欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

【MySql】11 笔记给字符串字段加索引

程序员文章站 2022-03-08 21:46:34
一、背景知识1、系统支持邮箱登录,如何在邮箱这样的字段上建立合理的索引?2、用户名登陆> create table User (id bigint unsigned primary key,email varchar(64),...) engine=innodb;3、查询语句> select f1, f2 from User where email='XXX';4、如果 email 这个字段上没有索引,那 么这个语句就只能做全表扫描。5、MySQL 是支持前缀索引的,创...

一、背景知识

1、系统支持邮箱登录,如何在邮箱这样的字段上建立合理的索引?

2、用户名登陆

> create table User (
id bigint unsigned primary key,
email varchar(64),
...
) engine=innodb;

3、查询语句

> select f1, f2 from User where email='XXX';

4、如果 email 这个字段上没有索引,那 么这个语句就只能做全表扫描。

5、MySQL 是支持前缀索引的,创建索引的语句不指定前缀长度,那么索引就会包含整个字符串。

> alter table User add index index1(email);

> alter table User add index index2(email(6)); //对于每个记录都是只取前 6 个字节

6、两条语句区别

  1. index1 执行顺序

a: 从 index1 索引树找到满足索引值是’XXXX@xxx.com’的这条记录,取得 ID 的值;

b: 到主键上查到主键值是 ID 的行,判断 email 的值是正确的,将这行记录加入结果集;

c: 取 index1 索引树上刚刚查到的位置的下一条记录,发现已经不满足email='XXXX@xxx.com’的条件了,循环结束。

  1. index2 执行顺序

a: 从 index2 索引树找到满足索引值是’XXXX’的记录,找到的第一个是 ID;

b: 到主键上查到主键值是 ID 的行,判断出 email 的值不是’XXXXA@xxx.com’,这行记录丢弃;

c: 取 index2 上刚刚查到的位置的下一条记录,发现仍然是’XXXX’,取出 ID,再到ID 索引上取整行然后判断,这次值对了,将这行记录加入结果集;

d: 重复上一步,直到在 idxe2 上取到的值不是’XXXX’时,循环结束。

e: 使用前缀索引后,可能会导致查询语句读数据的次数变多。

f: 如果使用前缀索引,定义好长度,就可以做到既节省空间,又不用额外增加太多的查询成本。

二、如何合理创建前缀索引

// 查看这个列上有多少个不同的值
> select count(distinct email) as L from User;

// 依次选取不同长度的前缀来看这个值
> select 
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,
count(distinct left (email,8)) as L8,
from User;
// 找出不小于 L * 95% 的值

三、前缀索引对覆盖索引的影响

1、例子

// 使用 index1(即email整个字符串的索引结构)的话,可以利用覆盖索引,从index1 查到结果后直接就返回了,不需要回到 ID 索引再去查一次
> select id,email from User where email ='haoflame.@qq.com';

// 使用index2 即使的前缀索引已经包含了所有的信息,但InnoDB还是要回到id 索引再查一下,因为系统并不确定前缀索引的定义是 否截断了完整信息。
> select id,name,email from User where email ='haoflame.@qq.com';

2、使用前缀索引就用不上覆盖索引对查询性能的优化了,选择时需要做合理考虑。

四、使用倒序存储,使用hash字段

1、前缀的区分度好的情况时使用比较合适

2、身份证建前缀索引不是很有用 ,一共 18 位,其中前 6 位是地址码,所以同一个县的人的身份 证号前 6 位一般会是相同的。

3、索引选取的越长,占用的磁盘空间就越大,相同的数据页能放下的索引值就越少,搜索的效率也就会越低。

4、倒序存储:如果你存储身份证号的时候把它倒过来存。

// 使用后面的区分 使用 count(distinct) 方法去做验证
> select field_list from t where id_card = reverse('input_id_card_string');

5、hash字段:在表上再创建一个整数字段,来保存身份证的校验码,同时在这个字段上创建索引。

每次插入新记录的时候,都同时用hash函数得到校验码填到这个新字段。由于校验码可能存在冲突,也就是说两个不同的身份证号通过 hash函数得到的结果可能是相同的,所以的查询语句where部分要判断id_card的值是否精确相同。

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

6、比较

  1. 都不支持范围查询。倒序存储的字段上创建的索引是按照倒序字符 串的方式排序的,没有办法利用索引方式查出身份证号码在 [ID_X, ID_Y] 的所有市民。同样地,hash 字段的方式也只能支持等值查询。
  1. 从占用的额外空间来看,倒序存储方式在主键索引上,不会消耗额外的存储空间,而 hash 字段方法需要增加一个字段。当然,倒序存储方式使用如果再长一点,这个消耗跟额外这个 hash 字段也差不多抵消了。
  1. 在 CPU 消耗方面,倒序方式每次写和读的时候,都需要额外调用一次 reverse 函数,而 hash 字段的方式需要额外调用一次 hash。如果只从这两个函数的计算复杂度来 看的话,reverse 函数额外消耗的 CPU 资源会更小些。
  1. 从查询效率上看,使用 hash 字段方式的查询性能相对更稳定一些。因为 hash 算出来 的值虽然有冲突的概率,但是概率非常小,可以认为每次查询的平均扫描行数接近 1。 而倒序存储方式毕竟还是用的前缀索引的方式,也就是说还是会增加扫描行数。

五、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,不支持范围扫描。

本文地址:https://blog.csdn.net/qq_40996741/article/details/107310224