作为程序员，你一定听过这样的矛盾：DBA总想删索引提升写性能，开发总想加索引优化查询速度。一张表到底该建多少个索引？这个让无数团队头疼的问题，今天我们用「空间换时间」的底层逻辑来破解。
索引的价值证明
查询速度提升10-100倍（B+树时间复杂度O(log n)）
覆盖索引避免回表（Extra: Using index）
排序优化（避免filesort）
看不见的成本账单
写操作代价：每个INSERT/UPDATE/DELETE需要更新所有相关索引
空间开销：每个二级索引约占用表数据的20%-30%
内存压力：InnoDB缓冲池需要缓存热索引页
维护成本：索引碎片、统计信息更新
危险警戒线
❌ 超过10个索引：写入性能可能下降50%+
❌ 单个索引超过5个字段：联合索引边际效益锐减
❌ 重复索引：(a,b)与(a)同时存在
最佳实践区间
✅ OLTP系统推荐3-5个精选索引
✅ 数据仓库可放宽至7-10个
✅ 每个索引不超过3个字段
高频查询优先法则
-- 查询频率统计示例 SELECT query_pattern, COUNT(*) FROM slow_query_log WHERE table_name='orders' GROUP BY query_pattern ORDER BY COUNT(*) DESC LIMIT 5;
联合索引左前缀原则
正确案例：WHERE a=1 AND b>2 ORDER BY c → INDEX(a,b,c)
错误案例：WHERE b=2 AND c=3 → 无法命中上述索引
区分度计算公式
# 字段区分度评估 selectivity = COUNT(DISTINCT column)/COUNT(*) # 值>30%适合单独建索引
热点数据隔离策略
大字段单独存储（如JSON/text）
冷热数据分离（按时间分表）
索引复用艺术
排序复用：WHERE a=? ORDER BY b → INDEX(a,b)
覆盖查询：SELECT a,b WHERE c=? → INDEX(c,a,b)
动态调整机制
季度索引健康检查
使用ALTER TABLE ... ALGORITHM=INPLACE在线变更
原始结构
CREATE TABLE orders ( id BIGINT PRIMARY KEY, user_id INT, product_id INT, status TINYINT, price DECIMAL(10,2), created_at DATETIME, INDEX idx_user (user_id), INDEX idx_product (product_id), INDEX idx_status (status), INDEX idx_created (created_at) );
优化方案
-- 删除单列索引 DROP INDEX idx_user, idx_product, idx_status, idx_created; -- 创建复合索引 ADD INDEX idx_main_query (user_id, status, created_at); ADD INDEX idx_product_query (product_id, status); ADD INDEX idx_time_cover (created_at, price);
优化效果
索引数量从4→3
查询性能提升20%
写入速度提高40%
索引利用率分析
SELECT OBJECT_NAME, INDEX_NAME, ROWS_READ FROM performance_schema.table_io_waits_summary_by_index_usage WHERE OBJECT_SCHEMA='your_db';
冗余索引检测
pt-duplicate-key-checker --user=root --password=xxx --database=your_db
索引健康度检查
SELECT TABLE_NAME, INDEX_NAME, ROUND(STAT_VALUE*@@innodb_page_size/1024/1024,2) AS MB FROM mysql.innodb_index_stats WHERE stat_name='size';
当遇到索引抉择困境时，请记住
数据访问模式决定索引形态（而不是表结构）
索引是活的有机体，需要随业务进化
有时候不加索引才是最优解（如极低频查询）
最后送大家一个决策树
是否需要排序？ → 是否高频查询？ → 字段区分度如何？ ↓ ↓ ↓ 建联合索引 监控观察 拒绝索引
