mysql 索引使用教程

标签：utf8   class   除了   磁盘空间   from   顺序   file   一段   文件   

1.什么索引

　　索引是一种特殊的文件(InnoDB数据表上的索引是表空间的一个组成部分)，它们包含着对数据表里所有记录的位置信息。更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度.

2.索引工作原理

　　除了词典，生活中随处可见索引的例子，如火车站的车次表、图书的目录等。它们的原理都是一样的，通过不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是我们总是通过同一种查找方式来锁定数据。

　　数据库也是一样，但显然要复杂许多，因为不仅面临着等值查询，还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段……这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。

3.查看一个表中是否已经创建索引

show index from 表名;

4.创建索引（如果指定字段是字符串，需要指定长度，建议长度与定义字段时的长度一致，字段类型如果不是字符串，可以不填写长度部分）

create index 索引名 on 数据表（字段名称长度）

5.删除索引

drop index 索引名称 on 数据表

6.测试数据表是否能加快查询速度

6.1创建一个数据表

create table my_index(title varchar(10));

6.2 插入数据

from pymysql import connect

def main():
    # 创建Connection连接
    conn = connect(host=‘localhost‘,port=3306,database=‘python_test_1‘,user=‘root‘,password=‘xu666666‘,charset=‘utf8‘)
    # 获得Cursor对象
    cursor = conn.cursor()
    # 插入10万次数据
    for i in range(100000):
        cursor.execute("insert into my_index values(‘ha-%d‘)" % i)
    # 提交数据
    conn.commit()

if __name__ == "__main__":
    main()

6.3 开始查询并启动时间检测

• 开启运行时间监测：

set profiling=1;

• 查找第1万条数据ha-99999

select * from my_index where title=‘ha-99999‘;

• 查看执行的时间：

show profiles;

• 为表title_index的title列创建索引：

create index test_index on my_index(title(10));

• 执行查询语句：

select * from my_index where title=‘ha-99999‘;

• 再次查看执行的时间

show profiles;

6.4 测试结果

注意

　　1.索引可以明显提高某些字段的查询效率，但不能加快插入，更新，删除数据的效率，相反由于每次数据表数据的更改都会让索引重新排列，会降低效率

　　2.要注意的是，建立太多的索引将会影响更新和插入的速度，因为它需要同样更新每个索引文件。对于一个经常需要更新和插入的表格，就没有必要为一个很少使用的where字句单独建立索引了，对于比较小的表，排序的开销不会很大，也没有必要建立另外的索引。建立索引会占用磁盘空间。

 　  3. 建立索引要创建在常用的查询字段上，并且根据自己的需求建立说因数量

mysql 索引使用教程

标签：utf8   class   除了   磁盘空间   from   顺序   file   一段   文件   

原文地址：https://www.cnblogs.com/xuchuankun/p/9451495.html