夜雨聆风《AI时代-数据库架构100讲》
18.MySQL索引覆盖
前面留了一个尾巴：
select id,name where name='shenjian'
select id,name,sex where name='shenjian'
多查询了一个属性，为何检索过程完全不同？
什么是回表查询？
什么是索引覆盖？
如何实现索引覆盖？
哪些场景，可以利用索引覆盖来优化SQL？
这些，这是今天要分享的内容。
一、什么是回表查询？
这先要从InnoDB的索引实现说起，InnoDB有两大类索引：
1. 聚集索引(clustered index)；
2. 普通索引(secondary index)；
InnoDB聚集索引和普通索引有什么差异？
InnoDB聚集索引的叶子节点存储行记录，因此， InnoDB必须要有，且只有一个聚集索引：
1. 如果表定义了PK，则PK就是聚集索引；
2. 如果表没有定义PK，则第一个not NULL unique列是聚集索引；
3. 否则，InnoDB会创建一个隐藏的row-id作为聚集索引；
画外音：所以PK查询非常快，直接定位行记录。
InnoDB普通索引的叶子节点存储主键值。
画外音：注意，不是存储行记录头指针，MyISAM的索引叶子节点存储记录指针。
举个栗子，不妨设有表：
t(id PK, name KEY, sex, flag);
画外音：id是聚集索引，name是普通索引。
表中有四条记录：
1, shenjian, m, A
3, zhangsan, m, A
5, lisi, m, A
9, wangwu, f, B
两个B+树索引分别如上图：
1. id为PK，聚集索引，叶子节点存储行记录；
2. name为KEY，普通索引，叶子节点存储PK值，即id；
既然从普通索引无法直接定位行记录，那普通索引的查询过程是怎么样的呢？
通常情况下，需要扫码两遍索引树。
例如：
select * from t where name='lisi';
是如何执行的呢？
如粉红色路径，需要扫码两遍索引树：
1. 先通过普通索引定位到主键值id=5；
2. 在通过聚集索引定位到行记录；
这就是所谓的回表查询，先定位主键值，再定位行记录，它的性能较扫一遍索引树更低。
二、什么是索引覆盖(Covering index)？
额，楼主并没有在MySQL的官网找到这个概念。
借用一下SQL-Server官网的说法。
MySQL官网，类似的说法出现在explain查询计划优化章节，即explain的输出结果Extra字段为Using index时，能够触发索引覆盖。
不管是SQL-Server官网，还是MySQL官网，都表达了：只需要在一棵索引树上就能获取SQL所需的所有列数据，无需回表，速度更快。
三、如何实现索引覆盖？
常见的方法是：将被查询的字段，建立到联合索引里去。
还是之前文章的例子：
create table user (
id int primary key,
name varchar(20),
sex varchar(5),
index(name)
)engine=innodb;
第一个SQL语句：
select id,name from user where name='shenjian';
能够命中name索引，索引叶子节点存储了主键id，通过name的索引树即可获取id和name，无需回表，符合索引覆盖，效率较高。
画外音，Extra：Using index。
第二个SQL语句：
select id,name,sex from user where name='shenjian';
能够命中name索引，索引叶子节点存储了主键id，但sex字段必须回表查询才能获取到，不符合索引覆盖，需要再次通过id值扫码聚集索引获取sex字段，效率会降低。
画外音，Extra：Using index condition。
如果把(name)单列索引升级为联合索引(name, sex)就不同了。
create table user (
id int primary key,
name varchar(20),
sex varchar(5),
index(name, sex)
)engine=innodb;
可以看到：
select id,name ... where name='shenjian';
select id,name,sex ... where name='shenjian';
都能够命中索引覆盖，无需回表。
画外音，Extra：Using index。
四、哪些场景可以利用索引覆盖来优化SQL？
场景1：全表count查询优化
原表为：
user(PK id, name, sex)；
直接：
select count(name) from user;
不能利用索引覆盖。
添加索引：
alter table user add key(name);
就能够利用索引覆盖提效。
场景2：列查询回表优化
select id,name,sex ... where name='shenjian';
这个例子不再赘述，将单列索引(name)升级为联合索引(name, sex)，即可避免回表。
场景3：分页查询
select id,name,sex ... order by name limit 500,100;
将单列索引(name)升级为联合索引(name, sex)，也可以避免回表。
五、AI时代，AI如何帮助我们做优化？
随着AI技术的发展，数据库优化也进入了智能化时代。索引覆盖的创建和维护，不再仅仅依赖DBA的经验，AI可以通过分析大量查询模式和数据特征，自动推荐甚至自动创建最合适的覆盖索引。
传统做法需要DBA分析慢查询日志，再手动创建索引。
而AI驱动的方式是：
1. 自动识别高频查询模式；
2. AI系统持续分析SQL日志，自动识别出高频且性能关键的查询；
3. 通过EXPLAIN分析，发现上述查询需要回表，性能有优化空间；
4. 智能推荐覆盖索引；
在这个过程中，AI会推荐联合索引，这个索引包含where条件和select列表的字段，来实现索引覆盖。
AI还会计算索引的选择性、存储成本等，确保推荐合理。创建索引后，AI持续监控其使用效果。如果业务模式变化，AI会自动识别并建议调整或删除不必要的索引。
更具体的，云服务商的数据库AI功能，例如DAS的自动索引推荐、DBbrain的索引优化建议，大家都可以尝试尝试。
InnoDB聚集索引普通索引，回表，索引覆盖，希望这1分钟大家有收获。
