如何快速预估索引性能及查询效率

TR=10000 *10ms=100000ms

TS=0 * 0.01ms=0ms

LRT=100000ms+0ms=100000ms

3)、LRT 总耗时

Fetch =10000*0.1ms=1000ms

LRT =索引LRT+表LRT+Fetch=110ms+100000ms+1000ms=101110ms=101s

上述萌芽我们大年夜概估算出的萌芽时光为101s阁下，真实情况因为磁盘缓存以及表预攫取的原因，速度会比这个快。不过我们不推敲这些，我可以经由过程这个值的预估，懂得到当前萌芽以及索引的机能，以供本身断定和优化。

4)、改良&优化

上述萌芽中，我们可以看到耗时最多的处所，产生在主表回查中，原因是字段’c_date’ 不在帮助索引name_sex_age中，造成了过多的随机拜访。

2、示例2—聚簇索引拜访

select user_name,sex,age,c_date from test where user_name='test1' and sex=1 and id between 1000 and 101000;

匹配列id

过滤列user_name sex

匹配索引 PRIMARY KEY (id,user_name,sex)

过滤因子

id between 1000 and 101000，有100000行数据。

user_name 有500个不合的值，过滤因子为0.2%（1/500）

sex 有2个不合的值，过滤因子为50%（1/2）

组合过滤因子=0.2% * 50% =0.1%

结不雅集=10w * 0.2% * 50% =100

LRT估算：

因为我们此次应用的索引是主键索引（也就是会餐索引（引擎innodb）），所以我的表LRT拜访时刻，是次序拜访，不是随机IO拜访。

LRT =索引LRT+表LRT+Fetch=11ms+11ms+10ms=31ms

【编辑推荐】

【义务编辑：庞桂玉 TEL：（010）68476606】

　　推荐阅读

　　教你用 Python 来玩微信跳一跳

MacOS/Win,请应用如下操作开辟新的虚拟情况（不强调表示MacOS/Win雷同操作）下载Anaconda. MacOS:默认安装/Win:留意安装时刻勾选设备路径或者之背工动设备，直至cmd后conda关键字有效查看所有的虚拟情况 con>>>详细阅读

地址：http://www.17bianji.com/lsqh/40192.html