微信公眾號【Java技術(shù)江湖】一位阿里 Java 工程師的技術(shù)小站。作者黃小斜，專注 Java 相關(guān)技術(shù)：SSM、SpringBoot、MySQL、分布式、中間件、集群、Linux、網(wǎng)絡(luò)、多線程，偶爾講點Docker、ELK，同時也分享技術(shù)干貨和學(xué)習(xí)經(jīng)驗，致力于Java全棧開發(fā)！
創(chuàng)新互聯(lián)擁有10年成都網(wǎng)站建設(shè)工作經(jīng)驗,為各大企業(yè)提供成都網(wǎng)站建設(shè)、做網(wǎng)站服務(wù)，對于網(wǎng)頁設(shè)計、PC網(wǎng)站建設(shè)（電腦版網(wǎng)站建設(shè)）、重慶APP開發(fā)公司、wap網(wǎng)站建設(shè)（手機版網(wǎng)站建設(shè)）、程序開發(fā)、網(wǎng)站優(yōu)化（SEO優(yōu)化）、微網(wǎng)站、空間域名等，憑借多年來在互聯(lián)網(wǎng)的打拼，我們在互聯(lián)網(wǎng)網(wǎng)站建設(shè)行業(yè)積累了很多網(wǎng)站制作、網(wǎng)站設(shè)計、網(wǎng)絡(luò)營銷經(jīng)驗，集策劃、開發(fā)、設(shè)計、營銷、管理等網(wǎng)站化運作于一體，具備承接各種規(guī)模類型的網(wǎng)站建設(shè)項目的能力。
MySQL憑借著出色的性能、低廉的成本、豐富的資源，已經(jīng)成為絕大多數(shù)互聯(lián)網(wǎng)公司的首選關(guān)系型數(shù)據(jù)庫。雖然性能出色，但所謂“好馬配好鞍”，如何能夠更好的使用它，已經(jīng)成為開發(fā)工程師的必修課，我們經(jīng)常會從職位描述上看到諸如“精通MySQL”、“SQL語句優(yōu)化”、“了解數(shù)據(jù)庫原理”等要求。我們知道一般的應(yīng)用系統(tǒng)，讀寫比例在10:1左右，而且插入操作和一般的更新操作很少出現(xiàn)性能問題，遇到最多的，也是最容易出問題的，還是一些復(fù)雜的查詢操作，所以查詢語句的優(yōu)化顯然是重中之重。
本人從13年7月份起，一直在美團核心業(yè)務(wù)系統(tǒng)部做慢查詢的優(yōu)化工作，共計十余個系統(tǒng)，累計解決和積累了上百個慢查詢案例。隨著業(yè)務(wù)的復(fù)雜性提升，遇到的問題千奇百怪，五花八門，匪夷所思。本文旨在以開發(fā)工程師的角度來解釋數(shù)據(jù)庫索引的原理和如何優(yōu)化慢查詢。
selectcount(*)fromtaskwherestatus=2 and operator_id=20839 and operate_time>1371169729 and operate_time<1371174603 and type=2;
系統(tǒng)使用者反應(yīng)有一個功能越來越慢，于是工程師找到了上面的SQL。
并且興致沖沖的找到了我，“這個SQL需要優(yōu)化，給我把每個字段都加上索引”
我很驚訝，問道“為什么需要每個字段都加上索引？”
“把查詢的字段都加上索引會更快”工程師信心滿滿
“這種情況完全可以建一個聯(lián)合索引，因為是最左前綴匹配，所以operate_time需要放到最后，而且還需要把其他相關(guān)的查詢都拿來，需要做一個綜合評估?！?br/>“聯(lián)合索引？最左前綴匹配？綜合評估？”工程師不禁陷入了沉思。
多數(shù)情況下，我們知道索引能夠提高查詢效率，但應(yīng)該如何建立索引？索引的順序如何？許多人卻只知道大概。其實理解這些概念并不難，而且索引的原理遠沒有想象的那么復(fù)雜。
索引目的
索引的目的在于提高查詢效率，可以類比字典，如果要查“mysql”這個單詞，我們肯定需要定位到m字母，然后從下往下找到y(tǒng)字母，再找到剩下的sql。如果沒有索引，那么你可能需要把所有單詞看一遍才能找到你想要的，如果我想找到m開頭的單詞呢？或者ze開頭的單詞呢？是不是覺得如果沒有索引，這個事情根本無法完成？
索引原理
除了詞典，生活中隨處可見索引的例子，如火車站的車次表、圖書的目錄等。它們的原理都是一樣的，通過不斷的縮小想要獲得數(shù)據(jù)的范圍來篩選出最終想要的結(jié)果，同時把隨機的事件變成順序的事件，也就是我們總是通過同一種查找方式來鎖定數(shù)據(jù)。
數(shù)據(jù)庫也是一樣，但顯然要復(fù)雜許多，因為不僅面臨著等值查詢，還有范圍查詢(>、<、between、in)、模糊查詢(like)、并集查詢(or)等等。數(shù)據(jù)庫應(yīng)該選擇怎么樣的方式來應(yīng)對所有的問題呢？我們回想字典的例子，能不能把數(shù)據(jù)分成段，然后分段查詢呢？最簡單的如果1000條數(shù)據(jù)，1到100分成第一段，101到200分成第二段，201到300分成第三段......這樣查第250條數(shù)據(jù)，只要找第三段就可以了，一下子去除了90%的無效數(shù)據(jù)。但如果是1千萬的記錄呢，分成幾段比較好？稍有算法基礎(chǔ)的同學(xué)會想到搜索樹，其平均復(fù)雜度是lgN，具有不錯的查詢性能。但這里我們忽略了一個關(guān)鍵的問題，復(fù)雜度模型是基于每次相同的操作成本來考慮的，數(shù)據(jù)庫實現(xiàn)比較復(fù)雜，數(shù)據(jù)保存在磁盤上，而為了提高性能，每次又可以把部分數(shù)據(jù)讀入內(nèi)存來計算，因為我們知道訪問磁盤的成本大概是訪問內(nèi)存的十萬倍左右，所以簡單的搜索樹難以滿足復(fù)雜的應(yīng)用場景。
磁盤IO與預(yù)讀
前面提到了訪問磁盤，那么這里先簡單介紹一下磁盤IO和預(yù)讀，磁盤讀取數(shù)據(jù)靠的是機械運動，每次讀取數(shù)據(jù)花費的時間可以分為尋道時間、旋轉(zhuǎn)延遲、傳輸時間三個部分，尋道時間指的是磁臂移動到指定磁道所需要的時間，主流磁盤一般在5ms以下；旋轉(zhuǎn)延遲就是我們經(jīng)常聽說的磁盤轉(zhuǎn)速，比如一個磁盤7200轉(zhuǎn)，表示每分鐘能轉(zhuǎn)7200次，也就是說1秒鐘能轉(zhuǎn)120次，旋轉(zhuǎn)延遲就是1/120/2 = 4.17ms；傳輸時間指的是從磁盤讀出或?qū)?shù)據(jù)寫入磁盤的時間，一般在零點幾毫秒，相對于前兩個時間可以忽略不計。那么訪問一次磁盤的時間，即一次磁盤IO的時間約等于5+4.17 = 9ms左右，聽起來還挺不錯的，但要知道一臺500 -MIPS的機器每秒可以執(zhí)行5億條指令，因為指令依靠的是電的性質(zhì)，換句話說執(zhí)行一次IO的時間可以執(zhí)行40萬條指令，數(shù)據(jù)庫動輒十萬百萬乃至千萬級數(shù)據(jù)，每次9毫秒的時間，顯然是個災(zāi)難。下圖是計算機硬件延遲的對比圖，供大家參考：
考慮到磁盤IO是非常高昂的操作，計算機操作系統(tǒng)做了一些優(yōu)化，當(dāng)一次IO時，不光把當(dāng)前磁盤地址的數(shù)據(jù)，而是把相鄰的數(shù)據(jù)也都讀取到內(nèi)存緩沖區(qū)內(nèi)，因為局部預(yù)讀性原理告訴我們，當(dāng)計算機訪問一個地址的數(shù)據(jù)的時候，與其相鄰的數(shù)據(jù)也會很快被訪問到。每一次IO讀取的數(shù)據(jù)我們稱之為一頁(page)。具體一頁有多大數(shù)據(jù)跟操作系統(tǒng)有關(guān)，一般為4k或8k，也就是我們讀取一頁內(nèi)的數(shù)據(jù)時候，實際上才發(fā)生了一次IO，這個理論對于索引的數(shù)據(jù)結(jié)構(gòu)設(shè)計非常有幫助。
索引的數(shù)據(jù)結(jié)構(gòu)
前面講了生活中索引的例子，索引的基本原理，數(shù)據(jù)庫的復(fù)雜性，又講了操作系統(tǒng)的相關(guān)知識，目的就是讓大家了解，任何一種數(shù)據(jù)結(jié)構(gòu)都不是憑空產(chǎn)生的，一定會有它的背景和使用場景，我們現(xiàn)在總結(jié)一下，我們需要這種數(shù)據(jù)結(jié)構(gòu)能夠做些什么，其實很簡單，那就是：每次查找數(shù)據(jù)時把磁盤IO次數(shù)控制在一個很小的數(shù)量級，最好是常數(shù)數(shù)量級。那么我們就想到如果一個高度可控的多路搜索樹是否能滿足需求呢？就這樣，b+樹應(yīng)運而生。
詳解b+樹
如上圖，是一顆b+樹，關(guān)于b+樹的定義可以參見
B+樹，這里只說一些重點，淺藍色的塊我們稱之為一個磁盤塊，可以看到每個磁盤塊包含幾個數(shù)據(jù)項（深藍色所示）和指針（黃色所示），如磁盤塊1包含數(shù)據(jù)項17和35，包含指針P1、P2、P3，P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊。真實的數(shù)據(jù)存在于葉子節(jié)點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節(jié)點只不存儲真實的數(shù)據(jù)，只存儲指引搜索方向的數(shù)據(jù)項，如17、35并不真實存在于數(shù)據(jù)表中。
b+樹的查找過程
如圖所示，如果要查找數(shù)據(jù)項29，那么首先會把磁盤塊1由磁盤加載到內(nèi)存，此時發(fā)生一次IO，在內(nèi)存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內(nèi)存時間因為非常短（相比磁盤的IO）可以忽略不計，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內(nèi)存，發(fā)生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內(nèi)存，發(fā)生第三次IO，同時內(nèi)存中做二分查找找到29，結(jié)束查詢，總計三次IO。真實的情況是，3層的b+樹可以表示上百萬的數(shù)據(jù)，如果上百萬的數(shù)據(jù)查找只需要三次IO，性能提高將是巨大的，如果沒有索引，每個數(shù)據(jù)項都要發(fā)生一次IO，那么總共需要百萬次的IO，顯然成本非常非常高。
b+樹性質(zhì)
1.通過上面的分析，我們知道IO次數(shù)取決于b+數(shù)的高度h，假設(shè)當(dāng)前數(shù)據(jù)表的數(shù)據(jù)為N，每個磁盤塊的數(shù)據(jù)項的數(shù)量是m，則有h=㏒(m+1)N，當(dāng)數(shù)據(jù)量N一定的情況下，m越大，h越?。欢鴐 = 磁盤塊的大小 / 數(shù)據(jù)項的大小，磁盤塊的大小也就是一個數(shù)據(jù)頁的大小，是固定的，如果數(shù)據(jù)項占的空間越小，數(shù)據(jù)項的數(shù)量越多，樹的高度越低。這就是為什么每個數(shù)據(jù)項，即索引字段要盡量的小，比如int占4字節(jié)，要比bigint8字節(jié)少一半。這也是為什么b+樹要求把真實的數(shù)據(jù)放到葉子節(jié)點而不是內(nèi)層節(jié)點，一旦放到內(nèi)層節(jié)點，磁盤塊的數(shù)據(jù)項會大幅度下降，導(dǎo)致樹增高。當(dāng)數(shù)據(jù)項等于1時將會退化成線性表。
2.當(dāng)b+樹的數(shù)據(jù)項是復(fù)合的數(shù)據(jù)結(jié)構(gòu)，比如(name,age,sex)的時候，b+數(shù)是按照從左到右的順序來建立搜索樹的，比如當(dāng)(張三,20,F)這樣的數(shù)據(jù)來檢索的時候，b+樹會優(yōu)先比較name來確定下一步的所搜方向，如果name相同再依次比較age和sex，最后得到檢索的數(shù)據(jù)；但當(dāng)(20,F)這樣的沒有name的數(shù)據(jù)來的時候，b+樹就不知道下一步該查哪個節(jié)點，因為建立搜索樹的時候name就是第一個比較因子，必須要先根據(jù)name來搜索才能知道下一步去哪里查詢。比如當(dāng)(張三,F)這樣的數(shù)據(jù)來檢索時，b+樹可以用name來指定搜索方向，但下一個字段age的缺失，所以只能把名字等于張三的數(shù)據(jù)都找到，然后再匹配性別是F的數(shù)據(jù)了， 這個是非常重要的性質(zhì)，即索引的最左匹配特性。
1. 主鍵索引
primary key() 要求關(guān)鍵字不能重復(fù)，也不能為null,同時增加主鍵約束
主鍵索引定義時，不能命名
2. 唯一索引
unique index() 要求關(guān)鍵字不能重復(fù)，同時增加唯一約束
3. 普通索引
index() 對關(guān)鍵字沒有要求
4. 全文索引
fulltext key() 關(guān)鍵字的來源不是所有字段的數(shù)據(jù)，而是字段中提取的特別關(guān)鍵字
關(guān)鍵字：可以是某個字段或多個字段，多個字段稱為復(fù)合索引
重慶分公司
重慶分公司
建表：creat table student(stu_id int unsigned not null auto_increment,name varchar(32) not null default '',phone char(11) not null default '',stu_code varchar(32) not null default '',stu_desc text,primary key ('stu_id'), //主鍵索引unique index 'stu_code' ('stu_code'), //唯一索引index 'name_phone' ('name','phone'), //普通索引，復(fù)合索引fulltext index 'stu_desc' ('stu_desc'), //全文索引) engine=myisam charset=utf8;更新：alert table studentadd primary key ('stu_id'), //主鍵索引add unique index 'stu_code' ('stu_code'), //唯一索引add index 'name_phone' ('name','phone'), //普通索引，復(fù)合索引add fulltext index 'stu_desc' ('stu_desc'); //全文索引刪除：alert table sutdentdrop primary key,drop index 'stu_code',drop index 'name_phone',drop index 'stu_desc';
在MySQL中，當(dāng)數(shù)據(jù)量增長的特別大的時候就需要用到索引來優(yōu)化SQL語句，而如何才能判斷我們辛辛苦苦寫出的SQL語句是否優(yōu)良？這時候 explain就派上了用場。
explain + SQL語句即可 如：explain select * from table;
如下
cdn.xitu.io/2018/5/17/1636ce849c800023?imageView2/0/w/1280/h/960/format/webp/ignore-error/1">
相信第一次使用explain參數(shù)的朋友一定會疑惑這一大堆參數(shù)究竟有什么用呢？筆者搜集了一些資料，在這兒做一個總結(jié)希望能夠幫助大家理解。
如果是子查詢，id的序號會遞增，id的值越大優(yōu)先級越高，越先被執(zhí)行
顯示查詢使用了何種類型 從最好到最差依次是System>const>eq_ref>range>index>All（**全表掃描**） 一般來說**至少達到range級別，最好達到ref**System:表只有一行記錄，這是const類型的特例，平時不會出現(xiàn)(忽略不計)const:表示通過索引一次就找到了,const用于比較primary key或者unique索引，因為只匹配一行數(shù)據(jù)，所以很快。如將主鍵置于where列表中，MySQL就能將該查詢轉(zhuǎn)換為一個常量。eq_ref:唯一性索引掃描，對于每個索引鍵，表中只有一條記錄與之匹配。常見于主鍵或唯一索引掃描。ref：非唯一索引掃描，返回匹配某個單獨值的行，本質(zhì)上也是一種索引訪問，它返回所有匹配某個單獨值的行，然而它可能會找到多個符合條件的行，所以它應(yīng)該屬于查找和掃描的混合體range：只檢索給定范圍的行，使用一個索引來選擇行。key列顯示使用了哪個索引，一般就是在你的where語句中出現(xiàn)了between、<、>、in等的查詢。這種范圍掃描索引比全表掃描要好，因為它只需要開始于索引的某一點，而結(jié)束于另一點，不用掃描全部索引。index:FULL INDEX SCAN,index與all區(qū)別為index類型只遍歷索引樹。這通常比all快，因為索引文件通常比數(shù)據(jù)文件小。
包含不適合在其他列中顯示但十分重要的額外信息 包含的信息： **（危險!）**Using filesort:說明mysql會對數(shù)據(jù)使用一個外部的索引排序，而不是按照表內(nèi)的索引順序進行讀取，MYSQL中無法利用索引完成的排序操作稱為“文件排序” **（特別危險!）**Using temporary:使用了臨時表保存中間結(jié)果，MYSQL在對查詢結(jié)果排序時使用臨時表。常見于排序order by 和分組查詢 group by Using index:表示相應(yīng)的select操作中使用了覆蓋索引，避免訪問了表的數(shù)據(jù)行，效率不錯。如果同時出現(xiàn)using where，表明索引被用來執(zhí)行索引鍵值的查找；如果沒有同時出現(xiàn)using where，表明索引用來讀取數(shù)據(jù)而非執(zhí)行查找操作。
顯示可能應(yīng)用在這張表中的索引，一個或多個。查詢涉及到的字段上若存在索引，則該索引將被列出， 但不一定被查詢實際使用
實際使用的索引，如果為NULL，則沒有使用索引。查詢中若使用了覆蓋索引，則該索引僅出現(xiàn)在key列表中，key參數(shù)可以作為使用了索引的判斷標(biāo)準(zhǔn)
:表示索引中使用的字節(jié)數(shù)，可通過該列計算查詢中索引的長度，在不損失精確性的情況下，長度越短越好，key_len顯示的值為索引字段的最大可能長度，并非實際使用長度，即key_len是根據(jù)表定義計算而得，不是通過表內(nèi)檢索出的。
顯示索引的哪一列被使用了，如果可能的話，是一個常數(shù)。哪些列或常量被用于查找索引上的值。
根據(jù)表統(tǒng)計信息及索引選用情況，大致估算出找到所需記錄所需要讀取的行數(shù)
關(guān)于MySQL索引原理是比較枯燥的東西，大家只需要有一個感性的認識，并不需要理解得非常透徹和深入。我們回頭來看看一開始我們說的慢查詢，了解完索引原理之后，大家是不是有什么想法呢？先總結(jié)一下索引的幾大基本原則
1.最左前綴匹配原則，非常重要的原則，mysql會一直向右匹配直到遇到范圍查詢(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調(diào)整。
2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優(yōu)化器會幫你優(yōu)化成索引可以識別的形式
3.盡量選擇區(qū)分度高的列作為索引,區(qū)分度的公式是count(distinct col)/count(*)，表示字段不重復(fù)的比例，比例越大我們掃描的記錄數(shù)越少，唯一鍵的區(qū)分度是1，而一些狀態(tài)、性別字段可能在大數(shù)據(jù)面前區(qū)分度就是0，那可能有人會問，這個比例有什么經(jīng)驗值嗎？使用場景不同，這個值也很難確定，一般需要join的字段我們都要求是0.1以上，即平均1條掃描10條記錄
4.索引列不能參與計算，保持列“干凈”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很簡單，b+樹中存的都是數(shù)據(jù)表中的字段值，但進行檢索時，需要把所有元素都應(yīng)用函數(shù)才能比較，顯然成本太大。所以語句應(yīng)該寫成create_time = unix_timestamp(’2014-05-29’);
5.盡量的擴展索引，不要新建索引。比如表中已經(jīng)有a的索引，現(xiàn)在要加(a,b)的索引，那么只需要修改原來的索引即可
根據(jù)最左匹配原則，最開始的sql語句的索引應(yīng)該是status、operator_id、type、operate_time的聯(lián)合索引；其中status、operator_id、type的順序可以顛倒，所以我才會說，把這個表的所有相關(guān)查詢都找到，會綜合分析；
比如還有如下查詢
select * from task where status = 0 and type = 12 limit 10;
select count(*) from task where status = 0 ;
那么索引建立成(status,type,operator_id,operate_time)就是非常正確的，因為可以覆蓋到所有情況。這個就是利用了索引的最左匹配的原則
關(guān)于explain命令相信大家并不陌生，具體用法和字段含義可以參考官網(wǎng) explain-output，這里需要強調(diào)rows是核心指標(biāo)，絕大部分rows小的語句執(zhí)行一定很快（有例外，下面會講到）。所以優(yōu)化語句基本上都是在優(yōu)化rows。
0.先運行看看是否真的很慢，注意設(shè)置SQL_NO_CACHE
1.where條件單表查，鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應(yīng)用到表中返回的記錄數(shù)最小的表開始查起，單表每個字段分別查詢，看哪個字段的區(qū)分度最高
2.explain查看執(zhí)行計劃，是否與1預(yù)期一致（從鎖定記錄較少的表開始查詢）
3.order by limit 形式的sql語句讓排序的表優(yōu)先查
4.了解業(yè)務(wù)方使用場景
5.加索引時參照建索引的幾大原則
6.觀察結(jié)果，不符合預(yù)期繼續(xù)從0分析
高效使用索引的首要條件是知道什么樣的查詢會使用到索引，這個問題和B+Tree中的“最左前綴原理”有關(guān)，下面通過例子說明最左前綴原理。
這里先說一下聯(lián)合索引的概念。在上文中，我們都是假設(shè)索引只引用了單個的列，實際上，MySQL中的索引可以以一定順序引用多個列，這種索引叫做聯(lián)合索引，一般的，一個聯(lián)合索引是一個有序元組
以employees.titles表為例，下面先查看其上都有哪些索引：
從結(jié)果中可以到titles表的主索引為
這樣就可以專心分析索引PRIMARY的行為了。
很明顯，當(dāng)按照索引中所有列進行精確匹配（這里精確匹配指“=”或“IN”匹配）時，索引可以被用到。這里有一點需要注意，理論上索引對順序是敏感的，但是由于MySQL的查詢優(yōu)化器會自動調(diào)整where子句的條件順序以使用適合的索引，例如我們將where中的條件順序顛倒：
效果是一樣的。
當(dāng)查詢條件精確匹配索引的左邊連續(xù)一個或幾個列時，如
此時索引使用情況和情況二相同，因為title未提供，所以查詢只用到了索引的第一列，而后面的from_date雖然也在索引中，但是由于title不存在而無法和左前綴連接，因此需要對結(jié)果進行掃描過濾from_date（這里由于emp_no唯一，所以不存在掃描）。如果想讓from_date也使用索引而不是where過濾，可以增加一個輔助索引
首先我們看下title一共有幾種不同的值：
只有7種。在這種成為“坑”的列值比較少的情況下，可以考慮用“IN”來填補這個“坑”從而形成最左前綴：
這次key_len為59，說明索引被用全了，但是從type和rows看出IN實際上執(zhí)行了一個range查詢，這里檢查了7個key?？聪聝煞N查詢的性能比較：
“填坑”后性能提升了一點。如果經(jīng)過emp_no篩選后余下很多數(shù)據(jù)，則后者性能優(yōu)勢會更加明顯。當(dāng)然，如果title的值很多，用填坑就不合適了，必須建立輔助索引。
由于不是最左前綴，索引這樣的查詢顯然用不到索引。
此時可以用到索引，但是如果通配符不是只出現(xiàn)在末尾，則無法使用索引。（原文表述有誤，如果通配符%不出現(xiàn)在開頭，則可以用到索引，但根據(jù)具體情況不同可能只會用其中一個前綴）
范圍列可以用到索引（必須是最左前綴），但是范圍列后面的列無法用到索引。同時，索引最多用于一個范圍列，因此如果查詢條件中有兩個范圍列則無法全用到索引。
可以看到索引對第二個范圍索引無能為力。這里特別要說明MySQL一個有意思的地方，那就是僅用explain可能無法區(qū)分范圍索引和多值匹配，因為在type中這兩者都顯示為range。同時，用了“between”并不意味著就是范圍查詢，例如下面的查詢：
看起來是用了兩個范圍查詢，但作用于emp_no上的“BETWEEN”實際上相當(dāng)于“IN”，也就是說emp_no實際是多值精確匹配。可以看到這個查詢用到了索引全部三個列。因此在MySQL中要謹慎地區(qū)分多值匹配和范圍匹配，否則會對MySQL的行為產(chǎn)生困惑。
很不幸，如果查詢條件中含有函數(shù)或表達式，則MySQL不會為這列使用索引（雖然某些在數(shù)學(xué)意義上可以使用）。例如：
雖然這個查詢和情況五中相同，但是由于使用了函數(shù)left，則無法為title列應(yīng)用索引，而情況五中用LIKE則可以。再如：
顯然這個查詢等價于查詢emp_no為10001的函數(shù)，但是由于查詢條件是一個表達式，MySQL無法為其使用索引?？磥鞰ySQL還沒有智能到自動優(yōu)化常量表達式的程度，因此在寫查詢語句時盡量避免表達式出現(xiàn)在查詢中，而是先手工私下代數(shù)運算，轉(zhuǎn)換為無表達式的查詢語句。
既然索引可以加快查詢速度，那么是不是只要是查詢語句需要，就建上索引？答案是否定的。因為索引雖然加快了查詢速度，但索引也是有代價的：索引文件本身要消耗存儲空間，同時索引會加重插入、刪除和修改記錄時的負擔(dān)，另外，MySQL在運行時也要消耗資源維護索引，因此索引并不是越多越好。一般兩種情況下不建議建索引。
第一種情況是表記錄比較少，例如一兩千條甚至只有幾百條記錄的表，沒必要建索引，讓查詢做全表掃描就好了。至于多少條記錄才算多，這個個人有個人的看法，我個人的經(jīng)驗是以2000作為分界線，記錄數(shù)不超過 2000可以考慮不建索引，超過2000條可以酌情考慮索引。
另一種不建議建索引的情況是索引的選擇性較低。所謂索引的選擇性（Selectivity），是指不重復(fù)的索引值（也叫基數(shù)，Cardinality）與表記錄數(shù)（#T）的比值：
Index Selectivity = Cardinality / #T
顯然選擇性的取值范圍為(0, 1]，選擇性越高的索引價值越大，這是由B+Tree的性質(zhì)決定的。例如，上文用到的employees.titles表，如果title字段經(jīng)常被單獨查詢，是否需要建索引，我們看一下它的選擇性：
title的選擇性不足0.0001（精確值為0.00001579），所以實在沒有什么必要為其單獨建索引。
有一種與索引選擇性有關(guān)的索引優(yōu)化策略叫做前綴索引，就是用列的前綴代替整個列作為索引key，當(dāng)前綴長度合適時，可以做到既使得前綴索引的選擇性接近全列索引，同時因為索引key變短而減少了索引文件的大小和維護開銷。下面以employees.employees表為例介紹前綴索引的選擇和使用。
從圖12可以看到employees表只有一個索引
如果頻繁按名字搜索員工，這樣顯然效率很低，因此我們可以考慮建索引。有兩種選擇，建
選擇性還不錯，但離0.9313還是有點距離，那么把last_name前綴加到4：
這時選擇性已經(jīng)很理想了，而這個索引的長度只有18，比
