mul(MySQL中的mul指什么)
一、mysql中key是MUL是什么意思
key属性
1.如果Key是空的,那么该列值的可以重复,表示该列没有索引,或者是一个非唯一的复合索引的非前导列
2.如果Key是PRI,那么该列是主键的组成部分
3.如果Key是UNI,那么该列是一个唯一值索引的第一列(前导列),并别不能含有空值(NULL)
4.如果Key是MUL,那么该列的值可以重复,该列是一个非唯一索引的前导列(第一列)或者是一个唯一性索引的组成部分但是可以含有空值NULL
如果对于一个列的定义，同时满足上述4种情况的多种，比如一个列既是PRI,又是UNI
那么"desc表名"的时候，显示的Key值按照优先级来显示 PRI->UNI->MUL
那么此时，显示PRI
一个唯一性索引列可以显示为PRI,并且该列不能含有空值，同时该表没有主键
一个唯一性索引列可以显示为MUL,如果多列构成了一个唯一性复合索引
因为虽然索引的多列组合是唯一的，比如ID+NAME是唯一的，但是没一个单独的列依然可以有重复的值
只要ID+NAME是唯一的即可
二、求高手优化MySQL数据库,数据库反应太慢。
在开始演示之前，我们先介绍下两个概念。
概念一，数据的可选择性基数，也就是常说的cardinality值。
查询优化器在生成各种执行计划之前，得先从统计信息中取得相关数据，这样才能估算每步操作所涉及到的记录数，而这个相关数据就是cardinality。简单来说，就是每个值在每个字段中的唯一值分布状态。
比如表t1有100行记录，其中一列为f1。f1中唯一值的个数可以是100个，也可以是1个，当然也可以是1到100之间的任何一个数字。这里唯一值越的多少，就是这个列的可选择基数。
那看到这里我们就明白了，为什么要在基数高的字段上建立索引，而基数低的的字段建立索引反而没有全表扫描来的快。当然这个只是一方面，至于更深入的探讨就不在我这篇探讨的范围了。
概念二，关于HINT的使用。
这里我来说下HINT是什么，在什么时候用。
HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作，使她生成最优的执行计划。一般来说，优化器的执行计划都是最优化的，不过在某些特定场景下，执行计划可能不是最优化。
比如：表t1经过大量的频繁更新操作，（UPDATE,DELETE,INSERT），cardinality已经很不准确了，这时候刚好执行了一条SQL，那么有可能这条SQL的执行计划就不是最优的。为什么说有可能呢？
来看下具体演示
譬如，以下两条SQL，
A：
select* from t1 where f1= 20;B：
select* from t1 where f1= 30;如果f1的值刚好频繁更新的值为30，并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等，那么对这两条语句来说，可能不准确的就是B了。
这里顺带说下，MySQL提供了自动更新和手动更新表cardinality值的方法，因篇幅有限，需要的可以查阅手册。
那回到正题上，MySQL 8.0带来了几个HINT，我今天就举个index_merge的例子。
示例表结构：
mysql> desc t1;+------------+--------------+------+-----+---------+----------------+| Field| Type| Null| Key| Default| Extra|+------------+--------------+------+-----+---------+----------------+| id| int(11)| NO| PRI| NULL| auto_increment|| rank1| int(11)| YES| MUL| NULL||| rank2| int(11)| YES| MUL| NULL||| log_time| datetime| YES| MUL| NULL||| prefix_uid| varchar(100)| YES|| NULL||| desc1| text| YES|| NULL||| rank3| int(11)| YES| MUL| NULL||+------------+--------------+------+-----+---------+----------------+7 rows in set(0.00 sec)表记录数：
mysql> select count(*) from t1;+----------+| count(*)|+----------+| 32768|+----------+1 row in set(0.01 sec)这里我们两条经典的SQL：
SQL C：
select* from t1 where rank1= 1 or rank2= 2 or rank3= 2;SQL D：
select* from t1 where rank1=100 and rank2=100 and rank3=100;表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引。
那我们来看SQL C的查询计划。
显然，没有用到任何索引，扫描的行数为32034，cost为3243.65。
mysql> explain format=json select* from t1 where rank1=1 or rank2= 2 or rank3= 2\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"3243.65"},"table":{"table_name":"t1","access_type":"ALL","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"rows_examined_per_scan": 32034,"rows_produced_per_join": 115,"filtered":"0.36","cost_info":{"read_cost":"3232.07","eval_cost":"11.58","prefix_cost":"3243.65","data_read_per_join":"49K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank1`= 1) or(`ytt`.`t1`.`rank2`= 2) or(`ytt`.`t1`.`rank3`= 2))"}}}1 row in set, 1 warning(0.00 sec)我们加上hint给相同的查询，再次看看查询计划。
这个时候用到了index_merge,union了三个列。扫描的行数为1103，cost为441.09，明显比之前的快了好几倍。
mysql> explain format=json select/*+ index_merge(t1)*/* from t1 where rank1=1 or rank2= 2 or rank3= 2\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"441.09"},"table":{"table_name":"t1","access_type":"index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"union(idx_rank1,idx_rank2,idx_rank3)","key_length":"5,5,5","rows_examined_per_scan": 1103,"rows_produced_per_join": 1103,"filtered":"100.00","cost_info":{"read_cost":"330.79","eval_cost":"110.30","prefix_cost":"441.09","data_read_per_join":"473K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank1`= 1) or(`ytt`.`t1`.`rank2`= 2) or(`ytt`.`t1`.`rank3`= 2))"}}}1 row in set, 1 warning(0.00 sec)我们再看下SQL D的计划：
不加HINT，
mysql> explain format=json select* from t1 where rank1=100 and rank2=100 and rank3=100\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"534.34"},"table":{"table_name":"t1","access_type":"ref","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"idx_rank1","used_key_parts": ["rank1" ],"key_length":"5","ref": ["const" ],"rows_examined_per_scan": 555,"rows_produced_per_join": 0,"filtered":"0.07","cost_info":{"read_cost":"478.84","eval_cost":"0.04","prefix_cost":"534.34","data_read_per_join":"176"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank3`= 100) and(`ytt`.`t1`.`rank2`= 100))"}}}1 row in set, 1 warning(0.00 sec)加了HINT，
mysql> explain format=json select/*+ index_merge(t1)*/* from t1 where rank1=100 and rank2=100 and rank3=100\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"5.23"},"table":{"table_name":"t1","access_type":"index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"intersect(idx_rank1,idx_rank2,idx_rank3)","key_length":"5,5,5","rows_examined_per_scan": 1,"rows_produced_per_join": 1,"filtered":"100.00","cost_info":{"read_cost":"5.13","eval_cost":"0.10","prefix_cost":"5.23","data_read_per_join":"440"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank3`= 100) and(`ytt`.`t1`.`rank2`= 100) and(`ytt`.`t1`.`rank1`= 100))"}}}1 row in set, 1 warning(0.00 sec)对比下以上两个，加了HINT的比不加HINT的cost小了100倍。
总结下，就是说表的cardinality值影响这张的查询计划，如果这个值没有正常更新的话，就需要手工加HINT了。相信MySQL未来的版本会带来更多的HINT。
三、mysql查询优化器应该怎么使用
在开始演示之前，我们先介绍下两个概念。
概念一，数据的可选择性基数，也就是常说的cardinality值。
查询优化器在生成各种执行计划之前，得先从统计信息中取得相关数据，这样才能估算每步操作所涉及到的记录数，而这个相关数据就是cardinality。简单来说，就是每个值在每个字段中的唯一值分布状态。
比如表t1有100行记录，其中一列为f1。f1中唯一值的个数可以是100个，也可以是1个，当然也可以是1到100之间的任何一个数字。这里唯一值越的多少，就是这个列的可选择基数。
那看到这里我们就明白了，为什么要在基数高的字段上建立索引，而基数低的的字段建立索引反而没有全表扫描来的快。当然这个只是一方面，至于更深入的探讨就不在我这篇探讨的范围了。
概念二，关于HINT的使用。
这里我来说下HINT是什么，在什么时候用。
HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作，使她生成最优的执行计划。一般来说，优化器的执行计划都是最优化的，不过在某些特定场景下，执行计划可能不是最优化。
比如：表t1经过大量的频繁更新操作，（UPDATE,DELETE,INSERT），cardinality已经很不准确了，这时候刚好执行了一条SQL，那么有可能这条SQL的执行计划就不是最优的。为什么说有可能呢？
来看下具体演示
譬如，以下两条SQL，
A：
select* from t1 where f1= 20;B：
select* from t1 where f1= 30;如果f1的值刚好频繁更新的值为30，并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等，那么对这两条语句来说，可能不准确的就是B了。
这里顺带说下，MySQL提供了自动更新和手动更新表cardinality值的方法，因篇幅有限，需要的可以查阅手册。
那回到正题上，MySQL 8.0带来了几个HINT，我今天就举个index_merge的例子。
示例表结构：
mysql> desc t1;+------------+--------------+------+-----+---------+----------------+| Field| Type| Null| Key| Default| Extra|+------------+--------------+------+-----+---------+----------------+| id| int(11)| NO| PRI| NULL| auto_increment|| rank1| int(11)| YES| MUL| NULL||| rank2| int(11)| YES| MUL| NULL||| log_time| datetime| YES| MUL| NULL||| prefix_uid| varchar(100)| YES|| NULL||| desc1| text| YES|| NULL||| rank3| int(11)| YES| MUL| NULL||+------------+--------------+------+-----+---------+----------------+7 rows in set(0.00 sec)表记录数：
mysql> select count(*) from t1;+----------+| count(*)|+----------+| 32768|+----------+1 row in set(0.01 sec)这里我们两条经典的SQL：
SQL C：
select* from t1 where rank1= 1 or rank2= 2 or rank3= 2;SQL D：
select* from t1 where rank1=100 and rank2=100 and rank3=100;表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引。
那我们来看SQL C的查询计划。
显然，没有用到任何索引，扫描的行数为32034，cost为3243.65。
mysql> explain format=json select* from t1 where rank1=1 or rank2= 2 or rank3= 2\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"3243.65"},"table":{"table_name":"t1","access_type":"ALL","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"rows_examined_per_scan": 32034,"rows_produced_per_join": 115,"filtered":"0.36","cost_info":{"read_cost":"3232.07","eval_cost":"11.58","prefix_cost":"3243.65","data_read_per_join":"49K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank1`= 1) or(`ytt`.`t1`.`rank2`= 2) or(`ytt`.`t1`.`rank3`= 2))"}}}1 row in set, 1 warning(0.00 sec)我们加上hint给相同的查询，再次看看查询计划。
这个时候用到了index_merge,union了三个列。扫描的行数为1103，cost为441.09，明显比之前的快了好几倍。
mysql> explain format=json select/*+ index_merge(t1)*/* from t1 where rank1=1 or rank2= 2 or rank3= 2\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"441.09"},"table":{"table_name":"t1","access_type":"index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"union(idx_rank1,idx_rank2,idx_rank3)","key_length":"5,5,5","rows_examined_per_scan": 1103,"rows_produced_per_join": 1103,"filtered":"100.00","cost_info":{"read_cost":"330.79","eval_cost":"110.30","prefix_cost":"441.09","data_read_per_join":"473K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank1`= 1) or(`ytt`.`t1`.`rank2`= 2) or(`ytt`.`t1`.`rank3`= 2))"}}}1 row in set, 1 warning(0.00 sec)我们再看下SQL D的计划：
不加HINT，
mysql> explain format=json select* from t1 where rank1=100 and rank2=100 and rank3=100\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"534.34"},"table":{"table_name":"t1","access_type":"ref","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"idx_rank1","used_key_parts": ["rank1" ],"key_length":"5","ref": ["const" ],"rows_examined_per_scan": 555,"rows_produced_per_join": 0,"filtered":"0.07","cost_info":{"read_cost":"478.84","eval_cost":"0.04","prefix_cost":"534.34","data_read_per_join":"176"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank3`= 100) and(`ytt`.`t1`.`rank2`= 100))"}}}1 row in set, 1 warning(0.00 sec)加了HINT，
mysql> explain format=json select/*+ index_merge(t1)*/* from t1 where rank1=100 and rank2=100 and rank3=100\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"5.23"},"table":{"table_name":"t1","access_type":"index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"intersect(idx_rank1,idx_rank2,idx_rank3)","key_length":"5,5,5","rows_examined_per_scan": 1,"rows_produced_per_join": 1,"filtered":"100.00","cost_info":{"read_cost":"5.13","eval_cost":"0.10","prefix_cost":"5.23","data_read_per_join":"440"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank3`= 100) and(`ytt`.`t1`.`rank2`= 100) and(`ytt`.`t1`.`rank1`= 100))"}}}1 row in set, 1 warning(0.00 sec)对比下以上两个，加了HINT的比不加HINT的cost小了100倍。
总结下，就是说表的cardinality值影响这张的查询计划，如果这个值没有正常更新的话，就需要手工加HINT了。相信MySQL未来的版本会带来更多的HINT。