MySQL 索引入门：B+ 树、联合索引与最左前缀

索引是数据库性能问题里被讨论得最多、也最容易被误解的一层。很多线上慢查询的根因不是”没加索引”，而是”加了索引但没用上”，或者”用了索引但代价比想象中高”。想把索引用明白，得先理解它在磁盘和内存之间是怎么组织数据的，再回头看 SQL 语句里那些看似随意的写法如何影响优化器的决策。

一、为什么是 B+ 树

关系型数据库的索引要解决的核心矛盾是：数据量远大于内存，而每一次磁盘随机读的代价都很高。设计目标因此很明确——用尽量少的磁盘 IO 定位到目标行。

如果用二叉搜索树，树的高度会随数据量增长，每下降一层就可能是一次磁盘 IO。B+ 树的做法是把节点做大：一个节点通常对应一个磁盘页（InnoDB 中默认 16KB），节点内放几百个键值对，树的高度被压到 3 到 4 层。假设非叶节点单页能容纳上千个指针，三层结构就可以索引上亿级别的行，且根节点和非叶节点常驻内存，实际落到磁盘的往往只有最后一层的一到两次 IO。

B+ 树相比 B 树还有两个对数据库特别友好的特性：

非叶节点只存键不存数据，单页能放更多键，树更矮；
叶子节点用双向链表串联，范围查询只需要定位到起点，然后顺着链表扫描，不需要回溯树结构。

-- 这类范围扫描能直接利用叶子链表
SELECT * FROM orders WHERE created_at >= '2026-10-01' AND created_at < '2026-10-08';

理解了这个结构，后面很多现象就有了出处：索引字段上做函数计算会让 B+ 树的有序性失效、范围条件之后的索引列”用不上”、回表会放大 IO 次数——这些都不是玄学，而是结构决定的。

二、聚簇索引、二级索引与回表

InnoDB 的表数据本身就存储在一棵 B+ 树里，这棵树的叶子节点直接放整行数据，这就是聚簇索引。通常情况下聚簇索引就是主键；如果没有显式主键，InnoDB 会选择第一个非空唯一索引，实在没有就会生成隐藏的行 ID。

聚簇索引的直接推论：按主键查询是最快的路径，而且主键最好是有意义的、顺序写入的（比如自增 ID 或趋势递增的雪花 ID）。随机的主键（比如随机 UUID）会让插入变成随机写，页分裂频繁，长期运行后数据页的填充率下降，占用空间变大。

非主键索引叫二级索引，它的叶子节点存的是索引列的值加主键值。因此通过二级索引查非索引列时会经历两步：

在二级索引树里定位到主键值；
拿主键值回聚簇索引树再查一次完整行。

这就是回表。回表的代价取决于命中的行数和每一行的随机 IO，一条看似走了索引的语句，如果要回表几万次，性能可能还不如全表扫描。

减少回表主要有两条路：

覆盖索引：查询所需的列都在索引里，直接从二级索引返回，跳过第二步。典型的例子是 SELECT id, status FROM orders WHERE user_id = ?，把 (user_id, status) 建成联合索引后，这个查询就是覆盖查询。
减少命中行数：通过更精确的过滤条件让索引少扫一些叶子。

可以用 EXPLAIN 里的 Extra 列验证：出现 Using index 表示走了覆盖索引。

三、联合索引与最左前缀

联合索引 (a, b, c) 在物理上是按 a、b、c 的顺序排序的一棵 B+ 树。理解了排序方式，最左前缀原则就自然成立：

查询条件	是否用得上索引
`a = 1`	用得上
`a = 1 AND b = 2`	用得上
`a = 1 AND b = 2 AND c = 3`	用得上
`b = 2`	用不上（缺少最左列）
`a = 1 AND c = 3`	只用得上 `a` 部分
`a > 1 AND b = 2`	`a` 走范围扫描，`b` 无法继续精确匹配

最后两行值得展开。a = 1 AND c = 3 中 c 不能参与查找，是因为在 a 相同的记录里，数据按 b 再按 c 排序，跳过 b 直接找 c 就失去了有序性。a > 1 AND b = 2 同理：范围条件扫出的是一段连续区间，区间内的 b 是乱序的。这就是常说的”范围之后的列失效”。

-- 表结构与索引
CREATE TABLE orders (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  user_id BIGINT NOT NULL,
  status TINYINT NOT NULL,
  amount DECIMAL(10,2) NOT NULL,
  created_at DATETIME NOT NULL,
  KEY idx_user_status_created (user_id, status, created_at)
) ENGINE=InnoDB;

-- 覆盖索引 + 最左前缀，理想形态
SELECT id, created_at FROM orders
WHERE user_id = 1001 AND status = 2 ORDER BY created_at DESC LIMIT 20;

这条语句的执行路径是：用 (user_id, status) 定位到一段有序区间，created_at DESC 直接利用索引的反向扫描，不需要额外排序（Extra 里不会有 Using filesort），返回的 id 和 created_at 也都在索引里（Using index）。写业务查询时，把”过滤条件 + 排序 + 返回列”一起考虑进索引设计，比事后补索引有效得多。

四、索引选择性与失效场景

选择性指的是不重复值占总行数的比例。对基数极低的字段（比如只有两三个取值的 status）单独建索引意义不大，优化器往往会估算出”扫全表更快”而放弃索引。低基数字段更适合放在联合索引的后面，用来在前面的高基数列缩小范围之后做二次过滤。

比选择性更常见的是写法导致的失效，以下几种在代码评审里见到的概率很高：

对索引列做函数或运算。WHERE DATE(created_at) = '2026-10-21' 用不上 created_at 的索引，改成范围写法 created_at >= '2026-10-21' AND created_at < '2026-10-22' 即可。
隐式类型转换。如果 user_id 是 BIGINT，而查询写成 WHERE user_id = '1001'，多数情况下还能走索引；反过来，字符串列上写数字条件（WHERE phone = 13800138000）会触发转换，索引失效。参数类型和列类型对齐，是最廉价的优化。
LIKE 左通配。LIKE '%关键词' 无法利用有序性，只能退化为扫描。LIKE '关键词%' 则可以。确实需要后缀匹配时，可以考虑反转列存储或全文检索方案。
OR 连接非索引列。WHERE indexed_col = 1 OR other_col = 2 中只要有一侧无索引，整体就退化为全表扫描。改写成 UNION ALL 两个子查询各自走索引，通常更优。

五、读懂 EXPLAIN 的关键列

EXPLAIN 不会给执行计划打分，它给的是优化器的估算值。看懂以下几列就足以定位大部分索引问题：

type：访问类型，性能大致按 system/const > eq_ref > ref > range > index > ALL 递减。业务查询出现 ALL 且 rows 很大时，几乎就是要优化的信号。
key：实际选择的索引。为 NULL 表示没走索引；出现的索引不是你期望的那个，说明联合索引的列顺序或条件写法有问题。
rows：预估扫描行数。这是估算值而非精确值，量级判断足够，不能当作精确指标。
Extra：Using index 是覆盖索引，Using index condition 是索引下推（把部分过滤下推到存储引擎层，减少回表次数），Using filesort 和 Using temporary 分别意味着额外排序和临时表，都是需要关注的信号。

举个反例的执行计划：

+----+-------------+-------+------+---------------+------+---------+------+--------+----------------+
| id | select_type | table | type | possible_keys | key  | key_len | rows | Extra                |
+----+-------------+-------+------+---------------+------+---------+------+----------------+
|  1 | SIMPLE      | t1    | ALL  | NULL          | NULL | NULL    | 80万 | Using where          |
+----+-------------+-------+------+---------------+------+---------+------+----------------+

type: ALL 加全表 rows 估算，配合”没走任何索引”，说明这条语句在大表上必然慢。此时的排查顺序是：条件列有没有索引、写法是否破坏了索引可用性、数据类型是否匹配——往往三步之内就能定位原因。

索引不是越多越好。每个索引都会增加写入成本和存储开销，联合索引能覆盖的场景就不必再为其中的前缀单列重复建索引。定期用 SHOW INDEX 和慢查询日志对照，把长期没被命中的索引清掉，和加索引一样重要。