[[356273]]

最近一直忙著處理原來老項(xiàng)目遺留的一些SQL優(yōu)化問題，由于當(dāng)初表的設(shè)計(jì)以及字段設(shè)計(jì)的問題，隨著業(yè)務(wù)的增長，出現(xiàn)了大量的慢SQL，導(dǎo)致MySQL的CPU資源飆升，基于此，給大家簡單分享下這些比較使用的易于學(xué)習(xí)和使用的經(jīng)驗(yàn)。

這次的話簡單說下如何防止你的索引失效。

再說之前我先根據(jù)我最近的經(jīng)驗(yàn)說下我對索引的看法，我覺得并不是所以的表都需要去建立索引，對于一些業(yè)務(wù)數(shù)據(jù)，可能量比較大了，查詢數(shù)據(jù)已經(jīng)有了一點(diǎn)壓力，那么最簡單、快速的辦法就是建立合適的索引，但是有些業(yè)務(wù)可能表里就沒多少數(shù)據(jù)，或者表的使用頻率非常不高的情況下是沒必要必須要去做索引的。就像我們有些表，2年了可能就10來?xiàng)l數(shù)據(jù)，有索引和沒索引性能方面差不多多少。

索引只是我們優(yōu)化業(yè)務(wù)的一種方式，千萬為了為了建索引而去建索引。

下面是我此次測試使用的一張表結(jié)構(gòu)以及一些測試數(shù)據(jù) 

CREATE TABLE `user` (  
  `id` int(5) unsigned NOT NULL AUTO_INCREMENT,  
  `create_time` datetime NOT NULL,  
  `name` varchar(5) NOT NULL,  
  `age` tinyint(2) unsigned zerofill NOT NULL,  
  `sex` char(1) NOT NULL,  
  `mobile` char(12) NOT NULL DEFAULT '',  
  `address` char(120) DEFAULT NULL,  
  `height` varchar(10) DEFAULT NULL,  
  PRIMARY KEY (`id`),  
  KEY `idx_createtime` (`create_time`) USING BTREE,  
  KEY `idx_name_age_sex` (`name`,`sex`,`age`) USING BTREE,  
  KEY `idx_ height` (`height`) USING BTREE,  
  KEY `idx_address` (`address`) USING BTREE,  
  KEY `idx_age` (`age`) USING BTREE 
 ) ENGINE=InnoDB AUTO_INCREMENT=261 DEFAULT CHARSET=utf8;  

INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (1, '2019-09-02 10:17:47', '冰峰', 22, '男', '1', '陜西省咸陽市彬縣', '175'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (2, '2020-09-02 10:17:47', '松子', 13, '女', '1', NULL, '180'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (3, '2020-09-02 10:17:48', '蠶豆', 20, '女', '1', NULL, '180'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (4, '2020-09-02 10:17:47', '冰峰', 20, '男', '17765010977', '陜西省西安市', '155'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (255, '2020-09-02 10:17:47', '竹筍', 22, '男', '我測試下可以儲(chǔ)存幾個(gè)中文', NULL, '180'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (256, '2020-09-03 10:17:47', '冰峰', 21, '女', '', NULL, '167'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (257, '2020-09-02 10:17:47', '小紅', 20, '', '', NULL, '180'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (258, '2020-09-02 10:17:47', '小鵬', 20, '', '', NULL, '188'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (259, '2020-09-02 10:17:47', '張三', 20, '', '', NULL, '180'); 
INSERT INTO `bingfeng`.`user`(`id`, `create_time`, `name`, `age`, `sex`, `mobile`, `address`, `height`) VALUES (260, '2020-09-02 10:17:47', '李四', 22, '', '', NULL, '165'); 

 單個(gè)索引

1、使用!= 或者 <> 導(dǎo)致索引失效

SELECT * FROM `user` WHERE `name` != '冰峰'; 

我們給name字段建立了索引，但是如果!= 或者 <> 這種都會(huì)導(dǎo)致索引失效，進(jìn)行全表掃描，所以如果數(shù)據(jù)量大的話，謹(jǐn)慎使用

可以通過分析SQL看到，type類型是ALL，掃描了10行數(shù)據(jù)，進(jìn)行了全表掃描。<>也是同樣的結(jié)果。

2、類型不一致導(dǎo)致的索引失效

在說這個(gè)之前，一定要說一下設(shè)計(jì)表字段的時(shí)候，千萬、一定、必須要保持字段類型的一致性，啥意思？比如user表的id是int自增，到了用戶的賬戶表user_id這個(gè)字段，一定、必須也是int類型，千萬不要寫成varchar、char什么的騷操作。 

SELECT * FROM `user` WHERE height= 175; 

這個(gè)SQL諸位一定要看清楚，height表字段類型是varchar，但是我查詢的時(shí)候使用了數(shù)字類型，因?yàn)檫@個(gè)中間存在一個(gè)隱式的類型轉(zhuǎn)換，所以就會(huì)導(dǎo)致索引失效，進(jìn)行全表掃描。

現(xiàn)在明白我為啥說設(shè)計(jì)字段的時(shí)候一定要保持類型的一致性了不，如果你不保證一致性，一個(gè)int一個(gè)varchar，在進(jìn)行多表聯(lián)合查詢（eg: 1 = '1'）必然走不了索引。

遇到這樣的表，里面有幾千萬數(shù)據(jù)，改又不能改，那種痛可能你們暫時(shí)還體會(huì)。

少年們，切記，切記。

3、函數(shù)導(dǎo)致的索引失效 

SELECT * FROM `user` WHERE DATE(create_time) = '2020-09-03'; 

如果你的索引字段使用了索引，對不起，他是真的不走索引的。

4、運(yùn)算符導(dǎo)致的索引失效 

SELECT * FROM `user` WHERE age - 1 = 20; 

如果你對列進(jìn)行了（+，-，*，/，!）, 那么都將不會(huì)走索引。

5、OR引起的索引失效 

SELECT * FROM `user` WHERE `name` = '張三' OR height = '175'; 

OR導(dǎo)致索引是在特定情況下的，并不是所有的OR都是使索引失效，如果OR連接的是同一個(gè)字段，那么索引不會(huì)失效，反之索引失效。

6、模糊搜索導(dǎo)致的索引失效 

SELECT * FROM `user` WHERE `name` LIKE '%冰'; 

這個(gè)我相信大家都明白，模糊搜索如果你前綴也進(jìn)行模糊搜索，那么不會(huì)走索引。

7、NOT IN、NOT EXISTS導(dǎo)致索引失效 

SELECT s.* FROM `user` s WHERE NOT EXISTS (SELECT * FROM `user` u WHERE u.name = s.`name` AND u.`name` = '冰峰')  

SELECT * FROM `user` WHERE `name` NOT IN ('冰峰'); 

這兩種用法，也將使索引失效。但是NOT IN 還是走索引的，千萬不要誤解為 IN 全部是不走索引的。我之前就有誤解（丟人了...）。

8、IS NULL不走索引，IS NOT NULL走索引 

SELECT * FROM `user` WHERE address IS NULL 

不走索引。 

SELECT * FROM `user` WHERE address IS NOT NULL; 

走索引。

根據(jù)這個(gè)情況，建議大家這設(shè)計(jì)字段的時(shí)候，如果沒有必要的要求必須為NULL，那么最好給個(gè)默認(rèn)值空字符串，這可以解決很多后續(xù)的麻煩（有深刻的體驗(yàn)<體驗(yàn)=教訓(xùn)>）。

符合索引

1、最左匹配原則

EXPLAIN SELECT * FROM `user` WHERE sex = '男';  

EXPLAIN SELECT * FROM `user` WHERE name = '冰峰' AND sex = '男'; 

測試之前，刪除其他的單列索引。

啥叫最左匹配原則，就是對于符合索引來說，它的一個(gè)索引的順序是從左往右依次進(jìn)行比較的，像第二個(gè)查詢語句，name走索引，接下來回去找age，結(jié)果條件中沒有age那么后面的sex也將不走索引。

注意： 

SELECT * FROM `user` WHERE sex = '男' AND age = 22 AND `name` = '冰峰';  

可能有些搬磚工可能跟我最開始有個(gè)誤解，我們的索引順序明明是name、sex、age，你現(xiàn)在的查詢順序是sex、age、name，這肯定不走索引啊，你要是自己沒測試過，也有這種不成熟的想法，那跟我一樣還是太年輕了，它其實(shí)跟順序是沒有任何關(guān)系的，因?yàn)閙ysql的底層會(huì)幫我們做一個(gè)優(yōu)化，它會(huì)把你的SQL優(yōu)化為它認(rèn)為一個(gè)效率最高的樣子進(jìn)行執(zhí)行。所以千萬不要有這種誤解。

2、如果使用了!=會(huì)導(dǎo)致后面的索引全部失效 

SELECT * FROM `user` WHERE sex = '男' AND `name` != '冰峰' AND age = 22; 

我們在name字段使用了 != ，由于name字段是最左邊的一個(gè)字段，根據(jù)最左匹配原則，如果name不走索引，后面的字段也將不走索引。

關(guān)于符合索引導(dǎo)致索引失效的情況能說的目前就這兩種，其實(shí)我覺得對于符合索引來說，重要的是如何建立高效的索引，千萬不能說我用到那個(gè)字段我就去建立一個(gè)單獨(dú)的索引，不是就可以全局用了嘛。這樣是可以，但是這樣并沒有符合索引高效，所以為了成為高級的搬磚工，我們還是要繼續(xù)學(xué)習(xí)，如何創(chuàng)建高效的索引。