Python如何识别 MySQL 中的冗余索引

前言

最近在搞标准化巡检平台，通过 mysql 的元数据分析一些潜在的问题。冗余索引也是一个非常重要的巡检目，表中索引过多，会导致表空间占用较大，索引的数量与表的写入速度与索引数成线性关系(微秒级)，如果发现有冗余索引，建议立即审核删除。

ps：之前见过一个客户的数据库上面竟然创建 300 多个索引！？当时的想法是 “他们在玩排列组合呢” 表写入非常慢，严重影响性能和表维护的复杂度。

脚本介绍

表结构

下方是演示的表结构：

create table `index_test03` (
  `id` bigint(20) not null auto_increment,
  `name` varchar(20) not null,
  `create_time` varchar(20) not null,
  primary key (`id`),
  unique key `uqi_name` (`name`),
  key `idx_name` (`name`),
  key `idx_name_createtime`(name, create_time)
) engine=innodb default charset=utf8;

mysql 元数据

mysql 可以通过 information_schema.statistics 表查询索引信息：

select * from information_schema.statistics  where table_schema = 'test02' and table_name = 'index_test03';

table_catalog	table_schema	table_name	non_unique	index_schema	index_name	seq_in_index	column_name	collation	cardinality	sub_part	packed	nullable	index_type	comment	index_comment
def	test02	index_test03	0	test02	primary	1	id	a	0	null	null		btree
def	test02	index_test03	0	test02	uqi_name	1	name	a	0	null	null		btree
def	test02	index_test03	1	test02	idx_name	1	name	a	0	null	null		btree
def	test02	index_test03	1	test02	idx_name_createtime	1	name	a	0	null	null		btree
def	test02	index_test03	1	test02	idx_name_createtime	2	create_time	a	0	null	null		btree

脚本通过获得 statistics 表中的索引信息来分析表中是否存在冗余索引，分析粒度为表级别。

demo 演示

需要使用 pandas 模块。

import pandas as pd

df_table_level = pd.read_excel('/users/cooh/desktop/statistics.xlsx')

table_indexes = df_table_level['index_name'].drop_duplicates().tolist()

_indexes = list()
for index_name in table_indexes:
    index_info = {'index_cols': df_table_level[df_table_level['index_name'] == index_name]['column_name'].tolist(),
                  'non_unique': df_table_level[df_table_level['index_name'] == index_name]['non_unique'].tolist()[0],
                  'index_name': index_name
                  }
    _indexes.append(index_info)

content = ''
election_dict = {i['index_name']: 0 for i in _indexes}

while len(_indexes) > 0:
    choice_index_1 = _indexes.pop(0)

    for choice_index_2 in _indexes:
        # 对比两个索引字段的个数，使用字段小的进行迭代
        min_len = min([len(choice_index_1['index_cols']), len(choice_index_2['index_cols'])])

        # 获得相似字段的个数据
        similarity_col = 0
        for i in range(min_len):
            # print(i)
            if choice_index_1['index_cols'][i] == choice_index_2['index_cols'][i]:
                similarity_col += 1

        # 然后进行逻辑判断
        if similarity_col == 0:
            # print('毫无冗余')
            pass
        else:
            # 两个索引的字段包含内容都相同，说明两个索引完全相同，接下来就需要从中选择一个删除
            if len(choice_index_1['index_cols']) == similarity_col and len(
                    choice_index_2['index_cols']) == similarity_col:
                # 等于 0 表示有唯一约束
                if choice_index_1['non_unique'] == 1:
                    content += '索引 {0} 与索引 {1} 重复, '.format(choice_index_2['index_name'], choice_index_1['index_name'])
                    election_dict[choice_index_1['index_name']] += 1
                elif choice_index_2['non_unique'] == 1:
                    content += '索引 {0} 与索引 {1} 重复, '.format(choice_index_1['index_name'], choice_index_2['index_name'])
                    election_dict[choice_index_2['index_name']] += 1
                else:
                    content += '索引 {0} 与索引 {1} 重复, '.format(choice_index_2['index_name'], choice_index_1['index_name'])
                    election_dict[choice_index_1['index_name']] += 1

            elif len(choice_index_1['index_cols']) == similarity_col and choice_index_1['non_unique'] != 0:
                content += '索引 {0} 与索引 {1} 重复, '.format(choice_index_2['index_name'], choice_index_1['index_name'])
                election_dict[choice_index_1['index_name']] += 1

            elif len(choice_index_2['index_cols']) == similarity_col and choice_index_1['non_unique'] != 0:
                content += '索引 {0} 与索引 {1} 重复, '.format(choice_index_1['index_name'], choice_index_2['index_name'])
                election_dict[choice_index_2['index_name']] += 1

redundancy_indexes = list()
for _k_name, _vote in election_dict.items():
    if _vote > 0:
        redundancy_indexes.append(_k_name)

content += '建议删除索引：{0}'.format(', '.join(redundancy_indexes))

print(content)

输出结果：

索引 uqi_name 与索引 idx_name 重复, 索引 idx_name_createtime 与索引 idx_name 重复, 建议删除索引：idx_name

sql 查询冗余索引

mysql 5.7 是可以直接通过 sys 元数据库中的视图来查冗余索引的，但是云上 rds 用户看不到 sys 库。所以才被迫写这个脚本，因为实例太多了，一个一个看不现实。如果你是自建的 mysql，就不用费那么大劲了，直接使用下面 sql 来统计。

select * from sys.schema_redundant_indexes;

后记

删除索引属于高危操作，删除前需要多次 check 后再删除。上面是一个 demo 可以包装成函数，使用 pandas 以表为粒度传入数据，就可以嵌入到程序中。有问题欢迎评论沟通。

到此这篇关于python 识别 mysql 中的冗余索引的文章就介绍到这了,更多相关mysql冗余索引内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！