怎么给字符串加索引

怎么给字符串加索引

比如说，要给邮箱这样的字段加索引，这样长字符串加索引会有什么样的问题？

前缀索引，如果长度长，会浪费大量的空间，同时增加额外的查询成本。

create table SUser(
ID bigint unsigned primary key, 
email varchar (64)
...
)Engine=innodb;

如果使用邮箱登录，这样会出现这样的语句：

select f1 ,f2 from Suser Where emial='xxx';

如果 email 不建索引，那么就只能全表扫描，如果 email 这个字段是哪个没有索引，那么这个语句只能做全表扫描。

MySQL 支持前缀索引，可以定义字符串的一部分作为索引，创建索引的语句不指定前缀长度，那么索引就会包含整个字符串。

mysql> alter table SUser add index index1(email);
mysql> alter table SUser add index index2(email(6));

第一个语句创建的 index1 索引里面，包含了每个记录的整个字符串。

第二个语句创建的index2 索引里面，对于每个记录都是指取前6个字节。

使用前缀索引，定义好长度，就可以做到节省索引空间，同时不额外增加太多的查询成本。

当要给字符串创建前缀索引时，如何确定使用多长的前缀？

在建立索引是关注的是区分度，区分度越高越好，意味着重复的键值越少

前缀索引

索引的字符串很大时，创建索引的变得很大，减少索引体积，提升索引扫描速度。

如果 index1 的话，可以利用覆盖索引，从

覆盖索引

所谓的覆盖索引，是可以通过索引直接获取行的数据，不需要再去读取数据行，也就是叶子节点已经包含查询的数据，避免回表查询。

前缀索引对覆盖索引的影响

前缀索引可能会增加扫描行数，这样会影响性能，前缀索引。

select id,name,email from SUser where email='aaa@www.com'

如果 index1 的话，可以利用覆盖索引，从 index1 直接返回即可，不需要回到 id 索引再去查一次，如果使用 index2 即 email(6) 索引再去判断 email 字段的值。

如果index2 定义修改为 email(18)的前缀，这时候虽然index2 包含了所有的信息，单 InnoDB 还是要回到 Id 索引再查一下，因为系统不确定前缀索引的定义是否截断了完整信息。

使用前缀索引用户数覆盖索引的查询性能优化。

还有没有其他方式帮助字符串建立索引

比如能够给确定业务需求里面只有按照身份证等值查询的需求，需要给身份证加索引，有没有什么办法，占用更小空间，也能达到相同的查询效率。

第一种方式是使用倒序存储

身份证最后 6 位，没有重复逻辑，因此最后 6 位可能提供了足够的区分度。

先倒序存储，然后再创建前缀索引。

如果存储身份证的时候倒过来存，每次查询的时候,可以这样：

select field list from t where id card reverse('input id card string);

第二种方式使用 hash 字段

可以使用表上再创建一个整数字段，来保持身份证的校验码，同时在这个字段创建索引。

alter table t add id card crc int unsigned, add index（id_card_crc);

每次插入新记录的时候，都同时使用 crc32 这个函数 得到校验码填到这个新字段，校验码可能存在冲突，也就是两个不同的身份证通过 crc32() 函数得到的结果可能是相同的，查询要查询语句 where 部分判断 id_card 的值是精确相同的。

select field_list from t where id_card crc=crc32('input id card string') and id card='input_id_card_string';

对比

• 从占用的额外的空间来看，倒序存储方式在主键上，不会消耗额外的存储空间，hash 字段需要增加字段。
• CPU 消耗方面，倒序每次写和读的时候，需要额外一个 reverse 函数，而 hash 字段的方式需要额外调用一次 crc32() 函数。reverse 函数额外消耗的 CPU 资源会更小些。
• 从查询效率上，使用 hash 字段方式的查询性能更加稳定一些， crc32 算出来的值虽然有冲突概率，但是概率非常小。

总结

• 直接创建完整索引，这样占用很大空间
• 创建前缀索引，节省空间，但是会增加扫描次数，并且不能使用覆盖索引。
• 倒序存储，再创建前缀索引，用于解决字符串本身前缀区分度不够的问题，不支持范围扫描。
• 创建 hash 字段索引，查询性能稳定，有额外的存储和计算消耗，不支持范围扫描。