MySQL进阶之索引(1)索引结构分类语法和SQL性能分析

索引很重要，在SQL优化时很多都是围绕着索引进行优化。

1.索引概述

介绍

索引（index）是帮助MySQL 高效获取数据的数据结构(有序) 。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

一提到数据结构，大家就会想到B+Tree,红黑树，二叉树,B-Tree.大家都会有所担心，担心自己不能理解，跟不上节奏。不过在这里大家完全不用担心，可以只了解原理不写代码还是很容易的。

演示

表结构及其数据如下：

假如我们要执行的SQL语句为 ： select * from user where age = 45;
1). 无索引情况：在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，我们称之为 全表扫描，性能很低。

2). 有索引情况：如果我们针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。首先找36，然后再找48 最后45。此时我们在进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

备注： 这里我们只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，后面会详细介绍。

特点

优势	劣势
提高数据检索的效率，降低数据库 的IO成本 (因为数据库存放在磁盘)	索引列也是要占用空间的。
通过索引列对数据进行排序，降低 数据排序的成本，降低CPU的消耗。提高排序效率	索引大大提高了查询效率，同时却也降低更新表的速度， 如对表进行INSERT、UPDATE、DELETE时，效率降低。

2. 索引结构

概述

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

索引结构	描述
B+Tree索引	最常见的索引类型，大部分引擎都支持B+树索引
Hash索引	底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不 支持范围查询
R-tree(空间索 引 )	空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类 型，通常使用较少
Full-text(全文 索引)	是一种通过建立倒排索引，快速匹配文档的方式。类似于 Lucene,Solr,ES

上述是MySQL中所支持的所有的索引结构，接下来，我们再来看看不同的存储引擎对于索引结构的支持情况。

索引	InnoDB	MyISAM	Memory
B+tree索引	支持	支持	支持
Hash 索 引	不支持	不支持	支持
R-tree 索 引	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

注意：我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引 。

二叉树

假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：左右都排满，从小到大。

但是如果二叉树主键是顺序插入的，则会形成一个单向链表，结构如下：

所以，如果选择二叉树作为索引结构，会存在以下缺点：

• 顺序插入时，会形成一个链表，查询性能大大降低。
• 大数据量情况下，层级较深，检索速度慢。

此时大家可能会想到，我们可以选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,结构如下:

但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：
大数据量情况下，层级较深，检索速度慢。

所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree，那么什么是B+Tree呢？在详解B+Tree之前，先来介绍一个B-Tree。

B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。

以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针：

知识小贴士: 树的度数指的是一个节点的子节点个数。
我们可以通过一个数据结构可视化的网站来简单演示一下。https://algo.hufeifei.cn/


插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中，节点的变化情况。

特点：

• 5阶的B树，每一个节点最多存储4个key，对应5个指针。
• 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
• 在B树中，非叶子节点和叶子节点都会存放数据。

B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，来看一下其结构示意图：

我们可以看到，两部分：

• 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
• 红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

我们可以通过一个数据结构可视化的网站来简单演示一下。https://algo.hufeifei.cn/

插入一组数据： 100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250 。然后观察一些数据插入过程中，节点的变化情况。

最终我们看到，B+Tree 与 B-Tree相比，主要有以下三点区别：

• 所有的数据都会出现在叶子节点。
• 叶子节点形成一个单向链表。
• 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

上述我们所看到的结构是标准的B+Tree的数据结构，接下来，我们再来看看MySQL中优化之后的B+Tree。

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

上面的图中的页就是我之前发的博客中的MySQL进阶之存储引擎

Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型—Hash索引。
1). 结构
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。

2). 特点
A. Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）
B. 无法利用索引完成排序操作
C. 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引

3). 存储引擎支持
在MySQL中，支持hash索引的是Memory存储引擎。 而InnoDB中具有自适应hash功能，hash索引是InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

面试题： 为什么InnoDB存储引擎选择使用B+tree索引结构?
A. 相对于二叉树，层级更少，搜索效率高；
B. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储
的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
C. 相对Hash索引，B+tree支持范围匹配及排序操作；

3. 索引分类

索引分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

分类	含义	特点	关键字
主键 索 引	针对于表中主键创建的索引	默认自动创建，只能 有一个	PRIMARY
唯一 索 引	避免同一个表中某数据列中的值重复	可以有多个	UNIQUE
常规 索 引	快速定位特定数据	可以有多个
全文 索 引	全文索引查找的是文本中的关键词，而不是比 较索引中的值	可以有多个	FULLTEXT

聚集索引&二级索引

而在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

分类	含义	特点
聚集索引(Clustered Index)	将数据存储与索引放到了一块，索引结构的叶子 节点保存了行数据	必须有，而且只 有一个
二级索引(Secondary Index)(又叫做辅助索引，非聚集索引)	将数据与索引分开存储，索引结构的叶子节点关 联的是对应的主键	可以存在多个

聚集索引选取规则:

• 如果存在主键，主键索引就是聚集索引。
• 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
• 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

聚集索引和二级索引的具体结构如下：

• 聚集索引的叶子节点下挂的是这一行的数据 。
• 二级索引的叶子节点下挂的是该字段值对应的主键值。
  

接下来，我们来分析一下，当我们执行如下的SQL语句时，具体的查找过程是什么样子的。

具体过程如下:
①. 由于是根据name字段进行查询，所以先根据name='Arm’到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到Arm 对应的主键值10。
②. 由于查询返回的数据是*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row。
③. 最终拿到这一行的数据，直接返回即可。

回表查询：这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

思考题：
以下两条SQL语句，那个执行效率高? 为什么?
A. select * from user where id = 10 ;
B. select * from user where name = ‘Arm’ ;备注: id为主键，name字段创建的有索引；
解答：
A 语句的执行性能要高于B 语句。
因为A语句直接走聚集索引，直接返回数据。而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。

思考题：
InnoDB主键索引的B+tree高度为多高呢?

假设：
     一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。
高度为2：
     1. 我们知道MySQL 中的一个B+Tree的节点就是16 * 1024个字节大小(即一页)。
     2. 我们还知道B+Tree的一个节点中指针永远比键多一个。
     3. 由以上两点可知我们设一个节点(16 * 1024这个字节大小)的键的个数是n，则指针的个数是 n+1 个。由于一个指针的大小是固定的，即6字节。我们上面假设一个键的类型是bigint类型，即大小事8字节。则 n * 8 == 键所占内存大小 ， (n+1) * 6 == 指针所占内存大小。
     4. 可以列出等式：n * 8 + (n + 1) * 6 = 16*1024 , 算出n约为1170 ，即一个节点(即一页)键有1170个，指针有1171个。
     5. 所以第一层到 第二层有1171个指针。第二层的每一个指针都指向 1171 * 16 = 18736
     6. 也就是说，如果树的高度为2，则可以存储18000 多条记录。

高度为3：
     1171 * 1171 * 16 = 21939856
     也就是说，如果树的高度为3，则可以存储2200w 左右的记录。

4. 索引语法

语法

1). 创建索引

-- 如果不写UNIQUE 或者 FULLTEXT 代表创建常规索引
-- index_name 索引名称
-- table_name 表名
-- index_col_name 索引字段名  一个索引可以关联多个字段 
-- 一个索引只关联一个字段叫做：单列索引
-- 一个索引只关联多个字段叫做：联合索引或者组合索引 
-- 联合索引的字段顺序有讲究。后面的索引的使用会讲解。
-- 索引的命名规则是 idx_表名_字段名1_字段名2
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,... );

2). 查看索引

SHOW INDEX FROM table_name;

3). 删除索引

DROP INDEX index_name ON table_name ;

数据准备

案例演示：
先来在CentOS中创建一张表 tb_user，并且查询测试数据。可使用自己windows电脑中navicat连接虚拟机中的CentOS中的数据库。关于如何连接的教程可以参考我之前的博客Linux系统的CentOS7发行版安装MySQL80。

create database itcast;
use itcast;
create table tb_user(id int primary key auto_increment comment '主键',name varchar(50) not null comment '用户名',phone varchar(11) not null comment '手机号',email varchar(100) comment '邮箱',profession varchar(11) comment '专业',age tinyint unsigned comment '年龄',gender char(1) comment '性别 , 1: 男, 2: 女',status char(1) comment '状态',createtime datetime comment '创建时间'
) comment '系统用户表';INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('吕布', '17799990000', '[e-mail]', '软件工程', 23, '1',
'6', '2001-02-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('曹操', '17799990001', '[e-mail]', '通讯工程', 33,
'1', '0', '2001-03-05 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('赵云', '17799990002', '[e-mail]', '英语', 34, '1',
'2', '2002-03-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('孙悟空', '17799990003', '[e-mail]', '工程造价', 54,
'1', '0', '2001-07-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('花木兰', '17799990004', '[e-mail]', '软件工程', 23,
'2', '1', '2001-04-22 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('大乔', '17799990005', '[e-mail]', '舞蹈', 22, '2',
'0', '2001-02-07 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('露娜', '17799990006', '[e-mail]', '应用数学', 24,
'2', '0', '2001-02-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('程咬金', '17799990007', '[e-mail]', '化工', 38,
'1', '5', '2001-05-23 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('项羽', '17799990008', '[e-mail]', '金属材料', 43,
'1', '0', '2001-09-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('白起', '17799990009', '[e-mail]', '机械工程及其自动
化', 27, '1', '2', '2001-08-16 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('韩信', '17799990010', '[e-mail]', '无机非金属材料工
程', 27, '1', '0', '2001-06-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('荆轲', '17799990011', '[e-mail]', '会计', 29, '1',
'0', '2001-05-11 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('兰陵王', '17799990012', '[e-mail]', '工程造价',
44, '1', '1', '2001-04-09 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('狂铁', '17799990013', '[e-mail]', '应用数学', 43,
'1', '2', '2001-04-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('貂蝉', '17799990014', '[e-mail]', '软件工程', 40,
'2', '3', '2001-02-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('妲己', '17799990015', '[e-mail]', '软件工程', 31,
'2', '0', '2001-01-30 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('芈月', '17799990016', '[e-mail]', '工业经济', 35,
'2', '0', '2000-05-03 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('嬴政', '17799990017', '[e-mail]', '化工', 38, '1',
'1', '2001-08-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('狄仁杰', '17799990018', '[e-mail]', '国际贸易',
30, '1', '0', '2007-03-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('安琪拉', '17799990019', '[e-mail]', '城市规划', 51,
'2', '0', '2001-08-15 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('典韦', '17799990020', '[e-mail]', '城市规划', 52,
'1', '2', '2000-04-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('廉颇', '17799990021', '[e-mail]', '土木工程', 19,
'1', '3', '2002-07-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('后羿', '17799990022', '[e-mail]', '城市园林', 20,
'1', '0', '2002-03-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status,
createtime) VALUES ('姜子牙', '17799990023', '[e-mail]', '工程造价', 29,
'1', '4', '2003-05-26 00:00:00');

表结构中插入的数据如下：

语法练习

数据准备好了之后，接下来，我们就来完成如下需求：

-- A. name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
create index idx_user_name on tb_user(name);
show index from tb_user;-- B. phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。
create unique index idx_user_phone on tb_user(phone);
show index from tb_user;-- C. 为profession、age、status创建联合索引。
create index idx_user_pro_age_sta on tb_user(profession, age, status);
show index from tb_user;-- D. 为email建立合适的索引来提升查询效率。
CREATE INDEX idx_user_email ON tb_user(email);
show index from tb_user;-- 删除
drop index idx_user_email on tb_user;
show index from tb_user;

5.SQL性能分析

SQL执行频率

MySQL 客户端连接成功后，通过 show [session|global] status 命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：

-- session 是查看当前会话 ;
-- global 是查询全局数据 ;
-- 在show [session|global] status 的结果
-- 中过滤出以Com开头的会话或者数据
SHOW GLOBAL STATUS LIKE 'Com_______';

Com_delete: 删除次数
Com_insert: 插入次数
Com_select: 查询次数
Com_update: 更新次数

我们可以在当前数据库再执行几次查询操作，然后再次查看执行频次，发现Com_select 参数发生变化。

注意：通过上述指令，我们可以查看到当前数据库到底是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。 如果是以增删改为主，我们可以考虑不对其进行索引的优化。 如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

那么通过查询SQL的执行频次，我们就能够知道当前数据库到底是增删改为主，还是查询为主。 那假如说是以查询为主，我们又该如何定位针对于那些查询语句进行优化呢？ 次数我们可以借助于慢查询日志。

接下来，我们就来介绍一下MySQL中的慢查询日志。

慢查询日志

慢查询日志是干什么的

我们通过SHOW GLOBAL STATUS LIKE 'Com_______';只是知道了查询语句的使用比较频繁。但是我们应该针对哪些查询的sql语句进行优化呢？答案：慢查询。
通过慢查询可以将查询时间较长的语句筛选出来。

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志。
MySQL的慢查询日志默认没有开启，我们可以查看一下系统变量 slow_query_log。

查看慢查询日志是否开启

执行指令：show variables like 'slow_query_log';

开启慢查询日志

如果要开启慢查询日志，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：

1. 打开新标签页
   

2. 转为管理身份su - root 密码是开机密码。运行指令vi /etc/my.cnf ，对文件进行编辑，对于vi编辑器不熟悉的小伙伴可以看我之前的博客LInux之基础指令中的vi\vim的部分。

   # 开启MySQL慢日志查询开关
   slow_query_log=1
   # 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，
   # 就会视为慢查询，记录慢查询日志
   long_query_time=2
   

   

3. 配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，systemctl restart mysqld。可能需要五六秒耐心等待。
   

4. 再次查看开关情况，执行sql语句show variables like 'slow_query_log';，慢查询日志就已经打开了。
   

5. 打开慢查询文件的存放位置。

   • 首先使用Linux指令转到cd /var/lib/mysql
     
   • 执行ll指令，找到以-slow.log结尾的文件。这个文件就是你的慢查询文件的存放位置。前面的前缀是你的主机名。
     
     +执行指令cat 你的主机名-slow.log
     

测试

测试：

1. 执行如下SQL语句 ：

   select * from tb_user; -- 这条SQL执行效率比较高, 执行耗时 0.00s
   select count(*) from tb_sku; 
   -- 由于tb_sku表中, 预先存入了1000w的记录, count一次,耗时 13.35s 下面的左图
   

   
2. 检查慢查询日志 ：
   最终我们发现，在慢查询日志中，只会记录执行时间超多我们预设时间（2s）的SQL，执行较快的SQL是不会记录的。上图中慢查询日志并没有记录。select * from tb_user; -- 这条SQL执行效率比较高, 执行耗时 0.00s

那这样，通过定期查看慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化。

profile详情

为什么学profile详情

通过MySQL中的慢查询日志能够定位出查询超过一定时间指令并进行优化。但是慢查询只能执行我们预设的时间(这里假设是2s)。但是有了好多1.9秒的查询语句，这些语句并不会被记录到慢查询日志中此时我们怎么办呢？。答：profile详情

是否支持profile操作

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling 参数，能够看到当前MySQL是否支持profile操作：SELECT @@have_profiling;。下图中可以看到，当前MySQL是支持 profile操作的。

查看是否开启profile操作

通过执行SELECT @@profiling; 查看是否开启profile操作。

开启profile操作

可以通过set语句在session/global级别开启profiling：SET profiling = 1;

profile操作的使用

开关已经打开了，接下来，我们所执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。 我们直接执行如下的SQL语句：

select * from tb_user;
select * from tb_user where id = 1;
select * from tb_user where name = '白起';

1. 查看每一条SQL的耗时基本情况

   -- 查看每一条SQL的耗时基本情况
   show profiles;
   

   

2. 查看指定query_id的SQL语句各个阶段的耗时情况

   -- 查看指定query_id的SQL语句各个阶段的耗时情况
   show profile for query 35;
   

   
   

3. 查看指定query_id的SQL语句CPU的使用情况

   -- 查看指定query_id的SQL语句CPU的使用情况
   show profile cpu for query 35;
   

   

explain(常用)

语法

explain或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。
语法:

-- 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;

参数说明

字段	含义
id	select查询的序列号，表示查询中执行select子句或者是操作表的顺序 (id相同，执行顺序从上到下；id不同，值越大，越先执行)。
table	要执行的表
select_type	表示SELECT的类型，常见的取值有SIMPLE(简单表，即不使用表连接 或者子查询)、PRIMARY(主查询，即外层的查询)、 UNION(UNION中的第二个或者后面的查询语句)、 SUBQUERY(SELECT/WHERE之后包含了子查询)等
type	表示连接类型，性能由好到差的连接类型为NULL、system、const、 eq_ref、ref、range、index、all。
possible_key	显示可能应用在这张表上的索引，一个或多个。
key	实际使用的索引，如果为NULL,则没有使用索引。
key_len	表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长 度，在不损失精确性的前提下，长度越短越好。
rows	MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值， 可能并不总是准确的。
filtered	表示返回结果的行数占需读取行数的百分比，filtered的值越大越好。
Extra	额外信息

代码演示参数id和table

在演示前先创建表

-- 创建学生表 (student)
CREATE TABLE student (id INT AUTO_INCREMENT PRIMARY KEY COMMENT '学生唯一标识',name VARCHAR(50) NOT NULL COMMENT '学生姓名',no VARCHAR(20) NOT NULL COMMENT '学号'
) COMMENT '学生信息表';-- 创建课程表 (course)
CREATE TABLE course (id INT AUTO_INCREMENT PRIMARY KEY COMMENT '课程唯一标识',name VARCHAR(100) NOT NULL COMMENT '课程名称'
) COMMENT '课程信息表';-- 创建学生课程关联表 (student_course)
CREATE TABLE student_course (id INT AUTO_INCREMENT PRIMARY KEY COMMENT '关联记录唯一标识',studentid INT NOT NULL COMMENT '关联学生ID',courseid INT NOT NULL COMMENT '关联课程ID',-- 定义外键约束FOREIGN KEY (studentid) REFERENCES student(id),FOREIGN KEY (courseid) REFERENCES course(id)
) COMMENT '学生-课程关联关系表';-- 课程表(course)数据插入
INSERT INTO course (id, name) VALUES
(1, 'Java'),
(2, 'PHP'),
(3, 'MySQL'),
(4, 'Hadoop');
-- 学生表(student)数据插入
INSERT INTO student (id, name, no) VALUES
(1, '黛绮丝', '2000100101'),
(2, '谢逊', '2000100102'),
(3, '股天正', '2000100103'),
(4, '韦一笑', '2000100104');
-- 学生课程关联表(student_course)数据插入
INSERT INTO student_course (id, studentid, courseid) VALUES
(1, 1, 1),
(2, 1, 2),
(3, 1, 3),
(4, 2, 2),
(5, 2, 3),
(6, 3, 4);

下面先来演示：id相同，执行顺序从上到下；
select s.*, c.* from student s, course c, student_course sc where s.id = sc.studentid and c.id = sc.courseid;


下面来演示：id相同，执行顺序从上到下；id不同，值越大，越先执行

-- 查询选修了MySQL课程的学生; (子查询)
-- 通过course找到中间表student_course
select id from course where name = 'MySQL';
-- 通过中间表student_course找到 student的id 
select studentid from student_course where courseid = 3;
-- 整合一下可得
select * from student s where s.id in 
(select sc.studentid from student_course sc where sc.courseid =
(select c.id from course c where c.name = 'MySQL'));

代码演示参数type

表示连接类型，性能由好到差的连接类型为NULL、system、const、 eq_ref、ref、range、index、all。
在优化时尽量让值往好的地方优化

注意优化的时候不可能优化到NULL，只有不查询表才会输出null


一般访问系统表才会出现system

根据主键和唯一索引查询才会出现const

非唯一性索引才会出现ref

all是全表扫描性能比较低。

index 是对所有索引遍历。

possible_key和key和key_len

possible_key： 显示可能应用在这张表上的索引，一个或多个。
key：实际使用的索引，如果为NULL,则没有使用索引。
key_len：表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长 度，在不损失精确性的前提下，长度越短越好。

SQL性能分析语句总结

名称	语句	解释
SQL执行频率	show [session | global] status	查询服务器状态信息(包含增删改查的执行频率)
	SHOW GLOBAL STATUS LIKE 'Com_______';	在show [session | global] status 的结果中过滤出以Com开头的会话或者数据。Com_delete: 删除次数,Com_insert: 插入次数,Com_select: 查询次数,Com_update: 更新次数
慢查询日志	show variables like 'slow_query_log';	查看是否开启慢查询日志
	Linux指令输入vi /etc/my.cnf 中加入 slow_query_log=1 和 long_query_time=2	1设置开启慢查询日志，2是设置预设时间为2s
	Linux指令输入cat /var/lib/mysql/你的主机名-slow.log	查询慢日志内容
profile详情	SELECT @@have_profiling ;	是否支持profile操作
	SELECT @@profiling;	查看是否开启profile操作：0关闭，1开启
	SET profiling = 1;	开启profile操作
	show profiles;	查看每一条SQL的耗时基本情况
	show profile for query query_id;	查看指定query_id的SQL语句各个阶段的耗时情况
	show profile cpu for query query_id;	查看指定query_id的SQL语句CPU的使用情况
explain或者 DESC命令	EXPLAIN或者desc SELECT 字段列表 FROM 表名 WHERE 条件;	获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。

字段	含义
id	select查询的序列号，表示查询中执行select子句或者是操作表的顺序 (id相同，执行顺序从上到下；id不同，值越大，越先执行)。
table	要执行的表
select_type	表示SELECT的类型，常见的取值有SIMPLE(简单表，即不使用表连接 或者子查询)、PRIMARY(主查询，即外层的查询)、 UNION(UNION中的第二个或者后面的查询语句)、 SUBQUERY(SELECT/WHERE之后包含了子查询)等
type	表示连接类型，性能由好到差的连接类型为NULL、system、const、 eq_ref、ref、range、index、all。
possible_key	显示可能应用在这张表上的索引，一个或多个。
key	实际使用的索引，如果为NULL,则没有使用索引。
key_len	表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长 度，在不损失精确性的前提下，长度越短越好。
rows	MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值， 可能并不总是准确的。
filtered	表示返回结果的行数占需读取行数的百分比，filtered的值越大越好。
Extra	额外信息

未完待续…

关于索引的使用和设计原则请看MySQL专栏文章：==> MySQL进阶之索引(2)索引的使用和设计原则