创建索引
CREATE INDEX idx_age_name ON users(age, name);

-- 索引优化排序
SELECT * FROM users ORDER BY age, name; -- √ 使用索引避免排序

-- 索引优化分组
SELECT age, COUNT(*) FROM users GROUP BY age; -- √ 使用索引优化分组

-- 无法使用索引排序的情况
SELECT * FROM users ORDER BY name, age; -- × 不符合最左前缀
SELECT * FROM users ORDER BY age DESC, name ASC; -- × 排序方向不一致

8.如何发现索引失效的场景？

常见索引失效场景：

函数操作：WHERE YEAR(create_time) = 2023
类型转换：WHERE phone = 13800138000（phone是varchar）
数学运算：WHERE age + 1 > 30
前导通配符：WHERE name LIKE '%苏三'

使用EXPLAIN分析：

EXPLAIN SELECT * FROM users WHERE name = '苏三';

-- 查看关键指标：
-- type: const|ref|range|index|ALL（性能从好到坏）
-- key: 实际使用的索引
-- rows: 预估扫描行数
-- Extra: Using index（覆盖索引）| Using filesort（需要排序）| Using temporary（需要临时表）

9.如何维护和优化索引？

定期索引维护：

-- 查看索引使用情况（MySQL）
SELECT * FROM sys.schema_index_statistics 
WHERE table_schema = 'your_database'AND table_name = 'users';

-- 重建索引（优化索引碎片）
ALTER TABLE users REBUILD INDEX idx_name;

-- 分析索引使用情况
ANALYZE TABLE users;

索引监控：

-- 开启索引监控（Oracle）
ALTER INDEX idx_name MONITORING USAGE;

-- 查看索引使用情况
SELECT * FROM v$object_usage WHERE index_name = 'IDX_NAME';

10.不同数据库的索引有什么差异？

MySQL vs PostgreSQL索引差异：

特性	MySQL	PostgreSQL
索引类型	B+Tree, Hash, Fulltext	B+Tree, Hash, GiST, SP-GiST
覆盖索引	支持	支持（使用INCLUDE）
函数索引	8.0+支持	支持
部分索引	支持	支持
索引组织表	聚簇索引	堆表

PostgreSQL示例：

-- 创建包含索引（Covering Index）
CREATE INDEX idx_users_covering ON users (name) INCLUDE (email, age);

-- 创建部分索引（Partial Index）
CREATE INDEX idx_active_users ON users (name) WHERE is_active = true;

-- 创建表达式索引（Expression Index）
CREATE INDEX idx_name_lower ON users (LOWER(name));