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 userG;
*************************** 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。