1 引言

  在下面这个表T中，如果执行 select * from T where k between 3 and 5，需要执行几次树的搜索操作，会扫描多少行？

create table T (
ID int primary key,
k int NOT NULL DEFAULT 0, 
s varchar(16) NOT NULL DEFAULT '',
index k(k))
engine=InnoDB;

insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');

这条SQL查询语句的执行流程：

1. 在k索引树上找到k=3的记录，取得 ID = 300；
2. 再到ID索引树查到ID=300对应的R3；
3. 在k索引树取下一个值k=5，取得ID=500；
4. 再回到ID索引树查到ID=500对应的R4；
5. 在k索引树取下一个值k=6，不满足条件，循环结束。

  在这个过程中，回到主键索引树搜索的过程，称为回表。可以看到，这个查询过程读了k索引树的3条记录（步骤1、3、5），回表了两次（步骤2、4）。

  在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表。有没有可能经过索引优化，避免回表过程呢？

2 覆盖索引

  如果执行的语句是select ID from T where k between 3 and 5，这时只需要查ID的值，而ID的值已经在k索引树上了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引k已经“覆盖了”查询需求，称为覆盖索引。

  覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

  注意：在引擎内部使用覆盖索引在索引k上其实读了三个记录，k上的3~5，ID上的R3~R5，但是对于MySQL的Server层来说，它就是找引擎拿到了两条记录，因此MySQL认为扫描行数是2。

基于上面覆盖索引的说明，来讨论一个问题：在一个市民信息表上，是否有必要将身份证号和名字建立联合索引？
市民表的定义：

CREATE TABLE `tuser` (
  `id` int(11) NOT NULL,
  `id_card` varchar(32) DEFAULT NULL,
  `name` varchar(32) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `ismale` tinyint(1) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `id_card` (`id_card`),
  KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB

  身份证号是市民的唯一标识。也就是说，如果有根据身份证号查询市民信息的需求，我们只要在身份证号字段上建立索引就够了。而再建立一个（身份证号、姓名）的联合索引，是不是浪费空间？

  如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意义了。它可以在这个高频请求上用到覆盖索引，不再需要回表查整行记录，减少语句的执行时间。

  索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。

3 最左前缀原则

  如果为每一种查询都设计一个索引，索引是不是太多了。如果现在要按照市民的身份证号去查他的家庭地址，虽然这个查询需求在业务中出现的概率不高，但也不能让它走全表扫描。
  反过来说，单独为一个不频繁的请求创建一个（身份证号，地址）的索引又感觉有点浪费。应该怎么做呢？
  这里，B+树这种索引结构，可以利用索引的“最左前缀”，来定位记录。
  为了直观地说明这个概念，用（name，age）这个联合索引来分析。

  索引项是按照索引定义里面出现的字段顺序排序的。
  当逻辑需求是查到所有名字是“张三”的人时，可以快速定位到ID4，然后向后遍历得到所有需要的结果。
  如果要查的是所有名字第一个字是“张”的人，SQL语句的条件是where name like '张%'。这时，也能够用上这个索引，查找到第一个符合条件的记录是ID3，然后向后遍历，直到不满足条件为止。
  因此，只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左N个字段，也可以是字符串索引的最左M个字符。

  基于上面对最左前缀索引的说明，讨论一个问题：在建立联合索引的时候，如何安排索引内的字段顺序。
  这里的评估标准是，索引的复用能力。因为可以支持最左前缀，所以当已经有了(a,b)这个联合索引后，一般就不需要单独在a上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。
  所以要为高频请求创建（身份证号，姓名）这个联合索引，并用这个索引支持“根据身份证号查询地址”的需求。

  如果既有联合查询，又有基于a、b各自的查询呢？查询条件里面只有b的语句，是无法使用(a,b)这个联合索引的，这时就不得不维护另外一个索引，也就是说需要同时维护(a,b)、(b) 这两个索引。
  这时候要考虑的原则就是空间。比如上面这个市民表的情况，name字段是比age字段大的 ，这里就建议创建一个（name,age）的联合索引和一个（age）的单字段索引。

4 索引下推

  最左前缀可以用于在索引中定位记录。但那些不符合最左前缀的部分，会怎么样呢？
  还是以市民表的联合索引（name, age）为例。如果现在有一个需求：检索出表中“名字第一个字是张，而且年龄是10岁的所有男孩”。SQL语句如下：

select * from tuser where name like '张%' and age=10 and ismale=1;

  根据前缀索引规则，这个语句在搜索索引树的时候，只能用 “张”，找到第一个满足条件的记录ID3。然后是判断其他条件是否满足。

  在MySQL 5.6之前，只能从ID3开始一个个回表。到主键索引上找出数据行，再对比字段值。
  MySQL 5.6 引入的索引下推优化（index condition pushdown)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
这两个过程的执行流程图如下。

  可以看出，有索引下推只用回表2次，没有索引下推需要回表4次。

5 实际设计

CREATE TABLE `geek` (
  `a` int(11) NOT NULL,
  `b` int(11) NOT NULL,
  `c` int(11) NOT NULL,
  `d` int(11) NOT NULL,
  PRIMARY KEY (`a`,`b`),
  KEY `c` (`c`),
  KEY `ca` (`c`,`a`),
  KEY `cb` (`c`,`b`)
) ENGINE=InnoDB;

业务里面有这样的两种语句：

select * from geek where c=N order by a limit 1;
select * from geek where c=N order by b limit 1;

ca和cb索引是否全都需要？

分析：
表记录：

  主键 a，b的聚簇索引组织顺序相当于 order by a,b ，也就是先按a排序，再按b排序，c无序。
  索引 ca 的组织是先按c排序，再按a排序，同时记录主键

  这个跟索引c的数据是一模一样的。
  索引 cb 的组织是先按c排序，在按b排序，同时记录主键。

对于

select * from geek where c=N order by a limit 1;

  走ca,cb索引都能定位到满足c=N主键
  而且主键的聚簇索引本身就是按order by a,b排序，无序重新排序。所以ca可以去掉。

对于

select * from geek where c=N order by b limit 1;

order by b的顺序与主键顺序不一致，需要额外排序

  所以，结论是ca可以去掉，cb需要保留。