索引的最佳实践

本章会介绍在 TiDB 中使用索引的一些最佳实践。

准备工作

本章内容将会用 bookshop 数据库中的 books 表作为示例。

  1. CREATE TABLE `books` (
  2. `id` bigint(20) AUTO_RANDOM NOT NULL,
  3. `title` varchar(100) NOT NULL,
  4. `type` enum('Magazine', 'Novel', 'Life', 'Arts', 'Comics', 'Education & Reference', 'Humanities & Social Sciences', 'Science & Technology', 'Kids', 'Sports') NOT NULL,
  5. `published_at` datetime NOT NULL,
  6. `stock` int(11) DEFAULT '0',
  7. `price` decimal(15,2) DEFAULT '0.0',
  8. PRIMARY KEY (`id`) CLUSTERED
  9. ) DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;

创建索引的最佳实践

  • 建立你需要使用的数据的所有列的组合索引,这种优化技巧被称为 覆盖索引优化 (covering index optimization)覆盖索引优化将使得 TiDB 可以直接在索引上得到该查询所需的所有数据,可以大幅提升性能。
  • 避免创建你不需要的二级索引,有用的二级索引能加速查询,但是要注意新增一个索引是有副作用的。每增加一个索引,在插入一条数据的时候,就要额外新增一个 Key-Value,所以索引越多,写入越慢,并且空间占用越大。另外过多的索引也会影响优化器运行时间,并且不合适的索引会误导优化器。所以索引并不是越多越好。
  • 根据具体的业务特点创建合适的索引。原则上需要对查询中需要用到的列创建索引,目的是提高性能。下面几种情况适合创建索引:

    • 区分度比较大的列,通过索引能显著地减少过滤后的行数。例如推荐在人的身份证号码这一列上创建索引,但不推荐在人的性别这一列上创建索引。
    • 有多个查询条件时,可以选择组合索引,注意需要把等值条件的列放在组合索引的前面。这里举一个例子,假设常用的查询是 SELECT * FROM t where c1 = 10 and c2 = 100 and c3 > 10, 那么可以考虑建立组合索引 Index cidx (c1, c2, c3),这样可以用查询条件构造出一个索引前缀进行 Scan。
  • 请使用有意义的二级索引名,推荐你遵循公司或组织的表命名规范。如果你的公司或组织没有相应的命名规范,可参考索引命名规范

使用索引的最佳实践

  • 建立索引的目的是为了加速查询,所以请确保索引能在一些查询中被用上。如果一个索引不会被任何查询语句用到,那这个索引是没有意义的,请删除这个索引。
  • 使用组合索引时,需要满足最左前缀原则。

    例如假设在列 title, published_at 上新建一个组合索引索引:

    1. CREATE INDEX title_published_at_idx ON books (title, published_at);

    下面这个查询依然能用上这个组合索引:

    1. SELECT * FROM books WHERE title = 'database';

    但下面这个查询由于未指定组合索引中最左边第一列的条件,所以无法使用组合索引:

    1. SELECT * FROM books WHERE published_at = '2018-08-18 21:42:08';
  • 在查询条件中使用索引列作为条件时,不要在索引列上做计算,函数,或者类型转换的操作,会导致优化器无法使用该索引。

    例如假设在时间类型的列 published_at 上新建一个索引:

    1. CREATE INDEX published_at_idx ON books (published_at);

    但下面查询是无法使用 published_at 上的索引的:

    1. SELECT * FROM books WHERE YEAR(published_at)=2022;

    可以改写成下面查询,避免在索引列上做函数计算后,即可使用 published_at 上的索引:

    1. SELECT * FROM books WHERE published_at >= '2022-01-01' AND published_at < '2023-01-01';

    也可以使用表达式索引,例如对查询条件中的 YEAR(published_at) 创建一个表达式索引:

    1. CREATE INDEX published_year_idx ON books ((YEAR(published_at)));

    然后通过 SELECT * FROM books WHERE YEAR(published_at)=2022; 查询就能使用 published_year_idx 索引来加速查询了。

    注意:

    表达式索引目前是 TiDB 的实验特性,需要在 TiDB 配置文件中开启表达式索引特性,详情可以参考 表达式索引文档

  • 尽量使用覆盖索引,即索引列包含查询列,避免总是 SELECT * 查询所有列的语句。

    例如下面查询只需扫描索引 title_published_at_idx 数据即可获取查询列的数据:

    1. SELECT title, published_at FROM books WHERE title = 'database';

    但下面查询语句虽然能用上组合索引 (title, published_at), 但会多一个回表查询非索引列数据的额外开销,回表查询是指根据索引数据中存储的引用(一般是主键信息),到表中查询相应行的数据。

    1. SELECT * FROM books WHERE title = 'database';
  • 查询条件使用 !=NOT IN 时,无法使用索引。例如下面查询无法使用任何索引:

    1. SELECT * FROM books WHERE title != 'database';
  • 使用 LIKE 时如果条件是以通配符 % 开头,也无法使用索引。例如下面查询无法使用任何索引:

    1. SELECT * FROM books WHERE title LIKE '%database';
  • 当查询条件有多个索引可供使用,但你知道用哪一个索引是最优的时,推荐使用 优化器 Hint 来强制优化器使用这个索引,这样可以避免优化器因为统计信息不准或其他问题时,选错索引。

    例如下面查询中,假设在列 id 和 列 title 上都各自有索引 id_idxtitle_idx,你知道 id_idx 的过滤性更好,就可以在 SQL 中使用 USE INDEX Hint 来强制优化器使用 id_idx 索引。

    1. SELECT * FROM t USE INDEX(id_idx) WHERE id = 1 and title = 'database';
  • 查询条件使用 IN 表达式时,后面匹配的条件数量建议不要超过 300 个,否则执行效率会较差。