覆盖索引
通常大家会根据查询的where条件来创建合适的索引，不过这只是索引优化的一个方面。设计优秀的索引应该考虑到整个查询，而不单单是where条件部分。索引确实是一种查找数据的高效方式，但是MySQL也可以使用索引来直接获取列的数据，这样就不再需要读取数据行。如果索引的叶子节点中已经包含要查询的数据，那么还有必要再回表查询呢？如果一个索引包含，或者说覆盖所有需要查询的字段的值，我们就称之为”覆盖索引”。
覆盖索引是非常有用的工具，能够极大地提高性能。考虑一下如果查询只需要扫描索引而无须回表，会带来多少好处：
- 索引条目通常远小于数据行大小，索引如果只需要读取索引，那么MySQL就会极大地减少数据访问量。这对缓存的负载非常重要，因为这种情况下响应时间大部分花费在数据拷贝上。覆盖索引对于I/O密集型的应用也有帮助，因为索引比数据更小，更容易全部放入内存中（这对于MyISAM尤其正确，因为MyISAM能压缩索引以变的更小）。
- 因为索引是按照列值顺序存储的（至少在单个页内是如此），所以对于I/O密集型的范围查询会比随机从磁盘读取每一行数据的I/O要少得多。对于某些存储引擎，例如MyISAM和XtrDB，甚至可以通过OPTIMIZE命令使得索引完全顺序排列，这让简单的范围查询能使用完全顺序的索引访问。
- 一些存储引擎，如MyISAM在内存中只缓存索引，数据则依赖于操作系统来缓存，因此要访问数据需要一次系统调用。这可能会导致严重的性能问题，尤其是那些系统调用占了数据访问中的最大开销的场景。
- 由于InnoDB的聚簇索引，覆盖索引对InnoDB表特别有用。InnoDB的二级索引在叶子节点保存了行的主键值，所以如果二级主键能够覆盖查询，则可以避免对主键索引的二次查询。
在所有这些场景中，在索引中满足查询的成本一般比查询行要小的多。
不是所有类型的索引都可以成为覆盖索引，覆盖索引必须要存储索引列的值，而哈希索引、空间索引和全文索引等都不存储索引列的值，所以MySQL只能使用B-Tree索引做覆盖索引。另外，不同的存储引擎实现覆盖索引的方式也不同，而且不是所有的引擎都支持覆盖索引。
当发起一个被索引覆盖的查询（也叫做索引覆盖查询）时，在explain的extra列可以看到”using index”的信息。例如，表wp_postmeta有两个普通索引（meta_id,post_id）。MySQL如果只需要访问这两列，就可以使用这个索引做覆盖索引，如下所示：
|
1 2 3 4 5 6 7 |
mysql> explain select meta_id from wp_postmeta; +----+-------------+-------------+-------+---------------+---------+---------+------+------+-------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+-------------+-------+---------------+---------+---------+------+------+-------------+ | 1 | SIMPLE | wp_postmeta | index | NULL | post_id | 8 | NULL | 6479 | Using index | +----+-------------+-------------+-------+---------------+---------+---------+------+------+-------------+ 1 row in set (0.00 sec) |
如果索引覆盖了WHERE条件中的字段，但不是整个查询涉及的字段，看看是什么情况?
|
1 2 3 4 5 6 7 |
mysql> explain select * from wp_postmeta where meta_id<3; +----+-------------+-------------+-------+---------------+---------+---------+------+------+-------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+-------------+-------+---------------+---------+---------+------+------+-------------+ | 1 | SIMPLE | wp_postmeta | range | PRIMARY | PRIMARY | 8 | NULL | 1 | Using where | +----+-------------+-------------+-------+---------------+---------+---------+------+------+-------------+ 1 row in set (0.00 sec) |
没有任何索引能覆盖这个查询，因为查询从表中选择了所有的列，而没有任何索引覆盖所有的列，因此这个查询需要回表（就是根据where条件重新查询一次数据，然后返回结果）。但是索引还是用到了。
索引覆盖查询还有很多陷进可能会导致无法实现优化。MySQL查询优化器会在执行查询前判断是否有一个索引能进行覆盖。假设索引覆盖了where条件中的字段，但不是整个查询涉及的字段。如果条件为假，MySQL 5.5和更早的版本也总是会回表获取数据行，尽管并不需要这一行且最终会被过滤掉。
在大多数存储引擎中，覆盖索引只能覆盖那些只访问索引中部分列的查询。我们来看看这种情况，以及如何重写查询以解决该问题，从下面的查询开始：
|
1 |
mysql> explain select * from products where actor='Jerry' and title like '%Tech%'; |
这个语句无法使用覆盖索引有两个原因：
1. 没有任何的列能够覆盖这个查询，因为查询中选择了所有列，而没有任何索引能覆盖所有的列。但是MySQL利用ICP机制还是有捷径可以利用，WHERE条件中的列是有索引的可以覆盖的，因此MySQL可以使用该索引找到对应的actor并检查title是否匹配，过滤之后再去InnoDB层读取需要的数据行，这就是MySQL 5.6的ICP（index condition pushdown）机制。
2. MySQL不能再索引中执行LIKE %string%操作，这是底层引擎的API限制。但是可以执行LIKE string%，是可以根据左前缀匹配利用索引，因为该操作可以转换为简单的比较操作。
也有办法可以解决上面说的问题的，需要重写查询并巧妙地设计索引。先将索引扩展至覆盖三个数据列的联合索引（actor，title，prod_id），然后按照如下方式重写查询：
|
1 2 3 |
mysql> explain select * from products join (select prod_id from products where actor='Jerry' and title like '%Tech%'）AS t1 on (t1.prod_id=products.prod_id); |
我们把这种方式叫做延迟关联（deferred join），因为延迟了对列的访问，在查询的第一阶段MySQL可以使用覆盖索引，在from子句的子查询中找到匹配的prod_id，然后根据这些prod_id值在外层查询匹配获取需要的所有列值。虽然无法使用索引覆盖整个查询，但总算比较完全无法利用索引覆盖的好。
这样优化的效果取决于where条件匹配返回的行数，假设这个products表有100万行，来看一下上面两个查询在三个不同的数据集上的表现，每个数据集都包含100万行：
1. 第一个数据集，Jerry出演了30000部作品，其中有20000部的标题中包含Tech。
2. 第二个数据集，Jerry出演了20000部作品，其中40部的标题包含了Tech。
3. 第三个数据集，Jerry出现了50部作品，其中10部的标题中包含了Tech。
使用上面的三种数据集来测试两种不同的查询，得到的记过如下表：
示例1：原查询每秒5次，优化后每秒5次；
示例2：原查询每秒7次查询，优化后每秒35次查询；
示例3：原查询每秒2400次查询，优化后每秒2000次查询；
下面是对结果的分析：
示例1中，查询返回了一个很大的结果集，因此看不到优化的效果，大部分数据都花在读取和发送数据上了。
示例2中，经过索引过滤，尤其是第二个条件过滤后返回了很少的数据集，优化的效果非常明显，优化后的查询效率主要得益于只需要读取40行完整的数据行，而不是30000行。
示例3中，显示了子查询效率反而下降的情况。因为索引过滤时符合第一个条件的结果集已经很小，索引子查询带来的成本反而比从表中直接提取完整行更高。
在大多数存储引擎中，覆盖索引只能覆盖那些只访问索引中部分列的查询。不过，可以更近一步优化InnoDB。InnoDB的二级索引的叶子节点都包含了主键的值，这意味着InnoDB的二级索引可以有效地利用这些额外的主键列来覆盖查询。
例如，users使用InnoDB存储引擎，并在last_name字段有二级索引，虽然该索引的列不包括主键actor_id，但也能够用于对actor_id做覆盖查询，如下：
|
1 |
mysql> explain select actor_id,last_name from users where last_name = 'Andy'; |
此外，还有一种利用覆盖索引的查询，如下查询：
|
1 |
mysql> explain select address from users where last_name = 'Andy'; |
对于这种查询，可以添加一个(last_name,address)索引，这样就可以利用到覆盖所以了，这个SQL优化技巧在实际中很多很常用的。
执行计划EXPLAIN类型
full index scan：全索引扫描，查询时，遍历索引树来获取数据行。如果数据不是密集的会产生随机IO，在执行计划中是Type列，index。
full table scan：通过读物理表获取数据，顺序读磁盘上的文件。这种情况会顺序读磁盘上的文件。在执行计划中是Type列，all。
covering index：覆盖索引，如果where条件的列和返回的数据在一个索引中，那么不需要回查表，那么就叫覆盖索引。在执行计划中是extra那一列，using index。
full index scan vs full table scan
全索引扫描并不一定就比全表扫描好，取决于数据存储位置。如果数据在内存，那么这两种没有太大区别。如果数据在磁盘，全表扫描比全索引扫描要好，这是因为，全表扫描是顺序读数据，sequential read，是顺序IO。而全索引扫描，可能会产生随机读(reandom read)，随机IO，显然，顺序读要比随机读快很多。
