数据库索引优化：查询速度提升 100 倍

索引的本质

索引是数据库的"目录"，帮助快速定位数据：

• 无索引：全表扫描 O(n)
• 有索引：B+ 树查找 O(log n)

索引类型

B-Tree 索引（最常用）

CREATE INDEX idx_email ON users(email);
-- 适用于：=, >, <, BETWEEN, LIKE "prefix%"

哈希索引

-- MySQL Memory 引擎默认使用
-- 仅适用于：= 精确匹配

复合索引

CREATE INDEX idx_name_age ON users(name, age);
-- 遵循最左前缀原则

覆盖索引

-- 查询字段都在索引中，无需回表
SELECT email FROM users WHERE name = "张三";

索引优化实战

1. EXPLAIN 分析

EXPLAIN SELECT * FROM users WHERE email = "test@example.com";

关注字段：

• type: system > const > eq_ref > ref > range > index > ALL
• key: 实际使用的索引
• rows: 扫描行数

2. 避免索引失效

-- ❌ 索引失效
SELECT * FROM users WHERE YEAR(created_at) = 2024;
SELECT * FROM users WHERE name LIKE "%张%";
SELECT * FROM users WHERE email = LOWER("TEST@EXAMPLE.COM");

-- ✅ 索引有效
SELECT * FROM users WHERE created_at >= "2024-01-01";
SELECT * FROM users WHERE name LIKE "张%";

3. 复合索引顺序

-- 高频条件放前面
CREATE INDEX idx_status_created ON orders(status, created_at);

常见误区

1. 索引越多越好？ → 错！写操作会变慢
2. 主键一定是自增 ID？ → 不一定，看场景
3. 唯一索引和普通索引性能一样？ → 唯一索引略快

监控和维护

-- 查看索引使用情况
SHOW INDEX FROM users;

-- 分析表
ANALYZE TABLE users;

-- 删除无用索引
DROP INDEX idx_unused ON users;

性能对比

场景	无索引	有索引
100 万数据查询	2s	0.02s
JOIN 操作	10s	0.1s

结语

索引是数据库优化的利器，但需要合理使用。定期分析慢查询，持续优化。