网站建设公司行业描述重庆电子商务网站seo

1、前提

提示：只适用于InnoDB引擎

2、InnoDB存储特点

• 它把索引和数据放在了一个文件中，就是聚集索引。这与MyISAM引擎是不一样的。
  

3、SQL示例

-- 给cve字段建立索引
select * from cnnvd where cve='CVE-2022-24808' limit 300000,10；

• 由于MySQL内部的执行顺序以及B+树的特性，就导致SQL会先查询300010次普通索引节点，然后拿到300010个聚集索引的指针地址，进而再查询300010次聚集索引，接着得到300010条数据，最终还要舍去前300000条数据，从而得到10条数据。相当于前300000条数据都是没用的，浪费了好多IO。

4、优化

• 我们可以做以下改变：利用子查询或者关联查询，先得到这10条数据的聚集索引指针地址，然后就只需要查询10次聚集索引就行了，几乎减少了一半的磁盘IO，并且如果limit的第一个参数越大，效率改善就越明显。

select * from cnnvd a join (select id from cnnvd where cve='CVE-2022-24808' limit 300000,10) b on a.id = b.id;

5、校验

• 怎么才能证实MYSQL底层就是这样处理的呢？我们可以在执行完每条SQL后，分别输出下buffer pool中的数据页的大小（第一条SQL完成后要重启MySQL，清空缓存，不然没什么变化），一比就看出来了。

-- 对于第一条SQL的输出结果：
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('cve_name','primary') and TABLE_NAME like '%cnnvd%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| cve_name   |      663 |
| PRIMARY    |     5451 |
+------------+----------+
2 rows in set (0.34 sec)-- 对于第二条SQL的输出结果：
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('cve_name','primary') and TABLE_NAME like '%cnnvd%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| cve_name   |      663 |
| PRIMARY    |      14  |
+------------+----------+
2 rows in set (0.34 sec)

很明显PRIMARY的数据页的大小变小了好多，因为在查询聚集索引的时候少了很多次查询操作。
其实不用看这个输出，你只要弄一张数据量很大的表测一下，就能很直观的感受到查询效率差别很大，前提是limit的第一个参数特别大的时候越明显。