MySQL索引篇之千万级数据实战测试

1. MySQL索引创建

先说明一个问题啊，如果你创建数据表时创建了主键，此时主键列会自动创建索引

-- 创建索引的语法格式
-- alter table 表名 add index 索引名[可选](列名, ..)
-- 给name字段添加索引
alter table classes add index my_name (name);

2. 索引删除

-- 删除索引的语法格式
-- alter table 表名 drop index 索引名
alter table classes drop index my_name;

-- 备注：如果不知道索引名，可以查看创表sql语句
show create table classes;

3. 特殊索引–联合索引说明：

3.1. 联合索引又叫复合索引，即一个索引覆盖表中两个或者多个字段，一般用在多个字段一起查询的时候
3.2 减少磁盘空间开销，因为每创建一个索引，其实就是创建了一个索引文件，那么会增加磁盘空间的开销。
3.3 联合索引的最左原则：在使用联合索引的时候，我们要遵守一个最左原则,即index(name,age)支持 name 、name 和 age 组合查询,而不支持单独 age 查询，因为没有用到创建的联合索引。

• 联合索引的创建

-- 创建联合索引
alter table teacher add index (name,age);

• 假设我们已经创建了（name, age）的联合索引，看下面：

-- 下面的查询使用到了联合索引
select * from stu where name='张三' -- 这里使用了联合索引的name部分
select * from stu where name='李四' and age=10 -- 这里完整的使用联合索引，包括 name 和 age 部分 
-- 下面的查询没有使用到联合索引
select * from stu where age=10 -- 因为联合索引里面没有这个组合，只有 name | name age 这两种组合

4. 接下来，我们展示一个索引实战案例 – 对比查询效率提升：

# 1. 创建测试表testindex:
create table test_index(title varchar(10));
# 2.  向数据表中写入数据
from pymysql import connect

def main():
    # 创建Connection连接
    conn = connect(host='localhost',port=3306,database='python',user='root',password='mysql',charset='utf8')
    # 获得Cursor对象
    cursor = conn.cursor()
    # 插入10万次数据
    for i in range(10000000):
        cursor.execute("insert into test_index values('ha-%d')" % i)
    # 提交数据
    conn.commit()

if __name__ == "__main__":
    main()

# 3. 开启运行时间监测：
set profiling=1;
# 4. 查找第1000万条数据ha-99999999  （没有索引的情况）
select * from test_index where title='ha-99999999';
# 5. 查看执行的时间：
show profiles;
# 6. 给title字段创建索引：
alter table test_index add index (title);
# 7. 再次执行查询语句           （索引已经创建的情况）
select * from test_index where title='ha-99999999';
# 8. 再次查看执行的时间
show profiles;

• 未建立索引的情况下查询时间：
  
• 建立索引之后的数据查询时间：
  
  对比计算：
  

总结：本次测试结果，创建索引查询与无索引查询对比之下效率提升105倍。