【当前独家】MySQL中字符串查询效率大比拼

• 2023-06-01 17:02:11 来源：博客园

背景

最近有个同事对字符串加索引，加完后，发现多了个奇奇怪怪的数字执行的SQL如下：

【资料图】

alter table string_index_test add index `idx_name` (`name`) USING BTREE;

这个奇怪数字就是191，它很是疑惑，也没指定索引的长度通过查看MySQL官方文档

InnoDB has a maximum index length of 767 bytes for tables that use COMPACT or REDUNDANT row format, so for utf8mb3 or utf8mb4 columns, you can index a maximum of 255 or 191 characters, respectively. If you currently have utf8mb3 columns with indexes longer than 191 characters, you must index a smaller number of characters.

In an InnoDB table that uses COMPACT or REDUNDANT row format, these column and index definitions are legal:col1 VARCHAR(500) CHARACTER SET utf8, INDEX (col1(255))

To use utf8mb4 instead, the index must be smaller:col1 VARCHAR(500) CHARACTER SET utf8mb4, INDEX (col1(191))

大概意思就是InnoDB最大索引长度为 767 字节数，用的编码是utf8mb4，则可以存储191个字符（767/4 约等于 191），编码字段长度超出最大索引长度后MySQL 默认在普通索引追加了191

思考1、MySQL中如何提高字符串查询效率？

对字符串加索引？一般情况下，是不建议在字符串加索引，占空间如果一定要加，建议可以指定长度，前提是字符串前面部分区分度好的话，此时这类索引就叫前缀索引

2、前缀索引有什么问题？

区分度不好的话，很容易发生碰撞，进而引发一系列问题我们再通过执行计划来分析一波上面分别演示了前缀索引和普通索引在只有where条件、order by和group by不同执行情况，可以看到Extra的说明，前缀索引只有where条件，无法使用覆盖索引，order by会使用filesort，group by会使用temporary和filesort总的来说，前缀索引无法使用覆盖索引，进而导致order by和group by要使用文件排序，甚至临时表前缀索引有这么些问题，不指定长度？怎么处理？

分析

准备了单表100W的数据进行测试使用性能压力测试工具mysqlslap性能测试脚本

mysqlslap -uroot -p --concurrency=100,200 --iterations=1 --number-of-queries=1 --create-schema=test --query=C:\xxx\query.sql

–concurrency=100,200 测试并发的线程数/客户端数，第一次100，第二次200–iterations=1 指定测试重复次数1次–number-of-queries=1 指定每个线程执行的 SQL 语句数量上限（不精确）–create-schema=test 指定查询的数据库test

1、不加索引查询的SQL：SELECT SQL_NO_CACHE * FROM string_index_test WHERE name=‘forlan’;

Benchmark        Average number of seconds to run all queries: 8.328 seconds        Minimum number of seconds to run all queries: 8.328 seconds        Maximum number of seconds to run all queries: 8.328 seconds        Number of clients running queries: 100        Average number of queries per client: 0Benchmark        Average number of seconds to run all queries: 18.078 seconds        Minimum number of seconds to run all queries: 18.078 seconds        Maximum number of seconds to run all queries: 18.078 seconds        Number of clients running queries: 200        Average number of queries per client: 0

2、加字符串索引alter table string_index_test add indexidx_name(name) USING BTREE;查询的SQL：SELECT SQL_NO_CACHE * FROM string_index_test WHERE name=‘forlan’;

Benchmark        Average number of seconds to run all queries: 0.250 seconds        Minimum number of seconds to run all queries: 0.250 seconds        Maximum number of seconds to run all queries: 0.250 seconds        Number of clients running queries: 100        Average number of queries per client: 0Benchmark        Average number of seconds to run all queries: 1.438 seconds        Minimum number of seconds to run all queries: 1.438 seconds        Maximum number of seconds to run all queries: 1.438 seconds        Number of clients running queries: 200        Average number of queries per client: 0

3、使用CRC32创建索引

CRC全称为Cyclic Redundancy Check，又叫循环冗余校验。CRC32是CRC算法的一种，返回值的范围0~2^32-1，使用bigint存储

加一个name_crc32列，创建这个列的所有，索引空间小很多，利用整型加速查询加索引：alter table string_index_test add indexidx_nam_crc32(name_crc32) USING BTREE;查询的SQL：SELECT SQL_NO_CACHE * FROM string_index_test WHERE name_crc32=CRC32(‘forlan’) and name=‘forlan’;因为CRC32存在发生碰撞，所以加上name条件，才能筛选出正确的数据

Benchmark        Average number of seconds to run all queries: 0.266 seconds        Minimum number of seconds to run all queries: 0.266 seconds        Maximum number of seconds to run all queries: 0.266 seconds        Number of clients running queries: 100        Average number of queries per client: 0Benchmark        Average number of seconds to run all queries: 0.390 seconds        Minimum number of seconds to run all queries: 0.390 seconds        Maximum number of seconds to run all queries: 0.390 seconds        Number of clients running queries: 200        Average number of queries per client: 0

总结通过对字符串加索引，可以提高查询效率，但需要注意指定长度，无法使用覆盖索引通过使用CRC32，需要额外存一个字段，将字符串转为整数存储，节省空间，效率提升并不是很大，但存在碰撞问题，可以加多字符串筛选条件-对于CRC32存在碰撞问题，可以使用CRC64减少碰撞，但需要安装 common_schema database函数库

标签：