1 前言
基础不牢，地动山摇！！！索引是Mysql提高查询效率的一大利器（针对innodb引擎，以下相同），对于多条件查询的情况，我们可以创建联合索引进一步提高查询效率，但如果使用不当，联合索引就会失效或者使用联合索引不充分，前者比较好理解不进行深入分析，本文主要分析后者的情况。
2 准备工作
2.1 数据初始化
首先我们创建一个简单的表
CREATE TABLE `multiple_part_index_demo` (
`id` bigint(20) NOT NULL AUTO_INCREMENT,
`c1` int(11) NOT NULL DEFAULT '0',
`c2` int(11) NOT NULL DEFAULT '0',
PRIMARY KEY (`id`),
KEY `idx_c1_c2` (`c1`,`c2`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8；;
这个表创建了一个c1和c2的联合索引，继续添加一些初始数据
insert into `multiple_part_index_demo` (`c1`, `c2`) values(1, 2);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(1, 2);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(2, 4);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(3, 1);
insert into `multiple_part_index_demo` (`c1`, `c2`) values(3, 2);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(4, 1);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(6, 1);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(6, 2);
insert into `multiple_part_index_demo` (`c1`, `c2`) values(6, 4);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(8, 1);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(8, 1);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(8, 1);
insert into `multiple_part_index_demo` (`c1`, `c2`) values(8, 2);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(8, 2);
INSERT INTO `multiple_part_index_demo` (`c1`, `c2`) VALUES(8, 4);
通过执行 select * from multiple_part_index_demo;
最终的表数据显示如下
+----+----+----+
| id | c1 | c2 |
+----+----+----+
| 1 | 1 | 2 |
| 2 | 1 | 2 |
| 3 | 2 | 1 |
| 4 | 3 | 1 |
| 5 | 3 | 3 |
| 6 | 4 | 1 |
| 7 | 6 | 2 |
| 8 | 6 | 3 |
| 9 | 6 | 4 |
| 10 | 8 | 1 |
| 11 | 8 | 1 |
| 12 | 8 | 1 |
| 13 | 8 | 2 |
| 14 | 8 | 2 |
| 15 | 8 | 4 |
+----+----+----+
2.2 构建B+树
我们根据初始化的数据构建一棵B+树，这里不讲解如何构造B+树，可查阅其他资料帮助消化。Myqsl实际页大小为16kb，这里假设每页只能存放3条用户数据，超过3条页就会分裂，图中不同颜色代表不同的涵义，注意右上角的颜色说明。
3 索引命中分析
我们都知道索引都是有序的，它会按字段值的大小升序排序，那如果是联合索引呢？比如给出的c1和c2列联合索引，首先会根据c1比较，如果比较c1就可以比出大小，那么c1小的就会排在前面，否则继续比较c2，c2比较小的排在前面，这个规律应该不难理解，但也非常非常重要，下面分析的索引使用列的情况就是依据这个规则。
3.1 等值查询
执行sql1
sql1: SELECT * FROM multiple_part_index_demo WHERE c1 = 6 AND c2 = 2;
查询结果如下，返回一条数据
+----+----+----+
| id | c1 | c2 |
+----+----+----+
| 8 | 6 | 2 |
+----+----+----+
我们再看下这条sql命中索引的情况
+----+-------------+--------------------------+------------+------+---------------+-----------+---------+-------------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+--------------------------+------------+------+---------------+-----------+---------+-------------+------+----------+-------------+
| 1 | SIMPLE | multiple_part_index_demo | NULL | ref | idx_c1_c2 | idx_c1_c2 | 8 | const,const | 1 | 100.00 | Using index |
+----+-------------+--------------------------+------------+------+---------------+-----------+---------+-------------+------+----------+-------------+
我们主要看看explain中的key_len，key_len表示执行sql命中索引使用列的字节数之和，这里的长度为8，因为c1和c2都是int类型，固定长度为4个字节，4 + 4 = 8，所以可以推出c1和c2都被使用到。
再根据B+树的结构来分析下，条件c1=6，在p1页里因为1 < 6 < 8，所以可以找到索引目录项(1, 2)，而(8, 1)就被过滤掉了，下面的页过滤不符合条件的项原理相同，所以可以得到查找的路径和叶子节点的数据（p6页是叶子节点，括号内分别是c1和c2）
p1(1, 2) -> p2(6, 1) -> p6(6, 2)(6, 3)(6, 4)
因为最终的叶子节点的数据c1都是6，所以c2是有序的，此时可以根据c2=2条件来较少扫描行数（这里一条记录就是一行），我们分步骤来分析下c2的比较情况
(1) 首先与(6, 2)比较，2=2符合条件返回给客户端，因为2>=2，因此需要继续往下扫描比较
(2) 与(6, 3)比较，2!=3无需返回给客户端，并且2 p2(1, 2) -> p4(1, 2)(1, 3)(2, 1)
最后看下叶子节点是怎么过滤不符合条件的记录，c1包含了两个值1和2，导致c2并不是有序排列的，所以三条记录需要拿出来遍历判断c2是否等于2，具体步骤如下
(1) 与(1, 2)比较，2=2符合条件返回给客户端，因为2>=2，因此需要继续往下扫描比较
(2) 与(1, 3)比较，3!=2不符合条件，虽然2 p4(1, 2)(1, 3)(2, 1), p5(3, 1)(3, 3)(4, 1)
查询条件c2=2，分析下叶子节点的数据过滤具体步骤
(1) 与(1, 2)比较，2=2符合条件返回给客户端，因为2>=2，因此需要继续往下扫描比较
(2) 与(1, 3)比较，3!=2不符合条件，虽然2
