MySQL 支持的各类索引

测试表

-- study_test.sales_data definition

CREATE TABLE `sales_data` (
  `id` int NOT NULL AUTO_INCREMENT,
  `product_id` int DEFAULT NULL COMMENT '产品ID',
  `region` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_as_ci DEFAULT NULL COMMENT '销售区域',
  `sale_date` date DEFAULT NULL COMMENT '销售日期',
  `amount` decimal(10,2) DEFAULT NULL COMMENT '销售金额',
  `category` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_0900_as_ci DEFAULT NULL COMMENT '产品类别',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=49149011 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_as_ci;

一、索引的本质与作用

索引是数据库的"目录" ，通过特定数据结构（如B+树）对表中一列或多列的值进行排序存储，加速数据检索并减少磁盘I/O。没有索引的查询就像在图书馆无目录找书，只能全表扫描（Full Table Scan）。

-- 创建基础索引语法
CREATE [UNIQUE|FULLTEXT] INDEX index_name 
ON table_name (column1 [ASC|DESC], ...);

二、MySQL 索引类型详解

索引类型	底层数据结构	经典示例（基于sales_data表）	适用场景与关键特性
B-Tree索引​ (默认)	B+Tree	CREATE INDEX idx_sale_date ON sales_data(sale_date); SELECT * FROM sales_data WHERE sale_date = '2024-12-26';	最通用 的索引。支持精确匹配、范围查询(>、<、BETWEEN)、排序(ORDER BY)和分组(GROUP BY)。除全文索引外，下文讨论的索引类型（如唯一、主键、复合索引）默认都使用B+Tree结构。
全文索引​ (FULLTEXT)	倒排索引	ALTER TABLE sales_data ADD FULLTEXT ft_category(category); SELECT * FROM sales_data WHERE MATCH(category) AGAINST('Electronics' IN NATURAL LANGUAGE MODE);	专门用于文本内容的全文搜索 。适合在 CHAR、VARCHAR、TEXT类型列上进行关键词检索 和相关性排序 ，例如搜索产品类别中包含特定关键词的记录。它解决了 LIKE '%keyword%'导致的性能问题，但默认对中文分词支持较弱。
主键索引​ (PRIMARY KEY)	B+Tree (聚簇索引)	id列已是主键，无需额外创建。表数据文件本身即是按主键组织的B+树。	唯一且非空 。一个表只能有一个。强烈建议使用整型自增主键，可以有效减少页分裂，提高数据写入效率。
唯一索引​ (UNIQUE)	B+Tree	CREATE UNIQUE INDEX uk_product ON sales_data(product_id, region, sale_date); 确保(product_id, region, sale_date)组合唯一。	保证列或列组合的唯一性，允许NULL值。在等值查询时性能极高。
单列索引​	B+Tree	CREATE INDEX idx_amount ON sales_data(amount);	适合查询条件高度集中在某个单一字段上。
复合索引​ (联合索引)	B+Tree	CREATE INDEX idx_region_date_cat ON sales_data(region, sale_date, category);	最左前缀原则 ：查询必须从索引最左列开始。例如，上述索引对 WHERE region='East'、WHERE region='East' AND sale_date > '2024-01-01'有效，但对 WHERE sale_date > '2024-01-01'无效。
覆盖索引​ (Covering Index)	特殊的B+Tree使用方式	CREATE INDEX idx_cover_query ON sales_data(region, sale_date, amount); SELECT region, sale_date, SUM(amount) FROM sales_data WHERE region='East' GROUP BY region, sale_date;	一个索引包含了查询所需的所有字段（Extra列显示 Using index）。性能极佳，因为数据库引擎只需扫描索引即可返回数据，无需回表查询数据行。

1. 主键索引（PRIMARY KEY）

ALTER TABLE sales_data ADD PRIMARY KEY (id); -- 表已定义，此处演示语法

• 特点：唯一且非空，一个表只能有一个

• 底层：聚簇索引（InnoDB），数据按主键物理排序

• 失效场景 ：几乎不会失效，但WHERE id IS NULL无效（主键非空）

2. 唯一索引（UNIQUE）

CREATE UNIQUE INDEX uk_product_region ON sales_data (product_id, region);

• 作用：保证列组合唯一性（可为NULL）

• 案例：防止同一产品在同一区域重复录入

• 失效 ：WHERE product_id IS NULL可使用索引（NULL值特殊处理）

3. 普通索引（INDEX）

CREATE INDEX idx_sale_date ON sales_data(sale_date);

• 最常见索引，加速等值/范围查询

• 失效场景：

  WHERE YEAR(sale_date) = 2024; -- 对列使用函数
  WHERE sale_date + INTERVAL 1 DAY > '2024-01-01'; -- 列参与计算

4. 联合索引（Composite Index）

CREATE INDEX idx_region_date_cat ON sales_data (region, sale_date, category);

• 最左前缀原则实战：

  • 有效查询：

    WHERE region = 'East'
    WHERE region = 'East' AND sale_date > '2024-01-01'
    WHERE region = 'East' AND sale_date > '2024-01-01' AND category = 'Electronics'

  • 失效查询：

    WHERE sale_date > '2024-01-01' -- 缺少最左列region
    WHERE category = 'Electronics' -- 跳过前两列
    WHERE region = 'East' AND category = 'Electronics' -- 跳过了sale_date（部分失效）

5. 全文索引（FULLTEXT）

ALTER TABLE sales_data ADD FULLTEXT ft_category(category);

• 适用场景 ：文本关键词搜索（替代低效的LIKE '%xxx%'）

• 查询示例：

  SELECT * FROM sales_data 
  WHERE MATCH(category) AGAINST('+Phone -Apple' IN BOOLEAN MODE);

• 限制：

  • 仅支持MyISAM和InnoDB（MySQL 5.6+）

  • 默认最小词长度4（可通过ft_min_word_len调整）

  • 中文分词问题：需使用ngram解析器（MySQL 5.7+）

    CREATE FULLTEXT INDEX ft_category_cn ON sales_data(category) WITH PARSER ngram;

6. 覆盖索引（Covering Index）

• 不是独立索引类型，而是高效使用索引的策略

• 核心思想：索引包含查询所需全部字段，避免回表

  -- 创建覆盖索引
  CREATE INDEX idx_cover_region_date_amount ON sales_data (region, sale_date, amount);
  
  -- 覆盖索引查询（EXPLAIN显示Using index）
  SELECT region, SUM(amount) 
  FROM sales_data 
  WHERE sale_date BETWEEN '2024-01-01' AND '2024-01-31'
  GROUP BY region;

三、索引失效的八大陷阱及解决方案

失效场景	示例	解决方案
对索引列进行计算​	WHERE amount * 0.8 > 1000	改为WHERE amount > 1000/0.8
使用函数处理索引列​	WHERE LEFT(region, 2) = 'EA'	使用前缀索引：WHERE region LIKE 'EA%'
隐式类型转换​	WHERE product_id = '1001'(id为整型)	保持类型一致：WHERE product_id = 1001
OR连接非索引列​	WHERE region = 'East' OR amount > 1000	改为UNION：SELECT ... WHERE region='East' UNION ALL SELECT ... WHERE amount>1000
LIKE左模糊匹配​	WHERE category LIKE '%Phone'	改用全文索引或右模糊'Phone%'
联合索引跳过最左列​	INDEX(a,b,c)+ WHERE b=1 AND c=2	调整查询条件或创建新索引(b,c)
优化器放弃索引​	查询结果集 > 表数据20%-30%	增加精确条件或强制索引FORCE INDEX
索引列使用!=或NOT IN	WHERE region != 'West'	改写为region IN ('East','North')

以下是导致索引失效的典型场景及应对策略，核心原理是索引（通常是B+Tree）是基于列的原始值有序存储的，任何破坏这种有序性的操作都可能使索引无法被有效利用。

1.对索引列进行操作（计算、函数、类型转换）

• 失效示例 ：SELECT ... WHERE YEAR(sale_date) = 2024;（对列使用函数）SELECT ... WHERE amount + 100 > 500;（对列进行计算）SELECT ... WHERE product_id = '123';（如果product_id是整型，条件用了字符串，导致类型转换）

• 解决方案 ：将操作施加于常量值，而非索引列 。SELECT ... WHERE sale_date BETWEEN '2024-01-01' AND '2024-12-31';``SELECT ... WHERE amount > 400;``SELECT ... WHERE product_id = 123;

2.违反最左前缀原则（针对复合索引）

• 失效示例 ：对于索引 (region, sale_date, category)，以下查询无法充分利用索引：WHERE sale_date > '2024-01-01'（跳过了最左的 region列）WHERE category = 'Electronics'（跳过了前两列）WHERE region = 'East' AND category = 'Electronics'（跳过了中间的 sale_date列，此情况只能用到 region索引部分）

• 解决方案 ：设计复合索引时，考虑查询习惯。将区分度高（唯一值多）的常用查询列放在左边。若无法避免，可为特定查询创建新的单列或复合索引。

3.使用模糊查询 LIKE以通配符 %开头

• 失效示例 ：SELECT ... WHERE category LIKE '%phone%';或 WHERE category LIKE '%Phone';

• 解决方案 ：尽量避免前缀通配符。如果必须前缀匹配，考虑使用全文索引（FULLTEXT） 。后缀通配符可以利用索引：WHERE category LIKE 'Apple%';。

4.使用否定条件或不等于操作符

• 失效示例 ：SELECT ... WHERE region != 'East';``SELECT ... WHERE product_id NOT IN (1,2,3);

• 解决方案 ：尽量改写为肯定查询 。例如，region != 'East'可尝试改为 region IN ('North', 'South', 'West')。如果无法避免，优化器在数据量大时可能选择全表扫描，因为否定条件通常需要扫描大部分数据。

5.OR 连接不同索引列

• 失效示例 ：SELECT ... WHERE region = 'East' OR amount > 1000;（如果 amount无索引，整个查询可能无法使用索引）

• 解决方案 ：使用 UNION或 UNION ALL替代：(SELECT ... WHERE region = 'East') UNION ALL (SELECT ... WHERE amount > 1000);。或者，为相关列创建复合索引。

（6）查询结果集过大

• 失效示例 ：在一个有1亿行数据的表中，SELECT ... WHERE category = 'Common';而 'Common' 类别占了90%的数据。

• 解决方案 ：当MySQL优化器判断通过索引回表查询的成本高于直接顺序扫描全表时，会放弃使用索引。此时应增加更精确的查询条件以缩小结果集。

四、索引选择与优化最佳实践

1. 索引不是越多越好

   每个索引都会占用磁盘空间，并在数据插入、更新、删除时带来维护开销。需要在查询性能与写入性能之间取得平衡。

2. 使用 EXPLAIN诊断查询

   在SQL语句前加上 EXPLAIN命令，查看执行计划。重点关注 type列（访问类型，应避免ALL全表扫描）、key列（实际使用的索引）、Extra列（是否出现Using filesort或Using temporary等性能隐患）。

3. 优先考虑复合索引，并注意列顺序

   复合索引一索引多用，且比多个单列索引更高效。设计原则：等值查询列在前，范围查询列在后 。例如，常见查询是 WHERE region='East' AND sale_date BETWEEN ... AND ...，那么索引 (region, sale_date)是最优的。

4. 尽力使用覆盖索引

   在设计索引时，如果某些查询只需要返回少数几个字段，可以尝试创建一个包含这些查询字段的复合索引，使其成为覆盖索引，避免回表，能极大提升性能。

5. 全文索引（FULLTEXT）的使用要点

   • 适用场景 ：文章内容搜索、产品描述关键词搜索、日志分析等文本检索。

   • 创建语法 ：CREATE FULLTEXT INDEX index_name ON table_name(column_name);

   • 查询语法 ：必须使用 MATCH(column) AGAINST('keyword')，而非 LIKE。

   • 模式选择：

     • IN NATURAL LANGUAGE MODE（自然语言模式，默认）：计算相关性得分。

     • IN BOOLEAN MODE（布尔模式）：支持+（必须包含）、-（必须排除）等操作符，实现复杂逻辑。

   • 局限性 ：默认不支持中文等无空格分隔语言的分词（可借助ngram插件），不适合短文本、高频写入场景。

五、EXPLAIN执行计划深度解析

EXPLAIN 
SELECT region, AVG(amount) 
FROM sales_data 
WHERE category = 'Electronics' 
GROUP BY region;

关键字段解读：

• type：

  • system> const> eq_ref> ref> range> index> ALL

  • 出现index或ALL需优化

• key：实际使用的索引（NULL表示未用索引）

• rows：预估扫描行数（越小越好）

• Extra：

  • Using index：覆盖索引，最佳状态

  • Using temporary：需创建临时表（GROUP BY无索引时常见）

  • Using filesort：额外排序（需优化ORDER BY）

六、索引优化高级策略

1. 三星索引原则（Three-Star Index）

   • ⭐ WHERE条件等值匹配列放最左

   • ⭐⭐ ORDER BY/GROUP BY列顺序与索引一致

   • ⭐⭐⭐ SELECT列被索引覆盖

2. 索引下推优化（ICP，Index Condition Pushdown）

   • MySQL 5.6+特性，将WHERE条件过滤提前到存储引擎层

   • 减少回表次数，对联合索引效果显著

3. 索引跳跃扫描（Skip Scan）

   • MySQL 8.0+特性，即使未指定最左列，也能利用索引

   • 示例：索引(gender, age)，查询WHERE age > 30（gender未指定）

4. 索引优化四定律

   • 精准定位原则：WHERE条件列优先建索引

   • 左前缀优先原则：联合索引按区分度降序排列

   • 最小空间原则：整型索引优于字符串索引

   • 覆盖索引优先：避免回表查询

终极心法 ：索引不是越多越好！监控慢查询日志（slow_query_log），定期使用OPTIMIZE TABLE重整表空间，才能持续保持数据库高性能。