MySQL中创建及优化索引组织结构的思路

数据库 MySQL
通过一个实际生产环境中的数据存取需求,分析如何设计此存储结构,如何操纵存储的数据,以及如何使操作的成本或代价更低,系统开销最小。同时,让更多初学者明白数据存储的表上索引是如何一个思路组织起来的,希望起到一个参考模板的价值作用。

测试用例描述

测试用例为B2C领域,一张用于存储用户选购物品而生成的产品订单信息表,不过去掉一些其他字段,以便用于测试,其表中的数据项也不特别描述,字段意思见表

  1. USE `test`; 
  2. DROP TABLE IF EXISTS `test`.`goods_order`; 
  3. CREATE TABLE `goods_order`( 
  4. `order_id`        INT UNSIGNED      NOT NULL             COMMENT ‘订单单号’, 
  5. `goods_id`        INT UNSIGNED      NOT NULL DEFAULT ’0′ COMMENT ‘商品款号’, 
  6. `order_type`      TINYINT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘订单类型’, 
  7. `order_status`    TINYINT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘订单状态’, 
  8. `color_id`        SMALLINT  UNSIGNED NOT NULL DEFAULT ’0′ COMMENT ‘颜色id’, 
  9. `size_id`         SMALLINT  UNSIGNED NOT NULL DEFAULT ’0′ COMMENT ‘尺寸id’, 
  10. `goods_number`    MEDIUMINT  UNSIGNED NOT NULL DEFAULT ’0′ COMMENT ‘数量’, 
  11. `depot_id`        INT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘仓库id’, 
  12. `packet_id`       INT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘储位code’, 
  13. `gmt_create`      TIMESTAMP     NOT NULL DEFAULT ’0000-00-00 00:00:00′ COMMENT ‘添加时间’, 
  14. `gmt_modify`      TIMESTAMP     NOT NULL DEFAULT ’0000-00-00 00:00:00′ COMMENT ‘更新时间’, 
  15. PRIMARY KEY(order_id,`goods_id`) 
  16. )ENGINE=InnoDB AUTO_INCREMENT=1 CHARACTER SET ‘utf8′ COLLATE ‘utf8_general_ci’; 

其中,主键信息:PRIMARY KEY(order_id,`goods_id`),为何主键索引索引字段的顺序为:order_id,`goods_id`,而不是: `goods_id`, order_id呢?原因很简单,goods_id在订单信息表中的重复率会比order_id高,也即order_id的筛选率更高,可以减少扫描索引记录个数,从而达到更高的效率,同时,下面即将会列出的SQL 也告诉我们,有部分SQL 语句的WHERE字句中只出现order_id字段,为此更加坚定我们必须把字段:order_id作为联合主键索引的头部,`goods_id`为联合主键索引的尾部。

数据存储表设计的小结:

设计用于存储数据的表结构,首先要知道有哪些数据项,也即行内常说的数据流,以及各个数据项的属性,比如存储的数据类型、值域范围及长度、数据完整性等要求,从而确定数据项的属性定义。存储的数据项信息确定之后,至少进行如下三步分析:

  •  首先,确定哪些数据项或组合,可以作为记录的唯一性标志;
  •  其次,要确定对数据记录有哪些操作,每个操作的频率如何,对网站等类型应用,还需要区分前台操作和后台操作,也即分外部用户的操作,还是内部用户的操作;
  •  最后,对作为数据记录操作的条件部分的数据项,分析其数据项的筛选率如何,也即数据项不同值占总数据记录数的比例关心,比例越接近1则是筛选率越好,以及各个值得分布率;

综上所述,再让数据修改性操作优先级别高于只读性操作,就可以创建一个满足要求且性能较好的索引组织结构。

数据的存取设计,就涉及一块非常重要的知识: 关系数据库的基础知识和关系数据理论的范式。对于范式的知识点,特别解释下,建议学到BCNF范式为止,1NF、2NF、3NF和BCNF之间的差别,各自规避的问题、存在的缺陷都要一清二楚,但是在真实的工作环境中,不要任何存取设计都想向范式靠,用一句佛语准确点表达:空即是色,色即是空。

用于生成测试数据的存储过程代码

创建索引,就离不开表存储的真实数据,为此编写一个存储过程近可能模拟真实生产环境中的数据,同时也方便大家使用此存储过程,在自己的测试环境中,真实感受验证,

存储过程代码:

  1. DELIMITER $$ 
  2. DROP PROCEDURE IF EXISTS `usp_make_data` $$ 
  3. CREATE PROCEDURE `usp_make_data`() 
  4. BEGIN 
  5. DECLARE iv_goods_id INT UNSIGNED DEFAULT 0; 
  6. DECLARE iv_depot_id INT UNSIGNED DEFAULT 0; 
  7. DECLARE iv_packet_id INT UNSIGNED DEFAULT 0; 
  8.   
  9. SET iv_goods_id=5000; 
  10. SET iv_depot_id=10; 
  11. SET iv_packet_id=20; 
  12.   
  13. WHILE iv_goods_id>0 
  14. DO 
  15. START  TRANSACTION
  16. WHILE iv_depot_id>0 
  17. DO 
  18. WHILE iv_packet_id>0 
  19. DO 
  20. INSERT INTO goods_order(order_id,goods_id,order_type,order_status,color_id,size_id,goods_number,depot_id,packet_id,gmt_create,gmt_modify) 
  21. VALUES(SUBSTRING(RAND(),3,8),iv_goods_id,SUBSTRING(RAND(),3,1),SUBSTRING(RAND(),5,1)%2,SUBSTRING(RAND(),3,3),SUBSTRING(RAND(),4,3),SUBSTRING(RAND(),5,2), 
  22. iv_depot_id,SUBSTRING(RAND(),4,2)*iv_packet_id,DATE_ADD(NOW(),INTERVAL -SUBSTRING(RAND(),2,3) DAY),DATE_ADD(NOW(),INTERVAL -SUBSTRING(RAND(),3,2) DAY
  23. ); 
  24. SET iv_packet_id=iv_packet_id-1; 
  25. END WHILE; 
  26. SET iv_packet_id=20; 
  27. SET iv_depot_id=iv_depot_id-1; 
  28. END WHILE ; 
  29.   
  30. COMMIT
  31. SET iv_depot_id=10; 
  32. SET iv_goods_id=iv_goods_id-1; 
  33. END WHILE ; 
  34. END $$ 
  35. DELIMITER ; 

业务逻辑描述

  •  非注册用户,或网站的注册用户不登陆,都能可选购买物品,生成订单号对应的用户UID为系统默认的;
  •  订单与用户UID关联、描述等信息,存储其它的表中,通过订单号的模式关联;
  •  用户的订单信息,在未付款之前都可以再修改,付款之后则无法修改;
  •  已经付费的订单信息,自动发送到物流部门,进行后续工序的操作。处理完毕之后,会更新订单中涉及物品的存储位置信息;
  •  定期读取部分数据到数据仓库分析系统,用于统计分析;
  •  个人订单查询,前后台都有;
  •  购物记录查询显示;

根据业务规则描述需要使用操纵数据的SQL 语句

  1. EXPLAIN SELECT * FROM goods_order WHERE `order_id`=40918986; 
  2. SELECT * FROM goods_order WHERE `order_id` IN (40918986,40717328,30923040…) ORDER BY gmt_modify DESC
  3. UPDATE goods_order SET gmt_modify=NOW(),…. WHERE `order_id`=40717328 AND goods_id=4248; 
  4. SELECT COUNT(*) FROM goods_order WHERE depot_id=0 ORDER BY gmt_modify DESC LIMIT 0,50; 
  5. SELECT * FROM goods_order WHERE depot_id=6 AND packet_id=0 ORDER BY gmt_modify DESC LIMIT 0,50; 
  6. SELECT COUNT(*) FROM goods_order WHERE goods_id=4248 AND order_status=0 AND order_type=1 
  7. SELECT * FROM goods_order WHERE goods_id=4248 AND order_status=0 AND order_type=1 ORDER BY gmt_modify DESC LIMIT 0,50; 
  8. SELECT * FROM goods_order WHERE gmt_modify>=’ 2011-04-06’; 
  •  前台用户点击触发的操作而会执行的SQL 语句为:01、02、03;
  •  后台内部用户点击触发的操作而会执行的SQL 语句为:01、02、03、04、05、06、07;
  •  后台系统自动定期执行:04、05、06、07,工作时间正常情况每隔15分钟执行一次,以检查是否有已付款而没有准备货物的订单、是否有收款而未发货的订单等;
  •  统计分析系统定期导出数据而执行的SQL 语句为:08,频率为每24小时一次;

我们再分析上述列出来的SQL ,分为2类,一类是读操作的SQL (备注:SELECT操作),另外一类为修改性操作(备注:UPDATE、DELETE操作),分别如下:

SELECT 的WHERE子句、GROUP BY子、ORDER BY 子句和HAVING 子句中,出现的字段:

(1). order_id

(2). order_id+gmt_modify

(3). depot_id+gmt_modify

(4). depot_id+packet_id+gmt_modify

(5). goods_id+order_status+order_type

(6). goods_id+order_status+order_type+gmt_modify

(7). gmt_modify

修改性操作的WHERE子句中出现的条件字段:

(8). order_id+ goods_id

我们已经存在主键索引:PRIMARY KEY(order_id,`goods_id`),另外考虑到此表数据的操作以SELECT和INSERT为主,UPDATE的SQL 量其次,再根据上述SQL 语句,为此我们可以初步确定需要创建的索引:

  1. ALTER TABLE goods_order 
  2. ADD INDEX idx_goodsID_orderType_orderStatus_gmtmodify(goods_id,order_type,order_status,gmt_modify), 
  3. ADD INDEX idx_depotID_packetID_gmtmodify(depot_id,packet_id,gmt_modify); 

总结:

文章中也分析了为何联合主键索引的顺序为:order_id,`goods_id`,再补充下作为主键的联合索引的字段属性的其他特性:字段值写入之后不变化、字段值长度短且最好为数值类型;

对于编号SQL :(8),每天按更新日期读取一次数据的操作,以采用全表扫描的方式实现,牺牲其数据读取的性能,以减少更新字段修改日期的值而带来的索引维护开销;

对于编号SQL :(4)、(5),考虑到每次都是读取最新的50条记录,以及读取的数据基本上可肯定为热数据,为此不得不牺牲其中一条SQL 的数据读取性能,而少创建一个联合索引,从而减少维护索引字段的IO量;

对于编号SQL :(6)、(7),创建的联合索引,需要特别注意联合索引:idx_goodsID_orderType_orderStatus_gmtmodify(goods_id,order_type,order_status,gmt_modify)中的字段顺序,其中:

  •  goods_id字段的筛选率高于order_type,order_status,另外gmt_modify字段只出现在ORDER BY子句中,为此只有让goods_id字段作为联合索引的头部,以提高索引的筛选率,从而提高索引的效率,减少逻辑或物理的读。
  •  order_status字段只有0或1两种值,而order_type有多种,以及根据SQL 语句,必须order_type出现在联合中的位置要比order_status靠近头部;
  •  gmt_modify字段出现在ORDER BY子句中,为此必须放到联合索引字段的最后;

最后,再梳理一下从需求到设计存储结构,再到编写SQL 和创建索引结构,我们应该做的步骤:

  •  整理业务产生的数据流,读取数据的方式;
  •  整理清楚数据流中的每个数据项属性信息;
  •  分析业务指标,推测需要存储数据的规模(备注:一定要以多少GB 作为容量单位);
  •  选择可能用于支持业务的硬件设备和数据库架构;
  •  把所有可能操纵数据的条件和操作类型,都整理清楚;
  •  分析操纵数据条件字段各自的数据筛选率;
  •  权衡各个SQL 的性能和IO量,也即类似于哪个操作权重高一些,那些操作权重适当低一些;
  •  创建索引组织结构;
  •  收集测试和生产环境的反馈信息,优化索引组织结构;

备注:

本想再用测试环境结合业务的方式,跑一套模拟测试脚本程序,让大家更加直观地看到不同索引组织情况下,相同的SQL 操作及频率,数据库服务器的处理能力和负载变化及对比信息,可惜唯一的服务器无法使用了,只好放弃。对于分析相同的SQL ,走不通索引,其需要的逻辑IO和物理IO量也是一个办法,此次就不分析了,有需要的朋友可以去玩玩,另外建议初学者一定要好好阅读下mysql 手册上的相关章节内容:7.2.6. Index Merge Optimization。

原文链接:http://arlxy.iteye.com/blog/1191029

【编辑推荐】

  1. 说说一些有用的MySQL语句
  2. Craigslist采用MongoDB替代MySQL
  3. MySQL中的NoSQL插件
  4. SQL与NoSQL——MySQL与NoSQL的融合
  5. 论MySQL何时使用索引,何时不使用索引
责任编辑:艾婧 来源: arlxy的博客
相关推荐

2011-05-30 10:36:49

MySQL

2021-11-09 07:59:50

开发

2020-03-27 15:40:10

MySQL索引数据库

2023-02-24 16:37:04

MySQL数据查询数据库

2011-07-11 15:28:19

MySQL索引优化

2011-07-11 15:03:36

MySQL索引数据结构

2011-07-11 16:05:42

MySQL索引

2010-06-04 11:28:05

MySQL数据库

2011-06-14 10:43:44

索引

2023-06-23 15:22:28

JettyJava

2010-10-13 10:27:35

MySQL修改表结构

2020-10-19 19:45:58

MySQL数据库优化

2023-12-08 09:15:53

Java单表树形结构Tree

2011-07-11 13:11:54

MySQL索引数据结构

2017-07-25 12:07:14

MySQL索引SQL

2010-05-21 10:01:11

MySQL数据库

2018-08-07 16:17:35

JavaMySQL数据库

2018-06-07 08:54:01

MySQL性能优化索引

2023-03-27 09:57:00

PostgreSQL并发索引

2010-05-12 11:14:25

MySQL SQL优化
点赞
收藏

51CTO技术栈公众号