一文秒懂MySQL 的索引下推

梦想山人

目录

• 秒懂 MySQL 索引下推
• 🎯 一句话概括
• 📖 通俗版解释
• 没有索引下推（传统方式）
• 有了索引下推（优化后）
• 🔧 实际数据库例子
• 💡 核心好处
• 1. 减少跑腿次数
• 2. 人事小姐姐更聪明了
• 🏷️ 什么情况下能用？
• 能用的情况
• 不能用的情况
• 🚀 实际效果对比
• 测试数据
• 查询速度对比
• 🎮 生活化类比
• 类比1：图书馆找书
• 类比2：外卖筛选
• 📝 简单总结
• 三句话记住索引下推
• 开启和查看
• 🎯 什么时候最有效？
• 🤔 思考题

秒懂 MySQL 索引下推

🎯 一句话概括

索引下推就是让索引多干点活，少打扰数据行

📖 通俗版解释

想象你在一家大公司找员工信息：

没有索引下推（传统方式）

你：人事小姐姐，我要找年龄大于25岁的所有员工

人事：好的，这是500个符合年龄要求的员工名单（只给了工号）

你：我还需要他们是北京分公司的

人事：那你自己去查这500个人的详细档案吧

你：😭 我要翻500份档案，一个个看是不是北京分公司的

问题：明明可以在人事那里就过滤掉，非要让你查500次档案

有了索引下推（优化后）

你：人事小姐姐，我要找年龄大于25岁且是北京分公司的员工

人事：好的，我直接帮你筛选，这是80个符合要求的员工名单

你：太好了！我只需要查80份档案

效果：人事（索引）帮你完成了额外筛选，你少查了420次档案

🔧 实际数据库例子

-- 员工表，索引在 (年龄, 分公司)
CREATE TABLE 员工表 (
    工号 INT PRIMARY KEY,
    姓名 VARCHAR(50),
    年龄 INT,
    分公司 VARCHAR(50),
    工资 DECIMAL(10,2),
    INDEX idx_年龄_分公司 (年龄, 分公司)
);
-- 传统查询（没有索引下推）
SELECT * FROM 员工表 
WHERE 年龄 > 25 
  AND 分公司 LIKE '北京%';
-- 执行过程：
-- 1. 索引找到所有年龄>25的记录（500条）
-- 2. 拿着500个工号去查详细档案（500次）
-- 3. 在500条详细记录中筛选"北京分公司"

-- 开启索引下推后
-- 执行过程：
-- 1. 索引找到所有年龄>25的记录（500条）
-- 2. 索引自己先筛选"分公司 LIKE '北京%'"（剩80条）
-- 3. 只查80个员工的详细档案

💡 核心好处

1. 减少跑腿次数

• 原来：跑500次档案室
• 现在：跑80次档案室
• 节省84%的跑腿时间

2. 人事小姐姐更聪明了

以前人事只做最简单的筛选，现在她能做更多：

• ✅ 可以判断：分公司 = '北京'
• ✅ 可以判断：分公司 LIKE '北京%'
• ✅ 可以判断：年龄 BETWEEN 20 AND 30
• ❌ 不能判断：工资 > 10000（因为工资信息在档案里）

🏷️ 什么情况下能用？

能用的情况

-- 情况1：索引里有的信息，人事自己就能判断
-- 索引：(年龄, 城市)
SELECT * FROM 用户 
WHERE 年龄 > 20 
  AND 城市 LIKE '上海%';  -- ✅ 能用！城市在索引里
-- 情况2：部分条件在索引里
SELECT * FROM 订单 
WHERE 用户ID = 1001 
  AND 状态 = '已支付';  -- ✅ 能用！两个都在索引里

不能用的情况

-- 情况1：要的信息索引里全有，不需要查档案
-- 索引：(姓名, 年龄)
SELECT 姓名, 年龄 FROM 员工;  -- ❌ 不需要！直接看名单就行
-- 情况2：条件不在索引里
-- 索引：(年龄, 城市)
SELECT * FROM 用户 
WHERE 年龄 > 20 
  AND 工资 > 10000;  -- ❌ 不能用！工资不在索引里

🚀 实际效果对比

测试数据

• 员工表：100万条记录
• 年龄>25：50万人
• 北京分公司：5万人

查询速度对比

传统方式：
✓ 索引扫描：找到50万条记录（很快）
✓ 回表查询：查50万次详细数据（很慢！）
✓ 内存筛选：在50万条里找北京的（一般慢）
⏱️ 总耗时：3.2秒
索引下推：
✓ 索引扫描+筛选：直接找到5万条记录（稍慢一点）
✓ 回表查询：只查5万次详细数据（快很多！）
⏱️ 总耗时：0.8秒

提速4倍！

🎮 生活化类比

类比1：图书馆找书

传统：图书管理员只按"作者=鲁迅"找书，找到100本
      你一本本翻看是不是"小说类"
下推：告诉管理员"作者=鲁迅 AND 类别=小说"
      直接给你30本小说

类比2：外卖筛选

传统：美团先按"距离<3km"筛选出50家店
      你再一家家看有没有"评分>4.5"
下推：直接搜索"距离<3km AND 评分>4.5"
      直接显示15家符合的店

📝 简单总结

三句话记住索引下推

• 让索引多干活：索引不只是找位置，还能做筛选
• 减少回表次数：筛选好了再查详细数据，少查很多次
• 条件要在索引里：只能筛选索引中包含的条件

开启和查看

-- 默认就是开启的（MySQL 5.6+）
-- 查看有没有用上
EXPLAIN SELECT ...;
-- 看到"Using index condition"就是用了索引下推

🎯 什么时候最有效？

场景	效果	原因
大表筛选	⭐⭐⭐⭐⭐	减少大量回表
索引选择性高	⭐⭐⭐⭐	过滤掉大部分数据
查询条件多	⭐⭐⭐	提前过滤更有效
小表查询	⭐	本来就没多少数据

一句话：数据量越大，筛选条件越多，索引下推效果越明显！

🤔 思考题

如果你要查：

"年龄>30岁的北京分公司程序员"

但索引只有 (年龄, 分公司)，没有职位字段。

问：索引下推能帮你过滤掉什么？什么过滤不了？

答案：

• ✅ 能过滤：年龄>30 且 分公司=北京
• ❌ 不能过滤：职位=程序员（需要查了档案才知道）

所以还是会先过滤掉非北京分公司的，再查档案看是不是程序员。

这就是索引下推的核心思想：能提前过滤的绝不留到后面！