文章目錄
引入
什麼時候走全表掃描
mysql如何預測判斷
引入
有時候我們使用explain來做分析的時候，有時候明明是設置了索引，但是也還是不走索引，而是走了全表掃描。是因爲Mysql做出了一個估計——走全表掃描的效率相比索引來說更高。
那麼Mysql判斷全表掃描更高效的依據有哪些呢？
我們假設數據庫表是這樣的：
CREATE TABLE `t` (
`id` int(11) NOT NULL,
`c` int(11) DEFAULT NULL,
`d` int(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_c` (`c`) USING BTREE
) ENGINE=InnoDB;
1
2
3
4
5
6
7
我們在進行查詢操作的時候，例如
select * from t where 100 < c and c < 100000;
1
然而有些時候，就算你在 c 字段上有索引，系統也並不一定會走 c 這個字段上的索引，而是有可能會直接掃描掃描全表，找出所有符合 100 < c and c < 100000 的數據。
這是爲什麼呢？
什麼時候走全表掃描
我們知道，根據非聚集索引的原理，爲了查詢到某一個c的值，會先在非聚集索引上查找對應的主鍵，然後在聚集索引上查找對應的節點。所以，每個合適的c，都會在數據庫上走兩次索引。
而如果走全表掃描，每個c只會被查詢到一次，而像100<c<100000的這種情況，在c的總量n小於某個數值的時候，顯然是全表掃描比走兩次索引來的快。我們可以計算一下，如果走兩次索引，那麼如果c均勻分佈在100-100000的時候，那麼會走大約200000次索引掃描。只要全表的長度小於200000次，那麼全表掃描顯然是效率更高的。掃描行數越少，意味着I/O操作的次數越少。
mysql數據庫正是遵循了上面這個原理，他會估計哪種方式效率更高，IO次數更少，然後選擇使用合適的查找方式。不過，mysql是如何估計的呢？
之前我們的假設有一個前提，前提是c均勻分佈在某一個範圍內，而數據往往不是這麼均勻的，mysql也不可能像我們之前分析的那樣，有一個數學公式來判斷大於某個值就應該走索引之類的。
mysql如何預測判斷
系統是通過索引的區分度來判斷的，一個索引上不同的值越多，意味着出現相同數值的索引越少，意味着索引的區分度越高。我們也把區分度稱之爲基數，即區分度越高，基數越大。所以呢，基數越大，意味着符合 100 < c and c < 10000 這個條件的行數越少。基數越小，越意味着c的均勻範圍分佈。
所以呢，一個索引的基數越大，意味着走索引查詢越有優勢。
那麼問題來了，怎麼知道這個索引的基數呢？
系統當然是不會遍歷全部來獲得一個索引的基數的，代價太大了，索引系統是通過遍歷部分數據，也就是通過採樣的方式，來預測索引的基數的。
既然是基於統計的，那麼如果樣本有問題就可能導致結果有問題，也不能保證mysql是百分百確性走索引或者走全表掃描是效率最高的。也就是mysql也可能出現失誤的情況。例如你採樣的那一部分數據剛好基數很小，然後就誤以爲索引的基數很小。然後就呵呵，系統就不走 c 索引了，直接走全部掃描了。
所以呢，說了這麼多，得出結論：由於統計的失誤，導致系統沒有走索引，而是走了全表掃描，而這，也是導致我們 SQL 語句執行的很慢的原因。
不過呢，我們有時候也可以通過強制走索引的方式來查詢，例如：
select * from t force index(a) where c < 100 and c < 100000;
1
既然會預測錯索引的基數，這也意味着，當我們的查詢語句有多個索引的時候，系統有可能也會選錯索引哦，這也可能是 SQL 執行的很慢的一個原因。
————————————————
版權聲明：本文爲CSDN博主「No_Game_No_Life_」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/No_Game_No_Life_/article/details/106630197