制作mysql大数据表验证覆盖索引
昨天跟同事聊起数据表性能的问题，能不能仅用覆盖索引实现数据的汇总统计。找了一个开发环境已有的数据表进行测试，通过explain命令，能看到mysql通过覆盖索引就能实现sum的需求，而无须去读取实际行数据。
但开发环境数据量太小，对执行时间的优化，没有直观感受，于是决定做一个数据量能到千万级的数据表，方便测试。写个java程序来填充随机数据是第一选择，但还要动用IDE太麻烦，尝试直接使用mysql的函数来实现。
1 数据表设计
目的是演示如何生成千万级数据，只设计了一个最简单常用的数据表:user。
CREATE TABLE `user` ( `user_id` bigint(20) NOT NULL AUTO_INCREMENT, `account` varchar(32) COLLATE utf8_bin NOT NULL, `password` varchar(128) COLLATE utf8_bin NOT NULL, `name` varchar(32) COLLATE utf8_bin NOT NULL, `email` varchar(64) COLLATE utf8_bin DEFAULT NULL, `mobile` varchar(20) COLLATE utf8_bin DEFAULT NULL, `age` int(10) unsigned NOT NULL DEFAULT 0, PRIMARY KEY (`user_id`) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COLLATE=utf8_bin;
2 编写函数/过程
mysql的rand()函数，返回的是一个随机浮点数。为了实现随机插入数据，将基于这个函数实现。
2.1 获取随机整数
CREATE FUNCTION `getRandomInt`(`maxValue` int) RETURNS int(11) BEGIN DECLARE randomInt int default 0; SET randomInt = FLOOR(rand() * `maxValue`); RETURN randomInt; END
2.2 获取随机字符串
CREATE FUNCTION `getRandomString`(`length` int) RETURNS varchar(128) CHARSET utf8 COLLATE utf8_bin BEGIN DECLARE result VARCHAR(128) default ''; DECLARE chars varchar(30) default 'abcdefghijklmnopqrstuvwxyz'; #全小写字母 DECLARE charIndex int default 0; WHILE length > 0 DO SET charIndex = getRandomInt(26); SET result = concat(result, SUBSTRING(chars, charIndex + 1, 1)); SET length = length - 1; END WHILE; RETURN result; END
2.3 获取随机手机号
11位手机号，必须1开始，后续10位只要是数字就行，有点不符合现在的手机号规则。
CREATE FUNCTION `getRandomMobile`() RETURNS varchar(128) CHARSET utf8 COLLATE utf8_bin BEGIN DECLARE result VARCHAR(128) default '1'; DECLARE chars varchar(30) default '123456789'; DECLARE charIndex int default 0; DECLARE length int DEFAULT 10; WHILE length > 0 DO SET charIndex = getRandomInt(9); SET result = concat(result, SUBSTRING(chars, charIndex + 1, 1)); SET length = length - 1; END WHILE; RETURN result; END
2.4 获取随机汉字
中文汉字的unicode，是从0X4E00(19968)开始的，写个函数随机从前2000个汉字中读出一个。这儿要注意的是char的方法，想生成汉字要使用 using utf16。实测生成的数据存入到 utf8 编码的数据表字段中，能正确显示。
CREATE FUNCTION `getRandomChineseChar`() RETURNS varchar(2) CHARSET utf8 BEGIN DECLARE charValue int DEFAULT 19968; SET charValue = charValue + getRandomInt(2000); RETURN char(charValue using utf16); END
2.5 获取随机姓名
姓名还不能完全使用随机汉字，“姓”我决定从百家姓里取前两百个。贴出来的代码中字符串不完整，感兴趣的自己上网查下来补一下就行。
CREATE FUNCTION `getRandomChineseName`() RETURNS varchar(20) CHARSET utf8 BEGIN DECLARE LAST_NAMES VARCHAR(300) DEFAULT '赵钱孙李周吴郑王...'; DECLARE chineseName varchar(20) default ''; SET chineseName = SUBSTRING(LAST_NAMES, getRandomInt(200) + 1, 1); SET chineseName = concat(chineseName, getRandomChineseChar()); SET chineseName = concat(chineseName, getRandomChineseChar()); RETURN chineseName; END
2.6 插入随机用户数据
在这个过程中实现真正插入用户数据。
CREATE PROCEDURE `createRandomUser`(IN `count` int) BEGIN DECLARE userCount DECIMAL(10) default 0; DECLARE account VARCHAR(32) DEFAULT ''; DECLARE thePassword VARCHAR(128) DEFAULT ''; DECLARE theName VARCHAR(32) DEFAULT ''; DECLARE email VARCHAR(64) DEFAULT ''; DECLARE mobile VARCHAR(20) DEFAULT ''; DECLARE age int DEFAULT 0; WHILE userCount < `count` DO SET account = getRandomString(10); SET thePassword = getRandomString(20); SET theName = getRandomChineseName(); SET email = concat(account, '@codestory.tech'); SET mobile = getRandomMobile(); SET age = 10 + getRandomInt(50); #年龄10-60岁 insert into user values(null, account, thePassword, theName, email, mobile, age); SET userCount = userCount + 1; END WHILE; END
3 生成数据
执行过程，就可以生成相应的数据。如下代码生成100行
[SQL] call createRandomUser(100); 受影响的行: 100 时间: 1.004s
我电脑上这个表的数据行数
mysql> select count(*) from user\G; *************************** 1. row *************************** count(*): 10001102 1 row in set (5.70 sec)
如下是我生成的部分数据
4 索引对查询性能的影响
设计一个简单的查询：所有赵姓用户且手机号139开头，平均年龄是多少?
测试SQL，以及查看执行情况
select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; explain select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G;
4.1 只有主键的情况
我们前面创建数据表时，只设置了主键，没有创建任何索引。这时候执行情况
mysql> select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** count(user_id): 682 avg(age): 34.4296 1 row in set (7.03 sec)
执行耗时7.03秒
mysql> explain select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: user type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 9928072 Extra: Using where 1 row in set (0.00 sec)
可以看到，查询使用的是全表查询，读了所有的数据行。
4.2 单字段索引-name
首先在name字段创建一个单字段索引
mysql>ALTER TABLE `user` ADD INDEX `idx_user_name` (`name`) USING BTREE ; Query OK, 0 rows affected (1 min 34.35 sec) Records: 0 Duplicates: 0 Warnings: 0
执行SQL
mysql> select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** count(user_id): 682 avg(age): 34.4296 1 row in set (3.52 sec)
耗时3.52秒
mysql> explain select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: user type: range possible_keys: idx_user_name key: idx_user_name key_len: 98 ref: NULL rows: 100634 Extra: Using index condition; Using where 1 row in set (0.00 sec)
使用索引进行检索，读取的数据减少到 10万行。
4.3 单字段索引-mobile
为了测试方便，先删除name字段的索引，再创建一个mobile字段索引
mysql> ALTER TABLE `user` DROP INDEX `idx_user_name`; Query OK, 0 rows affected (0.05 sec) Records: 0 Duplicates: 0 Warnings: 0 mysql>ALTER TABLE `user` ADD INDEX `idx_user_mobile` (`mobile`) USING BTREE ; Query OK, 0 rows affected (1 min 27.50 sec) Records: 0 Duplicates: 0 Warnings: 0
执行SQL
mysql> select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** count(user_id): 682 avg(age): 34.4296 1 row in set (9.93 sec)
耗时9.93秒
mysql> explain select count(user_id), avg(age) from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: user type: range possible_keys: idx_user_mobile key: idx_user_mobile key_len: 63 ref: NULL rows: 233936 Extra: Using index condition; Using where 1 row in set (0.00 sec)
尽管我们的SQL语句将mobile字段作为第二个查询条件，mysql仍然使用了mobile上的索引进行检索。mobile索引过滤出来的数据有23万行，比基于name的更多，所以耗时也就更长。
4.4 双字段索引-name & mobile
这次我们将两个字段建成一个联合索引。
mysql> ALTER TABLE `user` DROP INDEX `idx_user_mobile`; Query OK, 0 rows affected (0.07 sec) Records: 0 Duplicates: 0 Warnings: 0 mysql> ALTER TABLE `user` ADD INDEX `idx_user_name_mobile` (`name`, `mobile`) USING BTREE ; Query OK, 0 rows affected (1 min 54.81 sec) Records: 0 Duplicates: 0 Warnings: 0
执行SQL
mysql> select avg(age) as age_avg from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** age_avg: 34.4296 1 row in set (0.06 sec)
执行时间大大缩短，只需要0.06秒
mysql> explain select avg(age) as age_avg from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: user type: range possible_keys: idx_user_name_mobile key: idx_user_name_mobile key_len: 161 ref: NULL rows: 100764 Extra: Using index condition 1 row in set (0.00 sec)
读取的行数还是10万行，但时间大大缩短。从这个时间，我们应该能够猜出mysql的过滤数据的过程。mysql执行where过滤时仅仅通过索引即可完成，然后根据索引中的user_id去数据页面读取相应的age值出来做平均。
4.5 终极版-覆盖索引
前面的分析可以看到，为了计算平均值，mysql还需要读取行数据。如果age字段也在这个索引中，查询性能会进一步提升吗？因为不再读行数据。
调整索引
mysql> ALTER TABLE `user` DROP INDEX `idx_user_name_mobile`; Query OK, 0 rows affected (0.06 sec) Records: 0 Duplicates: 0 Warnings: 0 mysql> ALTER TABLE `user` ADD INDEX `idx_user_name_mobile_age` (`name`, `mobile`, `age`) USING BTREE ; Query OK, 0 rows affected (1 min 55.32 sec) Records: 0 Duplicates: 0 Warnings: 0
执行SQL
mysql> select avg(age) as age_avg from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** age_avg: 34.4296 1 row in set (0.04 sec)
执行时间更短，仅为0.04秒。数据量可能还不够大，同上一个执行的区别不是太大。
mysql> explain select avg(age) as age_avg from user where name like '赵%' and mobile like '139%'\G; *************************** 1. row *************************** id: 1 select_type: SIMPLE table: user type: range possible_keys: idx_user_name_mobile_age key: idx_user_name_mobile_age key_len: 161 ref: NULL rows: 103688 Extra: Using where; Using index 1 row in set (0.00 sec)
最重要的变化是Extra信息：Using index condition 变成 Using index。Using index condition 表示使用了索引作为查询过滤的条件；Using index表示整个SQL只使用了索引。
