MySQL技术专题（10）联合索引的最左匹配原则

如果有一个3列索引(col1,col2,col3)，实际上已经建立了三个联合索引(col1)、(col1,col2)、(col1,col2,col3)。

解释

1、b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，b+树是按照从左到右的顺序来建立搜索树的，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道第一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。

2、比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。（这种情况无法用到联合索引）

mysql里创建联合索引的意义

一个顶三个

建了一个(a,b,c)的复合索引，那么实际等于建了(a),(a,b),(a,b,c)三个索引，因为每多一个索引，都会增加写 *** 作的开销和磁盘空间的开销。对于大量数据的表，这可是不小的开销！

覆盖索引

同样的有复合索引（a,b,c），如果有如下的sql: select a,b,c from table where a=1 and b = 1。那么MySQL可以直接通过遍历索引取得数据，而无需回表，这减少了很多的随机io *** 作。减少io *** 作，特别的随机io其实是dba主要的优化策略。所以，在真正的实际应用中，覆盖索引是主要的提升性能的优化手段之一

索引列越多，通过索引筛选出的数据越少

有1000W条数据的表，有如下sql:select * from table where a = 1 and b =2 and c = 3,假设假设每个条件可以筛选出10%的数据，如果只有单值索引，那么通过该索引能筛选出1000W*10%=100w 条数据，然后再回表从100w条数据中找到符合b=2 and c= 3的数据，然后再排序，再分页；如果是复合索引，通过索引筛选出1000w *10% *10% *10%=1w，然后再排序、分页，哪个更高效，一眼便知

创建联合索引时列的选择原则

经常用的列优先（最左匹配原则）

离散度高的列优先（离散度高原则）

宽度小的列优先（最少空间原则）

列的离散性计算：count（distinct col）/ count(col)

例如：

id列一共9列都不重复 9/9 = 1

性别列一共9列只有（男或者女）两列 2/9 约等于0.2

离散性越高选择性越大

mysql 最左匹配 联合索引

推荐一个讲解MySQL的好书-- MySQL是怎样运行的 ,作者是小孩子4919,这是目前为止笔者读过的MySQL方面最好的书.

笔者之前翻看过(MySQL技术内幕：InnoDB存储引擎)和(高性能MySQL),前者对InnoDB的技术要点讲解的很深.后者则是流水账式的介绍MySQL的各个模块. 彼时笔者的背景知识极为有限:

所以两者都不适合.笔者需要的是这样的一本书

很幸运,笔者发现了< MySQL是怎么运行的 >,它达成了上述需求的90%.如果你跟笔者有类似的问题,那么读下这本书吧!

推荐大家重点阅读下面章节

从此跟乱码say goodbye

了解记录在内存中的结构,B+树的演变由来,以及为什么要使用索引--没有索引就要扫全表呀!

缓冲池提高了性能,也带来了问题.

做完的事情说什么也不能丢失.

第一次听说脏写和Read View.看完之后才知道事务隔离级别的实现差异.

祝大家有一个愉快的阅读体验~

---