索引類似大學圖書館建書目索引，可以提高數(shù)據檢索的效率，降低數(shù)據庫的IO成本。MySQL在300萬條記錄左右性能開始逐漸下降，雖然官方文檔說500~800w記錄，所以大數(shù)據量建立索引是非常有必要的。
MySQL提供了Explain，用于顯示SQL執(zhí)行的詳細信息，可以進行索引的優(yōu)化。
一、導致SQL執(zhí)行慢的原因
硬件問題。如網絡速度慢，內存不足，I/O吞吐量小，磁盤空間滿了等。
沒有索引或者索引失效。（一般在互聯(lián)網公司，DBA會在半夜把表鎖了，重新建立一遍索引，因為當你刪除某個數(shù)據的時候，索引的樹結構就不完整了。所以互聯(lián)網公司的數(shù)據做的是假刪除.一是為了做數(shù)據分析,二是為了不破壞索引 ）
數(shù)據過多
服務器調優(yōu)及各個參數(shù)設置（調整my.cnf）
二、分析原因時，一定要找切入點
先觀察，開啟慢查詢日志，設置相應的閾值（比如超過3秒就是慢SQL），在生產環(huán)境跑上個一天過后，看看哪些SQL比較慢。
Explain和慢SQL分析。比如SQL語句寫的爛，索引沒有或失效，關聯(lián)查詢太多（有時候是設計缺陷或者不得以的需求）等等。
Show Profile是比Explain更近一步的執(zhí)行細節(jié)，可以查詢到執(zhí)行每一個SQL都干了什么事，這些事分別花了多少秒。
找DBA或者運維對MySQL進行服務器的參數(shù)調優(yōu)。
三、什么是索引？
MySQL官方對索引的定義為：索引(Index)是幫助MySQL高效獲取數(shù)據的數(shù)據結構。我們可以簡單理解為：快速查找排好序的一種數(shù)據結構。
Mysql索引主要有兩種結構：B+Tree索引和Hash索引。我們平常所說的索引，如果沒有特別指明，一般都是指B樹結構組織的索引(B+Tree索引)推薦看下。
索引如圖所示：
最外層淺藍色磁盤塊1里有數(shù)據17、35（深藍色）和指針P1、P2、P3（黃色）。P1指針表示小于17的磁盤塊，P2是在17-35之間，P3指向大于35的磁盤塊。真實數(shù)據存在于子葉節(jié)點也就是最底下的一層3、5、9、10、13......非葉子節(jié)點不存儲真實的數(shù)據，只存儲指引搜索方向的數(shù)據項，如17、35。
查找過程：例如搜索28數(shù)據項，首先加載磁盤塊1到內存中，發(fā)生一次I/O，用二分查找確定在P2指針。接著發(fā)現(xiàn)28在26和30之間，通過P2指針的地址加載磁盤塊3到內存，發(fā)生第二次I/O。用同樣的方式找到磁盤塊8，發(fā)生第三次I/O。
真實的情況是，上面3層的B+Tree可以表示上百萬的數(shù)據，上百萬的數(shù)據只發(fā)生了三次I/O而不是上百萬次I/O，時間提升是巨大的。關注公眾號Java技術?？梢垣@取更多 MySQL 系列教程。
四、Explain分析
前文鋪墊完成，進入實操部分，先來插入測試需要的數(shù)據：
CREATE TABLE user_info ( id BIGINT(20) NOT NULL AUTO_INCREMENT, name VARCHAR(50) NOT NULL DEFAULT '', age INT(11) DEFAULT NULL, PRIMARY KEY (id), KEY name_index (name) )ENGINE = InnoDB DEFAULT CHARSET = utf8; INSERT INTO user_info (name, age) VALUES ('xys', 20); INSERT INTO user_info (name, age) VALUES ('a', 21); INSERT INTO user_info (name, age) VALUES ('b', 23); INSERT INTO user_info (name, age) VALUES ('c', 50); INSERT INTO user_info (name, age) VALUES ('d', 15); INSERT INTO user_info (name, age) VALUES ('e', 20); INSERT INTO user_info (name, age) VALUES ('f', 21); INSERT INTO user_info (name, age) VALUES ('g', 23); INSERT INTO user_info (name, age) VALUES ('h', 50); INSERT INTO user_info (name, age) VALUES ('i', 15); CREATE TABLE order_info ( id BIGINT(20) NOT NULL AUTO_INCREMENT, user_id BIGINT(20) DEFAULT NULL, product_name VARCHAR(50) NOT NULL DEFAULT '', productor VARCHAR(30) DEFAULT NULL, PRIMARY KEY (id), KEY user_product_detail_index (user_id, product_name, productor) )ENGINE = InnoDB DEFAULT CHARSET = utf8; INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p1', 'WHH'); INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p2', 'WL'); INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p1', 'DX'); INSERT INTO order_info (user_id, product_name, productor) VALUES (2, 'p1', 'WHH'); INSERT INTO order_info (user_id, product_name, productor) VALUES (2, 'p5', 'WL'); INSERT INTO order_info (user_id, product_name, productor) VALUES (3, 'p3', 'MA'); INSERT INTO order_info (user_id, product_name, productor) VALUES (4, 'p1', 'WHH'); INSERT INTO order_info (user_id, product_name, productor) VALUES (6, 'p1', 'WHH'); INSERT INTO order_info (user_id, product_name, productor) VALUES (9, 'p8', 'TE');
初體驗，執(zhí)行Explain的效果：
索引使用情況在possible_keys、key和key_len三列，接下來我們先從左到右依次講解。
- id --id相同,執(zhí)行順序由上而下 explain select u.,o. from user_info u,order_info o where u.id=o.user_id;
--id不同,值越大越先被執(zhí)行 explain select * from user_info where id=(select user_id from order_info where product_name ='p8');
- select_type可以看id的執(zhí)行實例，總共有以下幾種類型：
SIMPLE： 表示此查詢不包含 UNION 查詢或子查詢
PRIMARY： 表示此查詢是最外層的查詢
SUBQUERY： 子查詢中的第一個 SELECT
UNION： 表示此查詢是 UNION 的第二或隨后的查詢
DEPENDENT UNION：UNION 中的第二個或后面的查詢語句, 取決于外面的查詢
UNION RESULT, UNION 的結果
DEPENDENT SUBQUERY: 子查詢中的第一個 SELECT, 取決于外面的查詢. 即子查詢依賴于外層查詢的結果.
DERIVED：衍生，表示導出表的SELECT（FROM子句的子查詢）
- tabletable表示查詢涉及的表或衍生的表：
explain select tt.* from (select u.* from user_info u,order_info o where u.id=o.user_id and u.id=1) tt
id為1的<derived2>的表示id為2的u和o表衍生出來的。
- typetype 字段比較重要，它提供了判斷查詢是否高效的重要依據依據。通過 type 字段，我們判斷此次查詢是 全表掃描 還是 索引掃描等。
type 常用的取值有:
system: 表中只有一條數(shù)據， 這個類型是特殊的 const 類型。
const: 針對主鍵或唯一索引的等值查詢掃描，最多只返回一行數(shù)據。const 查詢速度非?？欤?因為它僅僅讀取一次即可。例如下面的這個查詢，它使用了主鍵索引，因此 type 就是 const 類型的：explain select * from user_info where id = 2；
eq_ref: 此類型通常出現(xiàn)在多表的 join 查詢，表示對于前表的每一個結果，都只能匹配到后表的一行結果。并且查詢的比較操作通常是 =，查詢效率較高。例如：explain select * from user_info, order_info where user_info.id = order_info.user_id;
ref: 此類型通常出現(xiàn)在多表的 join 查詢，針對于非唯一或非主鍵索引，或者是使用了 最左前綴 規(guī)則索引的查詢。例如下面這個例子中， 就使用到了 ref 類型的查詢：explain select * from user_info, order_info where user_info.id = order_info.user_id AND order_info.user_id = 5
range: 表示使用索引范圍查詢，通過索引字段范圍獲取表中部分數(shù)據記錄。這個類型通常出現(xiàn)在 =, <>, >, >=, <, <=, IS NULL, <=>, BETWEEN, IN() 操作中。例如下面的例子就是一個范圍查詢：explain select * from user_info where id between 2 and 8；
index: 表示全索引掃描(full index scan)，和 ALL 類型類似，只不過 ALL 類型是全表掃描，而 index 類型則僅僅掃描所有的索引， 而不掃描數(shù)據。index 類型通常出現(xiàn)在：所要查詢的數(shù)據直接在索引樹中就可以獲取到, 而不需要掃描數(shù)據。當是這種情況時，Extra 字段 會顯示 Using index。
ALL: 表示全表掃描，這個類型的查詢是性能最差的查詢之一。通常來說， 我們的查詢不應該出現(xiàn) ALL 類型的查詢，因為這樣的查詢在數(shù)據量大的情況下，對數(shù)據庫的性能是巨大的災難。如一個查詢是 ALL 類型查詢， 那么一般來說可以對相應的字段添加索引來避免。
通常來說, 不同的 type 類型的性能關系如下:
ALL < index < range ~ index_merge < ref < eq_ref < const < system
ALL 類型因為是全表掃描， 因此在相同的查詢條件下，它是速度最慢的。而 index 類型的查詢雖然不是全表掃描，但是它掃描了所有的索引，因此比 ALL 類型的稍快.后面的幾種類型都是利用了索引來查詢數(shù)據，因此可以過濾部分或大部分數(shù)據，因此查詢效率就比較高了。
possible_keys它表示 mysql 在查詢時，可能使用到的索引。注意，即使有些索引在 possible_keys 中出現(xiàn)，但是并不表示此索引會真正地被 mysql 使用到。mysql 在查詢時具體使用了哪些索引，由 key 字段決定。
key此字段是 mysql 在當前查詢時所真正使用到的索引。比如請客吃飯,possible_keys是應到多少人，key是實到多少人。當我們沒有建立索引時：
explain select o.* from order_info o where o.product_name= 'p1' and o.productor='whh'; create index idx_name_productor on order_info(productor); drop index idx_name_productor on order_info;
建立復合索引后再查詢：
key_len表示查詢優(yōu)化器使用了索引的字節(jié)數(shù)，這個字段可以評估組合索引是否完全被使用。
ref這個表示顯示索引的哪一列被使用了，如果可能的話,是一個常量。前文的type屬性里也有ref，注意區(qū)別。
rowsrows 也是一個重要的字段，mysql 查詢優(yōu)化器根據統(tǒng)計信息，估算 sql 要查找到結果集需要掃描讀取的數(shù)據行數(shù)，這個值非常直觀的顯示 sql 效率好壞， 原則上 rows 越少越好?？梢詫Ρ萲ey中的例子，一個沒建立索引錢，rows是9，建立索引后，rows是4。
extra
explain 中的很多額外的信息會在 extra 字段顯示, 常見的有以下幾種內容:
using filesort ：表示 mysql 需額外的排序操作，不能通過索引順序達到排序效果。一般有 using filesort都建議優(yōu)化去掉，因為這樣的查詢 cpu 資源消耗大。
using index：覆蓋索引掃描，表示查詢在索引樹中就可查找所需數(shù)據，不用掃描表數(shù)據文件，往往說明性能不錯。
using temporary：查詢有使用臨時表, 一般出現(xiàn)于排序， 分組和多表 join 的情況， 查詢效率不高，建議優(yōu)化。
using where ：表名使用了where過濾。
五、優(yōu)化案例
explain select u.,o. from user_info u LEFT JOIN order_info o on u.id=o.user_i
執(zhí)行結果，type有ALL，并且沒有索引：
開始優(yōu)化，在關聯(lián)列上創(chuàng)建索引，明顯看到type列的ALL變成ref，并且用到了索引，rows也從掃描9行變成了1行：
這里面一般有個規(guī)律是：左鏈接索引加在右表上面，右鏈接索引加在左表上面。
六、是否需要創(chuàng)建索引？
索引雖然能非常高效的提高查詢速度，同時卻會降低更新表的速度。實際上索引也是一張表，該表保存了主鍵與索引字段，并指向實體表的記錄，所以索引列也是要占用空間的
