MySQL实战 | 11 怎么给字符串字段加索引？

两种：

全字段索引
前缀索引

举例：

mysql> create table SUser(
ID bigint unsigned primary key,
email varchar(64), 
... 
)engine=innodb;

可以对 email 字段创建全字段索引，或者前缀索引。

1
2
3

mysql> alter table SUser add index index1(email);
或
mysql> alter table SUser add index index2(email(6));

区别

全字段索引

前缀索引

1、全字段索引占用空间大，前缀索引占用空间小；
2、全字段索引查询效率高，前缀索引则会增加额外的记录扫描次数。

执行过程

1	select id,name,email from SUser where email='zhangssxyz@xxx.com';

1、全字段索引

① 从 index1 索引树中找到索引值是 zhangssxyz@xxx.com 的记录，然后得到主键值；
② 根据主键值获取到该行的完整数据（回表），再判断 email 是否满足条件，将这行记录加入结果集；
③ 沿着索引树继续查找下一条满足条件的数据，若不满足，循环结束；

2、前缀索引

① 从 index2 索引树上查找索引值是 zhangs 的记录，找到一条后，得到主键值；
② 根据主键值获取到该行的完整数据（回表），再判断 email 是否满足条件，将这行记录加入结果集；
③ 沿着索引树继续查找下一条满足条件的数据，发现仍然满足条件，重复上面的操作；
④ 重复上一步，直到在 index2 上取到的值不满足条件，循环结束。

很明显，使用前缀索引，导致查询次数增多。

如何减少前缀索引查询次数？

区分度，区分度越高，前缀重复的可能性越小，进而，查询次数就越少。

通过如下语句，可以查询到不通前缀长度，分别有多少个不同的值：

mysql> select 
  count(distinct email) as L
  count(distinct left(email,4)）as L4,
  count(distinct left(email,5)）as L5,
  count(distinct left(email,6)）as L6,
  count(distinct left(email,7)）as L7,
from SUser;

自己可以预先设定一个可以接受的重复比例，比如大于 L * 95%。

前缀索引对覆盖索引的影响

使用前缀索引将无法利用覆盖索引的优化。

查询时，系统并不确定前缀索引的定义是否截断了完整信息。

前缀索引的优化

1、倒序存储

适合字段值前面部分重复度高，后半部分重复度低，这时可以倒序存储数据。

查询时可以这么写：

1	mysql> select field_list from t where id_card = reverse('input_id_card_string');

2、做 hash

新增一个字段，专门存储字段的 hash 值：

1	mysql> alter table t add id_card_crc int unsigned, add index(id_card_crc);

每次插入数据时，都要调用 crc32() 这个函数得到校验码填到这个新字段。

这个字段有可能重复，需要联合判断 id_card 的值是否精确相同。

1	mysql> select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'

二者的区别

1、都不支持范围查询
2、hash 字段需要额外的空间
3、CPU 消耗：倒序插入时需要额外调用 reverse 函数，hash 需要调用 crc32() 函数。reverse 函数消耗的 CPU 更小一些；
4、hash 字段方式的查询效率更高，因为计算出来的 hash 值重复的可能性较小，扫描次数接近于 1

总结

1、直接创建完整索引，这样可能比较占用空间；
2、创建前缀索引，节省空间，但会增加查询扫描次数，并且不能使用覆盖索引；
3、倒序存储，再创建前缀索引，用于绕过字符串本身前缀的区分度不够的问题；
4、创建 hash 字段索引，查询性能稳定，有额外的存储和计算消耗，跟第三种方式一样，都不支持范围扫描。

如何选择？

当数据量大时，一个学校每年预估 2 万新生，50 年才 100 万记录，能节省多少空间，直接全字段索引。省去了开发转换及局限性风险，碰到超大量迫不得已再用后两种办法。从业务量预估优化和收益，这不失为一个不错的想法。