MySQL中创建及优化索引组织结构的思路

分享到

作者：金官丁，发布于2013-1-9

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。

1.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：

  USE `test`; 
  DROP TABLE IF EXISTS `test`.`goods_order`;   
  CREATE TABLE `goods_order`(  
  `order_id`        INT UNSIGNED      NOT NULL             COMMENT '订单单号',  
  `goods_id`        INT UNSIGNED      NOT NULL DEFAULT '0' COMMENT '商品款号',  
  `order_type`      TINYINT UNSIGNED  NOT NULL DEFAULT '0' COMMENT '订单类型',  
  `order_status`    TINYINT UNSIGNED  NOT NULL DEFAULT '0' COMMENT '订单状态',  
  `color_id`        SMALLINT  UNSIGNED NOT NULL DEFAULT '0' COMMENT '颜色id',  
  `size_id`         SMALLINT  UNSIGNED NOT NULL DEFAULT '0' COMMENT '尺寸id',  
  `goods_number`    MEDIUMINT  UNSIGNED NOT NULL DEFAULT '0' COMMENT '数量',  
  `depot_id`        INT UNSIGNED  NOT NULL DEFAULT '0' COMMENT '仓库id',  
  `packet_id`       INT UNSIGNED  NOT NULL DEFAULT '0' COMMENT '储位code',  
  `gmt_create`      TIMESTAMP     NOT NULL DEFAULT '0000-00-00 00:00:00' COMMENT '添加时间',  
  `gmt_modify`      TIMESTAMP     NOT NULL DEFAULT '0000-00-00 00:00:00' COMMENT '更新时间',  
  PRIMARY KEY(order_id,`goods_id`)  
  )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。

2.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：

  DELIMITER $$  
  DROP PROCEDURE IF EXISTS `usp_make_data` $$  
  CREATE PROCEDURE `usp_make_data`()  
  BEGIN   
    DECLARE iv_goods_id INT UNSIGNED DEFAULT 0;      
	DECLARE iv_depot_id INT UNSIGNED DEFAULT 0;      
	DECLARE iv_packet_id INT UNSIGNED DEFAULT 0;            
	SET iv_goods_id=5000;      
	SET iv_depot_id=10;      
	SET iv_packet_id=20;            
	WHILE iv_goods_id>0       
	DO     
	 START  TRANSACTION;        
	  WHILE iv_depot_id>0         
	  DO          
	  WHILE iv_packet_id>0         
	    DO           
		  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) 
		  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), 
		  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)
		     );            
		  SET iv_packet_id=iv_packet_id-1;            
		  END WHILE;                  
		  SET iv_packet_id=20;          
		  SET iv_depot_id=iv_depot_id-1;          
		END WHILE ;                
		COMMIT;        
		SET iv_depot_id=10;        
		SET iv_goods_id=iv_goods_id-1;      
      END WHILE ;      
    END $$  DELIMITER ;

3.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;

4.根据业务规则描述需要使用操纵数据的SQL语句

  EXPLAIN SELECT * FROM goods_order 
  WHERE `order_id`=40918986;  
  SELECT * FROM goods_order 
  WHERE `order_id` IN (40918986,40717328,30923040...) 
  ORDER BY gmt_modify DESC;  
  UPDATE goods_order SET gmt_modify=NOW(),.... 
  WHERE  `order_id`=40717328 AND goods_id=4248;  
  SELECT COUNT(*) 
  FROM goods_order 
  WHERE depot_id=0 ORDER BY gmt_modify DESC LIMIT 0,50;  
  SELECT * FROM goods_order 
  WHERE depot_id=6 AND packet_id=0 ORDER BY gmt_modify DESC LIMIT 0,50;  
  SELECT COUNT(*)
  FROM goods_order 
  WHERE goods_id=4248 AND order_status=0 AND order_type=1  
  SELECT * FROM goods_order 
  WHERE goods_id=4248 AND order_status=0 AND order_type=1 ORDER BY gmt_modify DESC LIMIT 0,50;  
  SELECT * FROM goods_order WHERE gmt_modify>=’ 2011-04-06’;

8条SQL语句按触发其执行的用户分类：

前台用户点击触发的操作而会执行的SQL语句为：(1)、(2)、(3);
后台内部用户点击触发的操作而会执行的SQL语句为：(1)、(2)、(3)、(4)、(5)、(6)、(7);
后台系统自动定期执行：(4)、(5)、(6)、(7)，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：(8)，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：

  ALTER TABLE goods_order   
  ADD INDEX idx_goodsID_orderType_orderStatus_gmtmodify(goods_id,order_type,order_status,gmt_modify),  
  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。