网站开发有哪些流程Wordpress 插件开发者

MySQL 专题（二）：索引原理与优化

在 MySQL 性能优化中，索引 是最核心的工具之一。它就像一本书的目录，可以帮我们快速定位数据，而不用一页一页去翻。

今天这篇文章我们会分两部分：

1. 索引的底层原理（B+ 树）
2. SQL 优化与索引的正确使用

---

一、B+ 树：MySQL 索引的底层原理

在 MySQL 的 InnoDB 存储引擎中，索引底层结构是 B+ 树。

1. B+ 树结构示意

假设我们在 user(id, name, age) 表的 id 字段上建立了主键索引，B+ 树结构大致如下：

                       [100 | 500 | 900]    ← 根节点（索引目录）/         |         \[1..99] [100..499] [500..899] [900..∞]  ← 中间节点|         |           |          |┌─────────┴─────────┘           |          |↓                               ↓          ↓
[id=10,data] - [id=50,data] ... [id=499,data] ... [id=899,data] ... [id=1200,data]↑───────────────────────────────↑───────────────────────────────↑───────────────叶子节点（存储整行数据）        叶子节点之间通过链表连接（范围查询超快）

👉 特点：

• 根节点 & 中间节点 只存“目录 key”，不存实际数据。
• 所有数据都在叶子节点。
• 叶子节点之间有链表，支持范围扫描 (BETWEEN, ORDER BY)。

2. 查询过程示例

• 查询 id = 500

  1. 根节点定位 [500..899] 区间
  2. 进入中间节点找到 500
  3. 进入叶子节点，取整行数据
     👉 只需 3 次磁盘 IO。

• 范围查询 200 ≤ id ≤ 600

  1. 定位到 200 的叶子节点
  2. 沿着叶子链表顺序扫描到 600
     👉 效率极高，比普通 B 树快。

3. 为什么选择 B+ 树而不是哈希索引或二叉树？

• B+ 树 vs 二叉树

  • 二叉树深度大，磁盘 IO 次数多；
  • B+ 树扇出大（每个节点能容纳很多 key），层数更少，查询更快。

• B+ 树 vs Hash 索引

  • 哈希索引只适合等值查询（=），不支持范围查询；
  • B+ 树既支持等值查找，也支持范围查找。

👉 总结：B+ 树是 MySQL 索引的最佳平衡点。

---

二、SQL 优化与索引使用

理解了 B+ 树原理后，我们就能更好地写“索引友好”的 SQL。否则，即使建了索引，也可能失效。

1. 索引失效的常见场景

• (1) 对索引列做运算

SELECT * FROM user WHERE age + 1 = 30;

❌ 失效（age+1 破坏索引）。
✅ 改写：

SELECT * FROM user WHERE age = 29;

---

• (2) 使用函数处理索引列

SELECT * FROM user WHERE DATE(create_time) = '2025-09-12';

❌ 失效。
✅ 改写范围：

SELECT * FROM user 
WHERE create_time >= '2025-09-12 00:00:00'AND create_time <  '2025-09-13 00:00:00';

---

• (3) 模糊查询前缀 %

SELECT * FROM user WHERE name LIKE '%Tom';

❌ 前缀 % 导致全表扫描。
✅ 优化：

SELECT * FROM user WHERE name LIKE 'Tom%';

或使用全文索引。

---

• (4) OR 条件

SELECT * FROM user WHERE id=10 OR age=20;

❌ 索引失效。
✅ 改写：

SELECT * FROM user WHERE id=10
UNION
SELECT * FROM user WHERE age=20;

---

• (5) 类型不匹配

SELECT * FROM user WHERE phone = 13888888888;

❌ phone 是字符串，但没加引号 → 索引失效。
✅ 改写：

SELECT * FROM user WHERE phone = '13888888888';

---

2. 覆盖索引（Covering Index）

如果查询只涉及索引列，就不需要“回表”。

• 覆盖索引查询：

SELECT id, name FROM user WHERE id=100;

👉 只查索引，不访问数据页，性能极高。

• 非覆盖索引查询：

SELECT id, name, age FROM user WHERE id=100;

👉 需要回表取 age，多一次 IO。

---

3. 最左前缀原则

联合索引 (a, b, c) 的使用规则：

• ✅ a、a,b、a,b,c
• ❌ 单独用 b 或 c

SELECT * FROM user WHERE b=10;  -- 索引无效

👉 建索引时要根据 查询习惯，把过滤最常用、区分度最高的列放在前面。

---

4. 索引选择性

索引的效果取决于 区分度（不同值的数量）。

• 性别 gender 只有男/女 → 区分度低，不适合建索引。
• 身份证号 id_number 唯一值很多 → 区分度高，适合建索引。

---

三、总结

1. MySQL 索引的底层是 B+ 树，数据存放在叶子节点，叶子之间通过链表连接，非常适合范围查询。
2. 索引的高效利用依赖 写法：避免函数、运算、前缀 %、OR、类型转换。
3. 覆盖索引 和 最左前缀原则 是写高性能 SQL 的关键。
4. 索引要建在 区分度高的列 上，才能真正提升性能。

👉 一句话总结：
理解 B+ 树原理，写出索引友好的 SQL，你的 MySQL 性能优化就成功了一大半。

---