索引夺命10连问

前言

今天我们来聊聊让无数开发者又爱又恨的——数据库索引。

相信不少小伙伴在工作中都遇到过这样的场景：

• 明明已经加了索引，为什么查询还是慢？
• 为什么有时候索引反而导致性能下降？
• 联合索引到底该怎么设计才合理？

别急，今天我就通过10个问题，带你彻底搞懂索引的奥秘！

希望对你会有所帮助。

一、什么是索引？为什么需要索引？

1.1 索引的本质

简单来说，索引就是数据的目录。

就像一本书的目录能帮你快速找到内容一样，数据库索引能帮你快速定位数据。

-- 没有索引的查询（全表扫描） SELECT * FROM users WHERE name = '苏三'; -- 需要遍历所有记录  -- 有索引的查询（索引扫描） CREATE INDEX idx_name ON users(name); SELECT * FROM users WHERE name = '苏三'; -- 通过索引快速定位 

1.2 索引的工作原理

索引的底层结构（B+树）：

二、索引的10个常见问题

1.为什么我加了索引，查询还是慢？

场景还原：

CREATE INDEX idx_name ON users(name); SELECT * FROM users WHERE name LIKE '%苏三%'; -- 还是很慢！ 

原因分析：

1. 前导通配符：LIKE '%苏三% 导致索引失效
2. 索引选择性差：如果name字段大量重复，索引效果不佳
3. 回表代价高：索引覆盖不全，需要回表查询

解决方案：

-- 方案1：避免前导通配符 SELECT * FROM users WHERE name LIKE '苏三%';  -- 方案2：使用覆盖索引 CREATE INDEX idx_name_covering ON users(name, id, email); SELECT name, id, email FROM users WHERE name LIKE '苏三%'; -- 不需要回表  -- 方案3：使用全文索引（对于文本搜索） CREATE FULLTEXT INDEX ft_name ON users(name); SELECT * FROM users WHERE MATCH(name) AGAINST('苏三'); 

2.索引是不是越多越好？

绝对不是！ 索引需要维护代价：

-- 每个索引都会影响写性能 INSERT INTO users (name, email, age) VALUES ('苏三', 'susan@example.com', 30); -- 需要更新:  -- 1. 主键索引 -- 2. idx_name索引（如果存在） -- 3. idx_email索引（如果存在） -- 4. idx_age索引（如果存在） 

索引的代价：

1. 存储空间：每个索引都需要额外的磁盘空间
2. 写操作变慢：INSERT/UPDATE/DELETE需要维护所有索引
3. 优化器负担：索引太多会增加查询优化器的选择难度

黄金法则：一般建议表的索引数量不超过5-7个

3.联合索引的最左前缀原则是什么？

最左前缀原则：联合索引只能从最左边的列开始使用

-- 创建联合索引 CREATE INDEX idx_name_age ON users(name, age);  -- 能使用索引的查询 SELECT * FROM users WHERE name = '苏三'; -- √ 使用索引 SELECT * FROM users WHERE name = '苏三' AND age = 30; -- √ 使用索引 SELECT * FROM users WHERE age = 30 AND name = '苏三'; -- √ 优化器会调整顺序  -- 不能使用索引的查询 SELECT * FROM users WHERE age = 30; -- × 不符合最左前缀 

联合索引结构：

4.如何选择索引字段的顺序？

选择原则：

1. 高选择性字段在前：选择性高的字段能更快过滤数据
2. 经常查询的字段在前：优先满足常用查询场景
3. 等值查询在前，范围查询在后

-- 计算字段选择性 SELECT      COUNT(DISTINCT name) / COUNT(*) as name_selectivity,     COUNT(DISTINCT age) / COUNT(*) as age_selectivity,     COUNT(DISTINCT city) / COUNT(*) as city_selectivity FROM users;  -- 根据选择性决定索引顺序 CREATE INDEX idx_name_city_age ON users(name, city, age); -- name选择性最高 

5.什么是覆盖索引？为什么重要？

覆盖索引：索引包含了查询需要的所有字段，不需要回表查询

-- 不是覆盖索引（需要回表） CREATE INDEX idx_name ON users(name); SELECT * FROM users WHERE name = '苏三'; -- 需要回表查询其他字段  -- 覆盖索引（不需要回表） CREATE INDEX idx_name_covering ON users(name, email, age); SELECT name, email, age FROM users WHERE name = '苏三'; -- 所有字段都在索引中 

覆盖索引的优势：

1. 避免回表：减少磁盘IO
2. 减少内存占用：只需要读取索引页
3. 提升性能：查询速度更快

6.NULL值对索引有什么影响？

NULL值的问题：

-- 创建索引 CREATE INDEX idx_email ON users(email);  -- 查询NULL值 SELECT * FROM users WHERE email IS NULL; -- 可能不使用索引 SELECT * FROM users WHERE email IS NOT NULL; -- 可能不使用索引 

NULL值可能不使用索引。

解决方案：

1. 避免NULL值：设置默认值
2. 使用函数索引（MySQL 8.0+）

-- 使用函数索引处理NULL值 CREATE INDEX idx_email_null ON users((COALESCE(email, ''))); SELECT * FROM users WHERE COALESCE(email, '') = ''; 

7.索引对排序和分组有什么影响？

索引优化排序和分组：

-- 创建索引 CREATE INDEX idx_age_name ON users(age, name);  -- 索引优化排序 SELECT * FROM users ORDER BY age, name; -- √ 使用索引避免排序  -- 索引优化分组 SELECT age, COUNT(*) FROM users GROUP BY age; -- √ 使用索引优化分组  -- 无法使用索引排序的情况 SELECT * FROM users ORDER BY name, age; -- × 不符合最左前缀 SELECT * FROM users ORDER BY age DESC, name ASC; -- × 排序方向不一致 

8.如何发现索引失效的场景？

常见索引失效场景：

1. 函数操作：WHERE YEAR(create_time) = 2023
2. 类型转换：WHERE phone = 13800138000（phone是varchar）
3. 数学运算：WHERE age + 1 > 30
4. 前导通配符：WHERE name LIKE '%苏三'

使用EXPLAIN分析：

EXPLAIN SELECT * FROM users WHERE name = '苏三';  -- 查看关键指标： -- type: const|ref|range|index|ALL（性能从好到坏） -- key: 实际使用的索引 -- rows: 预估扫描行数 -- Extra: Using index（覆盖索引）| Using filesort（需要排序）| Using temporary（需要临时表） 

9.如何维护和优化索引？

定期索引维护：

-- 查看索引使用情况（MySQL） SELECT * FROM sys.schema_index_statistics  WHERE table_schema = 'your_database' AND table_name = 'users';  -- 重建索引（优化索引碎片） ALTER TABLE users REBUILD INDEX idx_name;  -- 分析索引使用情况 ANALYZE TABLE users; 

索引监控：

-- 开启索引监控（Oracle） ALTER INDEX idx_name MONITORING USAGE;  -- 查看索引使用情况 SELECT * FROM v$object_usage WHERE index_name = 'IDX_NAME'; 

10.不同数据库的索引有什么差异？

MySQL vs PostgreSQL索引差异：

特性	MySQL	PostgreSQL
索引类型	B+Tree, Hash, Fulltext	B+Tree, Hash, GiST, SP-GiST
覆盖索引	支持	支持（使用INCLUDE）
函数索引	8.0+支持	支持
部分索引	支持	支持
索引组织表	聚簇索引	堆表

PostgreSQL示例：

-- 创建包含索引（Covering Index） CREATE INDEX idx_users_covering ON users (name) INCLUDE (email, age);  -- 创建部分索引（Partial Index） CREATE INDEX idx_active_users ON users (name) WHERE is_active = true;  -- 创建表达式索引（Expression Index） CREATE INDEX idx_name_lower ON users (LOWER(name)); 

三、索引设计最佳实践

3.1 索引设计原则

1. 按需创建：只为经常查询的字段创建索引
2. 选择合适类型：根据场景选择B-Tree、Hash、全文索引等
3. 考虑复合索引：使用复合索引减少索引数量
4. 避免过度索引：每个索引都有维护成本
5. 定期维护：重建索引，优化索引碎片

3.2 索引设计检查清单

四、实战案例：电商系统索引设计

4.1 用户表索引设计

-- 用户表结构 CREATE TABLE users (     id BIGINT PRIMARY KEY,     username VARCHAR(50) NOT NULL,     email VARCHAR(100) NOT NULL,     phone VARCHAR(20),     age INT,     city VARCHAR(50),     created_at TIMESTAMP,     is_active BOOLEAN );  -- 推荐索引 CREATE INDEX idx_users_username ON users(username); CREATE INDEX idx_users_email ON users(email); CREATE INDEX idx_users_city_age ON users(city, age); CREATE INDEX idx_users_created ON users(created_at) WHERE is_active = true; 

4.2 订单表索引设计

-- 订单表结构 CREATE TABLE orders (     id BIGINT PRIMARY KEY,     user_id BIGINT,     status VARCHAR(20),     amount DECIMAL(10,2),     created_at TIMESTAMP,     updated_at TIMESTAMP );  -- 推荐索引 CREATE INDEX idx_orders_user_id ON orders(user_id); CREATE INDEX idx_orders_status_created ON orders(status, created_at); CREATE INDEX idx_orders_created_amount ON orders(created_at, amount); 

总结

1. 理解原理：掌握B+树索引的工作原理和特性。
2. 合理设计：遵循最左前缀原则，选择合适的索引顺序。
3. 避免失效：注意索引失效的常见场景。
4. 覆盖索引：尽可能使用覆盖索引减少回表。
5. 定期维护：监控索引使用情况，定期优化重建。
6. 权衡利弊：索引不是越多越好，要权衡查询性能和写成本。

好的索引设计是数据库性能的基石。

不要盲目添加索引，要基于实际查询需求和数据分布来科学设计。

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，您的支持是我坚持写作最大的动力。

求一键三连：点赞、转发、在看。

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。

更多项目实战在我的技术网站：http://www.susan.net.cn/project