前言
在大型系统性能瓶颈中，索引设计不当导致的性能问题占比超过60%。
经过多年的工作经历，我处理过多起数据库性能事故。
总结出索引设计的核心原则：索引不是越多越好，而是越精准越好。
这篇文章跟大家一起聊聊设计索引的10条军规，希望对你会有所帮助。
一、理解业务场景
理解业务场景，它是索引设计的基石。
错误示例：盲目添加索引
复制
-- 未分析业务场景就创建索引
CREATE INDEX idx_all_columns ON orders (customer_id, product_id, status, create_time);1.2.
正确实践：业务场景分析矩阵
查询类型
频率
响应要求
数据量
索引策略
用户订单查询
高
<100ms
百万级
(user_id, status)
商品订单统计
中
<1s
千万级
(product_id)
订单状态更新
极高
<50ms
百万级
(status)
业务场景分析流程图如下：
深度洞察：某电商系统通过业务分析，将订单查询性能从2s优化到50ms，TPS提升300%。
二、最左前缀原则
最左前缀原则，它是复合索引的灵魂。
索引结构解析
查询匹配规则：
复制
-- 命中索引
SELECT * FROM orders
WHERE user_id = 1001 AND status = PAID;
-- 命中索引（最左前缀）
SELECT * FROM orders
WHERE user_id = 1001;
-- 未命中索引（违反最左前缀）
SELECT * FROM orders
WHERE status = PAID;1.2.3.4.5.6.7.8.9.10.11.
原理剖析：复合索引按声明顺序构建B+树，缺失左侧列时将无法使用索引结构。
三、避免过度索引
避免过度索引，它是写操作的隐形杀手。
索引代价计算公式：
复制
写操作代价 = 数据写入 + ∑(索引写入)1.
索引影响对比实验：
复制
-- 测试表
CREATETABLE test_table (
idINT PRIMARY KEY,
col1 VARCHAR(20),
col2 VARCHAR(20),
col3 VARCHAR(20)
);
-- 添加索引前后写入性能对比
INSERTINTO test_table VALUES (...) -- 无索引：0.5ms
CREATEINDEX idx1 ON test_table(col1);
INSERTINTO test_table VALUES (...) -- 单索引：0.8ms
CREATEINDEX idx2 ON test_table(col2);
CREATEINDEX idx3 ON test_table(col3);
INSERTINTO test_table VALUES (...) -- 三索引：1.8ms1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.
索引写入耗时如下图所示：
黄金法则：单表索引不超过5个，单个索引字段不超过3列。
四、覆盖索引
覆盖索引，它是查询性能的终极大招。
未使用覆盖索引：
复制
EXPLAIN SELECT order_no, amount
FROM orders
WHERE user_id = 1001 AND status = PAID;1.2.3.
执行计划：
复制
| id | select_type | table | type | key | Extra |
|----|-------------|--------|------|-------------------|-------------|
| 1 | SIMPLE | orders | ref | idx_user_status | Using where|1.2.3.
使用覆盖索引：
复制
-- 创建覆盖索引
CREATE INDEX idx_covering ON orders(user_id, status, order_no, amount);
EXPLAIN SELECT order_no, amount
FROM orders
WHERE user_id = 1001 AND status = PAID;1.2.3.4.5.6.
执行计划：
复制
| id | select_type | table | type | key | Extra |
|----|-------------|--------|------|--------------|--------------------------|
| 1 | SIMPLE | orders | ref | idx_covering | Using index |1.2.3.
性能对比：覆盖索引减少磁盘I/O，查询速度提升5-10倍。
五、数据类型优化
数据类型优化，它是索引大小的隐形杠杆。
常见类型空间占用：
数据类型
字节数
索引大小（百万行）
BIGINT
8
15MB
INT
4
7.5MB
MEDIUMINT
3
5.6MB
CHAR(32)
32
61MB
VARCHAR(32)
变长
20-50MB
优化案例：
复制
-- 优化前：使用字符串存储IP
CREATETABLE access_log (
idBIGINT,
ip VARCHAR(15),
INDEX idx_ip (ip)
);
-- 优化后：转换为整型存储
CREATETABLE access_log (
idBIGINT,
ip INTUNSIGNED,
INDEX idx_ip (ip)
);1.2.3.4.5.6.7.8.9.10.11.12.13.
空间节省：IP字段索引大小从78MB降至12MB，内存命中率提升40%。
六、函数陷阱
函数陷阱，它是索引失效的元凶。
索引失效案例：
复制
-- 创建索引
CREATE INDEX idx_create_time ON orders(create_time);
-- 索引失效查询
SELECT * FROM orders
WHERE DATE_FORMAT(create_time, %Y-%m-%d) = 2023-06-01;
-- 优化后查询
SELECT * FROM orders
WHERE create_time BETWEEN 2023-06-01 00:00:00 AND 2023-06-01 23:59:59;1.2.3.4.5.6.7.8.9.10.
函数使用原则：
复制
graph LR
A[查询条件] --> B{是否包含函数}
B -->|是| C[索引可能失效]
B -->|否| D[正常使用索引]
C --> E[重写条件]
E --> D1.2.3.4.5.6.
性能对比：日期范围查询优化后，执行时间从1200ms降至15ms。
七、前缀索引
前缀索引，它是大文本字段的救星。
创建方法：
复制
-- 原始字段索引
CREATE INDEX idx_product_desc ON products(description); -- 无法创建，text字段过大
-- 前缀索引
CREATE INDEX idx_product_desc_prefix ON products(description(20));1.2.3.4.5.
长度选择算法：
复制
-- 计算最佳前缀长度
SELECT
COUNT(DISTINCT LEFT(description, 10)) / COUNT(*) AS selectivity10,
COUNT(DISTINCT LEFT(description, 20)) / COUNT(*) AS selectivity20,
COUNT(DISTINCT LEFT(description, 30)) / COUNT(*) AS selectivity30
FROM products;1.2.3.4.5.6.
前缀长和区分度对比：
前缀长度
区分度
建议
10
0.65
不足
20
0.92
推荐
30
0.95
边际收益低
空间节省：500万行数据的描述字段，索引从1.2GB降至120MB。
八、NULL值处理
NULL值处理，它是索引中的幽灵。
NULL值索引问题：
复制
-- 包含NULL的索引
CREATEINDEX idx_email ONusers(email);
-- 查询问题
SELECT * FROMusersWHERE email ISNULL; -- 可能不走索引
-- 优化方案
ALTERTABLEusersMODIFY email VARCHAR(255) NOTNULLDEFAULT;1.2.3.4.5.6.7.8.
NULL值索引存储结构：
图片
最佳实践：重要查询字段设置NOT NULL DEFAULT，默认值根据业务设置如0、、N/A等。
九、索引维护
索引维护，它是性能稳定的守护者。
维护脚本示例：
复制
-- 重建碎片化索引
ALTERTABLE orders REBUILDINDEX idx_user_status;
-- 更新统计信息
ANALYZETABLE orders UPDATE HISTOGRAM ONstatusWITH32 BUCKETS;
-- 监控脚本
SELECT
index_name,
ROUND(stat_value * @@innodb_page_size / 1024 / 1024, 2) AS size_mb,
index_type,
table_rows
FROM mysql.innodb_index_stats
WHERE table_name = orders;1.2.3.4.5.6.7.8.9.10.11.12.13.14.
碎片化影响曲线：
图片
维护建议：每月对核心表执行索引维护，碎片率超过30%必须重建。
十、监控与调优
监控与调优，它是索引的生命周期管理。
索引使用分析：
复制
-- 查看未使用索引
SELECT
object_schema,
object_name,
index_name
FROM performance_schema.table_io_waits_summary_by_index_usage
WHERE index_name IS NOT NULL
AND count_star = 0
AND object_schema NOT IN (mysql, sys);1.2.3.4.5.6.7.8.9.
索引监控体系：
图片
真实案例：某金融系统通过索引监控，清理200+无效索引，写性能提升50%。
总结
业务驱动：索引设计始于业务场景分析左前缀优先：复合索引必须遵守最左前缀原则适度精简：警惕过度索引的写放大效应覆盖为王：优先考虑覆盖索引解决方案类型优化：用小而精的数据类型降低索引体积函数规避：避免在索引列上使用函数前缀压缩：大文本字段使用前缀索引NULL处理：重要字段避免NULL值定期维护：建立索引维护机制持续监控：构建索引生命周期管理体系
优秀的索引设计，是在查询效率与维护成本间找到完美平衡点。
索引是一把双刃剑，用得好所向披靡，用不好反伤己身。
