如何用AI优化索引？被查询的列，为啥要放到索引里？（第18讲，MySQL必知必会）

《AI时代-数据库架构100讲》

18.MySQL索引覆盖

前面留了一个尾巴：

select id,name where name='shenjian'

select id,name,sex where name='shenjian'

多查询了一个属性，为何检索过程完全不同？

什么是回表查询？

什么是索引覆盖？

如何实现索引覆盖？

哪些场景，可以利用索引覆盖来优化SQL？

这些，这是今天要分享的内容。

一、什么是回表查询？

这先要从InnoDB的索引实现说起，InnoDB有两大类索引：

1. 聚集索引(clustered index)；

2. 普通索引(secondary index)；

InnoDB聚集索引和普通索引有什么差异？

InnoDB聚集索引的叶子节点存储行记录，因此， InnoDB必须要有，且只有一个聚集索引：

1. 如果表定义了PK，则PK就是聚集索引；

2. 如果表没有定义PK，则第一个not NULL unique列是聚集索引；

3. 否则，InnoDB会创建一个隐藏的row-id作为聚集索引；

画外音：所以PK查询非常快，直接定位行记录。

InnoDB普通索引的叶子节点存储主键值。

画外音：注意，不是存储行记录头指针，MyISAM的索引叶子节点存储记录指针。

举个栗子，不妨设有表：

t(id PK, name KEY, sex, flag);

画外音：id是聚集索引，name是普通索引。

表中有四条记录：

1, shenjian, m, A

3, zhangsan, m, A

5, lisi, m, A

9, wangwu, f, B

图片

两个B+树索引分别如上图：

1. id为PK，聚集索引，叶子节点存储行记录；

2. name为KEY，普通索引，叶子节点存储PK值，即id；

既然从普通索引无法直接定位行记录，那普通索引的查询过程是怎么样的呢？

通常情况下，需要扫码两遍索引树。

例如：

select * from t where name='lisi';

是如何执行的呢？

图片

如粉红色路径，需要扫码两遍索引树：

1. 先通过普通索引定位到主键值id=5；

2. 在通过聚集索引定位到行记录；

这就是所谓的回表查询，先定位主键值，再定位行记录，它的性能较扫一遍索引树更低。

二、什么是索引覆盖(Covering index)？

额，楼主并没有在MySQL的官网找到这个概念。

借用一下SQL-Server官网的说法。

图片

MySQL官网，类似的说法出现在explain查询计划优化章节，即explain的输出结果Extra字段为Using index时，能够触发索引覆盖。

图片

不管是SQL-Server官网，还是MySQL官网，都表达了：只需要在一棵索引树上就能获取SQL所需的所有列数据，无需回表，速度更快。

三、如何实现索引覆盖？

常见的方法是：将被查询的字段，建立到联合索引里去。

还是之前文章的例子：

create table user (

id int primary key,

name varchar(20),

sex varchar(5),

index(name)

)engine=innodb;

第一个SQL语句：

图片

select id,name from user where name='shenjian';

能够命中name索引，索引叶子节点存储了主键id，通过name的索引树即可获取id和name，无需回表，符合索引覆盖，效率较高。

画外音，Extra：Using index。

第二个SQL语句：

图片

select id,name,sex from user where name='shenjian';

能够命中name索引，索引叶子节点存储了主键id，但sex字段必须回表查询才能获取到，不符合索引覆盖，需要再次通过id值扫码聚集索引获取sex字段，效率会降低。

画外音，Extra：Using index condition。

如果把(name)单列索引升级为联合索引(name, sex)就不同了。

create table user (

id int primary key,

name varchar(20),

sex varchar(5),

index(name, sex)

)engine=innodb;

图片

可以看到：

select id,name ... where name='shenjian';

select id,name,sex ... where name='shenjian';

都能够命中索引覆盖，无需回表。

画外音，Extra：Using index。

四、哪些场景可以利用索引覆盖来优化SQL？

场景1：全表count查询优化

图片

原表为：

user(PK id, name, sex)；

直接：

select count(name) from user;

不能利用索引覆盖。

添加索引：

alter table user add key(name);

就能够利用索引覆盖提效。

场景2：列查询回表优化

select id,name,sex ... where name='shenjian';

这个例子不再赘述，将单列索引(name)升级为联合索引(name, sex)，即可避免回表。

场景3：分页查询

select id,name,sex ... order by name limit 500,100;

将单列索引(name)升级为联合索引(name, sex)，也可以避免回表。

五、AI时代，AI如何帮助我们做优化？

随着AI技术的发展，数据库优化也进入了智能化时代。索引覆盖的创建和维护，不再仅仅依赖DBA的经验，AI可以通过分析大量查询模式和数据特征，自动推荐甚至自动创建最合适的覆盖索引。

传统做法需要DBA分析慢查询日志，再手动创建索引。

而AI驱动的方式是：

1. 自动识别高频查询模式；

2. AI系统持续分析SQL日志，自动识别出高频且性能关键的查询；

3. 通过EXPLAIN分析，发现上述查询需要回表，性能有优化空间；

4. 智能推荐覆盖索引；

在这个过程中，AI会推荐联合索引，这个索引包含where条件和select列表的字段，来实现索引覆盖。

AI还会计算索引的选择性、存储成本等，确保推荐合理。创建索引后，AI持续监控其使用效果。如果业务模式变化，AI会自动识别并建议调整或删除不必要的索引。

更具体的，云服务商的数据库AI功能，例如DAS的自动索引推荐、DBbrain的索引优化建议，大家都可以尝试尝试。

InnoDB聚集索引普通索引，回表，索引覆盖，希望这1分钟大家有收获。

知其然，知其所以然。

思路比结论更重要。

==全文完==