MySQL的視圖

簡單來說MySQL的視圖就是對SELECT 命令的定義的一個快捷鍵，我們查詢時會用到非常復雜的SELECT語句，而這個語句我們以后還會經常用到，我們可以經這個語句生產視圖。視圖是一個虛擬的表，它不存儲數據，所用的數據都在真實的表中。

這樣做的好處有：

1.防止有未經允許的租戶訪問到敏感數據2.將多個物理表抽象成一個邏輯表3.結果容易理解4.獲得數據更容易，很多人對SQL語句不太了解，我們可以通過創建視圖的形式方便用戶使用。5.顯示數據更容易。6.維護程序更方便。調試視圖比調試查詢更容易，跟蹤數據中的各個步驟的錯誤更容易，這是因為所用的步驟都是視圖的組成部分。

索引原理以及查詢優化

一、介紹

1.什么是索引？

一般的應用系統，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性能問題，在生產環境中，我們遇到最多的，也是最容易出問題的，還是一些復雜的查詢操作，因此對查詢語句的優化顯然是重中之重。說起加速查詢，就不得不提到索引了。

2.為什么要有索引呢？

索引在MySQL中也叫做“鍵”，是存儲引擎用于快速找到記錄的一種數據結構。索引對于良好的性能非常關鍵，尤其是當表中的數據量越來越大時，索引對于性能的影響愈發重要。索引優化應該是對查詢性能優化最有效的手段了。索引能夠輕易將查詢性能提高好幾個數量級。索引相當于字典的音序表，如果要查某個字，如果不使用音序表，則需要從幾百頁中逐頁去查。

二、索引的原理

一 索引原理

索引的目的在于提高查詢效率，與我們查閱圖書所用的目錄是一個道理：先定位到章，然后定位到該章下的一個小節，然后找到頁數。相似的例子還有：查字典，查火車車次，飛機航班等

本質都是：通過不斷地縮小想要獲取數據的范圍來篩選出最終想要的結果，同時把隨機的事件變成順序的事件，也就是說，有了這種索引機制，我們可以總是用同一種查找方式來鎖定數據。

數據庫也是一樣，但顯然要復雜的多，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。數據庫應該選擇怎么樣的方式來應對所有的問題呢？我們回想字典的例子，能不能把數據分成段，然后分段查詢呢？最簡單的如果1000條數據，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條數據，只要找第三段就可以了，一下子去除了90%的無效數據。但如果是1千萬的記錄呢，分成幾段比較好？稍有算法基礎的同學會想到搜索樹，其平均復雜度是lgN，具有不錯的查詢性能。但這里我們忽略了一個關鍵的問題，復雜度模型是基于每次相同的操作成本來考慮的。而數據庫實現比較復雜，一方面數據是保存在磁盤上的，另外一方面為了提高性能，每次又可以把部分數據讀入內存來計算，因為我們知道訪問磁盤的成本大概是訪問內存的十萬倍左右，所以簡單的搜索樹難以滿足復雜的應用場景。

二 磁盤IO與預讀

考慮到磁盤IO是非常高昂的操作，計算機操作系統做了一些優化，當一次IO時，不光把當前磁盤地址的數據，而是把相鄰的數據也都讀取到內存緩沖區內，因為局部預讀性原理告訴我們，當計算機訪問一個地址的數據的時候，與其相鄰的數據也會很快被訪問到。每一次IO讀取的數據我們稱之為一頁(page)。具體一頁有多大數據跟操作系統有關，一般為4k或8k，也就是我們讀取一頁內的數據時候，實際上才發生了一次IO，這個理論對于索引的數據結構設計非常有幫助。

三、索引的數據結構

任何一種數據結構都不是憑空產生的，一定會有它的背景和使用場景，我們現在總結一下，我們需要這種數據結構能夠做些什么，其實很簡單，那就是：每次查找數據時把磁盤IO次數控制在一個很小的數量級，最好是常數數量級。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+樹應運而生。

如上圖，是一顆b+樹，關于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據項（深藍色所示）和指針（黃色所示），如磁盤塊1包含數據項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。真實的數據存在于葉子節點即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非葉子節點只不存儲真實的數據，只存儲指引搜索方向的數據項，如17、35并不真實存在于數據表中。

###b+樹的查找過程

如圖所示，如果要查找數據項29，那么首先會把磁盤塊1由磁盤加載到內存，此時發生一次IO，在內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由磁盤加載到內存，發生第二次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到內存，發生第三次IO，同時內存中做二分查找找到29，結束查詢，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據，如果上百萬的數據查找只需要三次IO，性能提高將是巨大的，如果沒有索引，每個數據項都要發生一次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

1.索引字段要盡量的小：通過上面的分析，我們知道IO次數取決于b+數的高度h，假設當前數據表的數據為N，每個磁盤塊的數據項的數量是m，則有h=?(m+1)N，當數據量N一定的情況下，m越大，h越小；而m = 磁盤塊的大小 / 數據項的大小，磁盤塊的大小也就是一個數據頁的大小，是固定的，如果數據項占的空間越小，數據項的數量越多，樹的高度越低。這就是為什么每個數據項，即索引字段要盡量的小，比如int占4字節，要比bigint8字節少一半。這也是為什么b+樹要求把真實的數據放到葉子節點而不是內層節點，一旦放到內層節點，磁盤塊的數據項會大幅度下降，導致樹增高。當數據項等于1時將會退化成線性表。2.索引的最左匹配特性（即從左往右匹配）：當b+樹的數據項是復合的數據結構，比如(name,age,sex)的時候，b+數是按照從左到右的順序來建立搜索樹的，比如當(張三,20,F)這樣的數據來檢索的時候，b+樹會優先比較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，最后得到檢索的數據；但當(20,F)這樣的沒有name的數據來的時候，b+樹就不知道下一步該查哪個節點，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name來搜索才能知道下一步去哪里查詢。比如當(張三,F)這樣的數據來檢索時，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據都找到，然后再匹配性別是F的數據了， 這個是非常重要的性質，即索引的最左匹配特性。

四、Mysql索引管理

一、功能

索引的功能就是加速查找 mysql中的primary key，unique，聯合唯一也都是索引，這些索引除了加速查找以外，還有約束的功能

二、MySQL的索引分類

索引分類1.普通索引index :加速查找2.唯一索引 主鍵索引：primary key ：加速查找+約束（不為空且唯一） 唯一索引：unique：加速查找+約束 （唯一）3.聯合索引 -primary key(id,name):聯合主鍵索引 -unique(id,name):聯合唯一索引 -index(id,name):聯合普通索引4.全文索引fulltext :用于搜索很長一篇文章的時候，效果最好。5.空間索引spatial :了解就好，幾乎不用

三、 索引的兩大類型hash與btree

#我們可以在創建上述索引的時候，為其指定索引類型，分兩類hash類型的索引：查詢單條快，范圍查詢慢btree類型的索引：b+樹，層數越多，數據量指數級增長（我們就用它，因為innodb默認支持它）#不同的存儲引擎支持的索引類型也不一樣InnoDB 支持事務，支持行級別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；MyISAM 不支持事務，支持表級別鎖定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；Memory 不支持事務，支持表級別鎖定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；NDB 支持事務，支持行級別鎖定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；Archive 不支持事務，支持表級別鎖定，不支持 B-tree、Hash、Full-text 等索引；

四、創建/刪除索引的語法

善用幫助文檔help createhelp create index==================1.創建索引 -在創建表時就創建（需要注意的幾點） create table s1( id int ,#可以在這加primary key #id int index #不可以這樣加索引，因為index只是索引，沒有約束一說， #不能像主鍵，還有唯一約束一樣，在定義字段的時候加索引 name char(20), age int, email varchar(30) #primary key(id) #也可以在這加 index(id) #可以這樣加 ); -在創建表后在創建 create index name on s1(name); #添加普通索引 create unique age on s1(age);添加唯一索引 alter table s1 add primary key(id); #添加住建索引，也就是給id字段增加一個主鍵約束 create index name on s1(id,name); #添加普通聯合索引2.刪除索引 drop index id on s1; drop index name on s1; #刪除普通索引 drop index age on s1; #刪除唯一索引，就和普通索引一樣，不用在index前加unique來刪，直接就可以刪了 alter table s1 drop primary key; #刪除主鍵(因為它添加的時候是按照alter來增加的，那么我們也用alter來刪)

幫助查看

五、測試索引

1、準備

#1. 準備表create table s1(id int,name varchar(20),gender char(6),email varchar(50));#2. 創建存儲過程，實現批量插入記錄delimiter $$ #聲明存儲過程的結束符號為$$create procedure auto_insert1()BEGIN declare i int default 1; while(i<3000000)do insert into s1 values(i,concat(’egon’,i),’male’,concat(’egon’,i,’@oldboy’)); set i=i+1; end while;END$$ #$$結束delimiter ; #重新聲明分號為結束符號#3. 查看存儲過程show create procedure auto_insert1G #4. 調用存儲過程call auto_insert1();

2 、在沒有索引的前提下測試查詢速度

#無索引：從頭到尾掃描一遍，所以查詢速度很慢mysql> select * from s1 where id=333;+------+---------+--------+----------------+| id | name | gender | email |+------+---------+--------+----------------+| 333 | egon333 | male | 333@oldboy.com || 333 | egon333 | f | alex333@oldboy || 333 | egon333 | f | alex333@oldboy |+------+---------+--------+----------------+rows in set (0.32 sec)mysql> select * from s1 where email=’egon333@oldboy’;....... rows in set (0.36 sec)

3、 加上索引

#1. 一定是為搜索條件的字段創建索引，比如select * from t1 where age > 5;就需要為age加上索引#2. 在表中已經有大量數據的情況下，建索引會很慢，且占用硬盤空間，插入刪除更新都很慢，只有查詢快比如create index idx on s1(id);會掃描表中所有的數據，然后以id為數據項，創建索引結構，存放于硬盤的表中。建完以后，再查詢就會很快了#3. 需要注意的是：innodb表的索引會存放于s1.ibd文件中，而myisam表的索引則會有單獨的索引文件table1.MYI

六、正確使用索引

一、覆蓋索引

#分析select * from s1 where id=123;該sql命中了索引，但未覆蓋索引。利用id=123到索引的數據結構中定位到該id在硬盤中的位置，或者說再數據表中的位置。但是我們select的字段為*，除了id以外還需要其他字段，這就意味著，我們通過索引結構取到id還不夠，還需要利用該id再去找到該id所在行的其他字段值，這是需要時間的，很明顯，如果我們只select id，就減去了這份苦惱，如下select id from s1 where id=123;這條就是覆蓋索引了，命中索引，且從索引的數據結構直接就取到了id在硬盤的地址，速度很快

二、聯合索引

三、索引合并

#索引合并：把多個單列索引合并使用#分析：組合索引能做到的事情，我們都可以用索引合并去解決，比如create index ne on s1(name,email);#組合索引我們完全可以單獨為name和email創建索引組合索引可以命中：select * from s1 where name=’egon’ ;select * from s1 where name=’egon’ and email=’adf’;索引合并可以命中：select * from s1 where name=’egon’ ;select * from s1 where email=’adf’;select * from s1 where name=’egon’ and email=’adf’;乍一看好像索引合并更好了：可以命中更多的情況，但其實要分情況去看，如果是name=’egon’ and email=’adf’,那么組合索引的效率要高于索引合并，如果是單條件查，那么還是用索引合并比較合理

三 若想利用索引達到預想的提高查詢速度的效果，我們在添加索引時，必須遵循以下原則

1.最左前綴匹配原則，非常重要的原則，create index ix_name_email on s1(name,email,)- 最左前綴匹配：必須按照從左到右的順序匹配select * from s1 where name=’egon’; #可以select * from s1 where name=’egon’ and email=’asdf’; #可以select * from s1 where email=’alex@oldboy.com’; #不可以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的查詢優化器會幫你優化成索引可以識別的形式#3.盡量選擇區分度高的列作為索引,區分度的公式是count(distinct col)/count(*)，表示字段不重復的比例，比例越大我們掃描的記錄數越少，唯一鍵的區分度是1，而一些狀態、性別字段可能在大數據面前區分度就是0，那可能有人會問，這個比例有什么經驗值嗎？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+樹中存的都是數據表中的字段值，但進行檢索時，需要把所有元素都應用函數才能比較，顯然成本太大。所以語句應該寫成create_time = unix_timestamp(’2014-05-29’);

最左前綴示范

mysql> select * from s1 where id>3 and name=’egon’ and email=’alex333@oldboy.com’ and gender=’male’;Empty set (0.39 sec)mysql> create index idx on s1(id,name,email,gender); #未遵循最左前綴Query OK, 0 rows affected (15.27 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> select * from s1 where id>3 and name=’egon’ and email=’alex333@oldboy.com’ and gender=’male’;Empty set (0.43 sec)mysql> drop index idx on s1;Query OK, 0 rows affected (0.16 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> create index idx on s1(name,email,gender,id); #遵循最左前綴Query OK, 0 rows affected (15.97 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> select * from s1 where id>3 and name=’egon’ and email=’alex333@oldboy.com’ and gender=’male’;Empty set (0.03 sec)

索引無法命中的情況需要注意：

- like ’%xx’ select * from tb1 where email like ’%cn’; - 使用函數 select * from tb1 where reverse(email) = ’wupeiqi’; - or select * from tb1 where nid = 1 or name = ’seven@live.com’; 特別的：當or條件中有未建立索引的列才失效，以下會走索引 select * from tb1 where nid = 1 or name = ’seven’; select * from tb1 where nid = 1 or name = ’seven@live.com’ and email = ’alex’ - 類型不一致 如果列是字符串類型，傳入條件是必須用引號引起來，不然... select * from tb1 where email = 999; 普通索引的不等于不會走索引- != select * from tb1 where email != ’alex’ 特別的：如果是主鍵，則還是會走索引 select * from tb1 where nid != 123- > select * from tb1 where email > ’alex’ 特別的：如果是主鍵或索引是整數類型，則還是會走索引 select * from tb1 where nid > 123 select * from tb1 where num > 123#排序條件為索引，則select字段必須也是索引字段，否則無法命中- order by select name from s1 order by email desc; 當根據索引排序時候，select查詢的字段如果不是索引，則不走索引 select email from s1 order by email desc; 特別的：如果對主鍵排序，則還是走索引： select * from tb1 order by nid desc; - 組合索引最左前綴 如果組合索引為：(name,email) name and email -- 使用索引 name -- 使用索引 email-- 不使用索引- count(1)或count(列)代替count(*)在mysql中沒有差別了- create index xxxx on tb(title(19)) #text類型，必須制定長度

- 避免使用select *- count(1)或count(列) 代替 count(*)- 創建表時盡量時 char 代替 varchar- 表的字段順序固定長度的字段優先- 組合索引代替多個單列索引（經常使用多個條件查詢時）- 盡量使用短索引- 使用連接（JOIN）來代替子查詢(Sub-Queries)- 連表時注意條件類型需一致- 索引散列值（重復少）不適合建索引，例：性別不適合

七、慢查詢優化的基本步驟

0.先運行看看是否真的很慢，注意設置SQL_NO_CACHE1.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都應用到表中返回的記錄數最小的表開始查起，單表每個字段分別查詢，看哪個字段的區分度最高2.explain查看執行計劃，是否與1預期一致（從鎖定記錄較少的表開始查詢）3.order by limit 形式的sql語句讓排序的表優先查4.了解業務方使用場景5.加索引時參照建索引的幾大原則6.觀察結果，不符合預期繼續從0分析

到此這篇關于MySQL的視圖和索引用法與區別詳解的文章就介紹到這了,更多相關MySQL的視圖和索引內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！