現在，幾乎所有的系統都支持郵箱登錄，如何在郵箱這樣的字段上建立合理的索引，是我們今天要討論的問題。
假設，你現在維護一個支持郵箱登錄的系統，用戶表是這么定義的：
mysql> create table SUser(
ID bigint unsigned primary key,
email varchar(64),
...
)engine=innodb; 由于要使用郵箱登錄，所以業務代碼中一定會出現類似于這樣的語句：
mysql> select f1, f2 from SUser where email='xxx';如果 email 這個字段上沒有索引，那么這個語句就只能做全表掃描。同時，MySQL 是支持前綴索引的，也就是說，你可以定義字符串的一部分作為索引。默認地，如果你創建索引的語句不指定前綴長度，那么索引就會包含整個字符串。
比如，這兩個在 email 字段上創建索引的語句：
mysql> alter table SUser add index index1(email);
或
mysql> alter table SUser add index index2(email(6));第一個語句創建的 index1 索引里面，包含了每個記錄的整個字符串；而第二個語句創建的 index2 索引里面，對于每個記錄都是只取前 6 個字節。
那么，這兩種不同的定義在數據結構和存儲上有什么區別呢？如圖 所示，就是這兩個索引的示意圖。
從圖中你可以看到，由于 email(6) 這個索引結構中每個郵箱字段都只取前 6 個字節（即：zhangs），所以占用的空間會更小，這就是使用前綴索引的優勢。但，這同時帶來的損失是，可能會增加額外的記錄掃描次數。
接下來，再看看下面這個語句，在這兩個索引定義下分別是怎么執行的。
select id,name,email from SUser where email='zhangssxyz@xxx.com';如果使用的是 index1（即 email 整個字符串的索引結構），執行順序是這樣的：
- 從 index1 索引樹找到滿足索引值是’zhangssxyz@xxx.com’的這條記錄，取得 ID2 的值；
- 到主鍵上查到主鍵值是 ID2 的行，判斷 email 的值是正確的，將這行記錄加入結果集；
- 取 index1 索引樹上剛剛查到的位置的下一條記錄，發現已經不滿足 email='zhangssxyz@xxx.com’的條件了，循環結束。
這個過程中，只需要回主鍵索引取一次數據，所以系統認為只掃描了一行。
如果使用的是 index2（即 email(6) 索引結構），執行順序是這樣的：
- 從 index2 索引樹找到滿足索引值是’zhangs’的記錄，找到的第一個是 ID1；
- 到主鍵上查到主鍵值是 ID1 的行，判斷出 email 的值不是’zhangssxyz@xxx.com’，這行記錄丟棄；取 index2 上剛剛查到的位置的下一條記錄，發現仍然是’zhangs’，取出 ID2，再到 ID 索引上取整行然后判斷，這次值對了，將這行記錄加入結果集；
- 重復上一步，直到在 idxe2 上取到的值不是’zhangs’時，循環結束。
在這個過程中，要回主鍵索引取 4 次數據，也就是掃描了 4 行。
通過這個對比，你很容易就可以發現，使用前綴索引后，可能會導致查詢語句讀數據的次數變多。
但是，對于這個查詢語句來說，如果你定義的 index2 不是 email(6) 而是 email(7），也就是說取 email 字段的前 7 個字節來構建索引的話，即滿足前綴’zhangss’的記錄只有一個，也能夠直接查到 ID2，只掃描一行就結束了。
也就是說使用前綴索引，定義好長度，就可以做到既節省空間，又不用額外增加太多的查詢成本。
當要給字符串創建前綴索引時，有什么方法能夠確定我應該使用多長的前綴呢？
實際上，在建立索引時關注的是區分度，區分度越高越好。因為區分度越高，意味著重復的鍵值越少。因此，我們可以通過統計索引上有多少個不同的值來判斷要使用多長的前綴。
首先，你可以使用下面這個語句，算出這個列上有多少個不同的值：
mysql> select count(distinct email) as L from SUser;然后，依次選取不同長度的前綴來看這個值，比如我們要看一下 4~7 個字節的前綴索引，可以用這個語句：
mysql> select count(distinct left(email,4)）as L4,count(distinct left(email,5)）as L5,count(distinct left(email,6)）as L6,count(distinct left(email,7)）as L7,
from SUser;當然，使用前綴索引很可能會損失區分度，所以你需要預先設定一個可以接受的損失比例，比如 5%。然后，在返回的 L4~L7 中，找出不小于 L * 95% 的值，假設這里 L6、L7 都滿足，你就可以選擇前綴長度為 6。
前綴索引對覆蓋索引的影響
使用前綴索引可能會增加掃描行數，這會影響到性能。其實，前綴索引的影響不止如此，我們再看一下另外一個場景
來看看這個 SQL 語句：
select id,email from SUser where email='zhangssxyz@xxx.com';與前面例子中的 SQL 語句
select id,name,email from SUser where email='zhangssxyz@xxx.com';相比，這個語句只要求返回 id 和 email 字段。
所以，如果使用 index1（即 email 整個字符串的索引結構）的話，可以利用覆蓋索引，從 index1 查到結果后直接就返回了，不需要回到 ID 索引再去查一次。而如果使用 index2（即 email(6) 索引結構）的話，就不得不回到 ID 索引再去判斷 email 字段的值。
即使你將 index2 的定義修改為 email(18) 的前綴索引，這時候雖然 index2 已經包含了所有的信息，但 InnoDB 還是要回到 id 索引再查一下，因為系統并不確定前綴索引的定義是否截斷了完整信息。
也就是說，使用前綴索引就用不上覆蓋索引對查詢性能的優化了，這也是你在選擇是否使用前綴索引時需要考慮的一個因素。
其他方式
對于類似于郵箱這樣的字段來說，使用前綴索引的效果可能還不錯。但是，遇到前綴的區分度不夠好的情況時，我們要怎么辦呢？
比如，我們國家的身份證號，一共 18 位，其中前 6 位是地址碼，所以同一個縣的人的身份證號前 6 位一般會是相同的。假設你維護的數據庫是一個市的公民信息系統，這時候如果對身份證號做長度為 6 的前綴索引的話，這個索引的區分度就非常低了。
按照我們前面說的方法，可能你需要創建長度為 12 以上的前綴索引，才能夠滿足區分度要求。但是，索引選取的越長，占用的磁盤空間就越大，相同的數據頁能放下的索引值就越少，搜索的效率也就會越低。
那么，如果我們能夠確定業務需求里面只有按照身份證進行等值查詢的需求，還有沒有別的處理方法呢？這種方法，既可以占用更小的空間，也能達到相同的查詢效率。答案是，有的。
第一種方式是使用倒序存儲。如果你存儲身份證號的時候把它倒過來存，每次查詢的時候，你可以這么寫：
mysql> select field_list from t where id_card = reverse('input_id_card_string');由于身份證號的最后 6 位沒有地址碼這樣的重復邏輯，所以最后這 6 位很可能就提供了足夠的區分度。當然了，實踐中你不要忘記使用 count(distinct) 方法去做個驗證。
第二種方式是使用 hash 字段。你可以在表上再創建一個整數字段，來保存身份證的校驗碼，同時在這個字段上創建索引。
mysql> select field_list from t where id_card_crc=crc32('input_id_card_string') and id_card='input_id_card_string'這樣，索引的長度變成了 4 個字節，比原來小了很多。
接下來，看看使用倒序存儲和使用 hash 字段這兩種方法的異同點。
首先，它們的相同點是，都不支持范圍查詢。倒序存儲的字段上創建的索引是按照倒序字符串的方式排序的，已經沒有辦法利用索引方式查出身份證號碼在[ID_X, ID_Y]的所有市民了。同樣地，hash 字段的方式也只能支持等值查詢。
它們的區別，主要體現在以下三個方面：
- 從占用的額外空間來看，倒序存儲方式在主鍵索引上，不會消耗額外的存儲空間，而 hash 字段方法需要增加一個字段。當然，倒序存儲方式使用 4 個字節的前綴長度應該是不夠的，如果再長一點，這個消耗跟額外這個 hash 字段也差不多抵消了。
- 在 CPU 消耗方面，倒序方式每次寫和讀的時候，都需要額外調用一次 reverse 函數，而 hash 字段的方式需要額外調用一次 crc32() 函數。如果只從這兩個函數的計算復雜度來看的話，reverse 函數額外消耗的 CPU 資源會更小些。
- 從查詢效率上看，使用 hash 字段方式的查詢性能相對更穩定一些。因為 crc32 算出來的值雖然有沖突的概率，但是概率非常小，可以認為每次查詢的平均掃描行數接近 1。而倒序存儲方式畢竟還是用的前綴索引的方式，也就是說還是會增加掃描行數。
)
