当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL optimizer_switch 控制 use_invisible_indexes 的测试方案

MySQL optimizer_switch 控制 use_invisible_indexes 的测试方案

来源:17golang原创 2026-10-03 22:31:30 0浏览 收藏

给一个二级索引做下线评估时,直接 DROP INDEX 往往太激进。MySQL 的不可见索引可以先保留索引维护和唯一性语义,再用 optimizer_switch 的 use_invisible_indexes 做一组可重复的计划对比。最稳妥的做法是只改当前会话:先确认索引确实为 INVISIBLE,再分别用 off 和 on 执行 EXPLAIN,最后恢复原设置。

要点速览
  • use_invisible_indexes=off 是默认行为,不可见索引通常不会进入优化器候选。
  • 设为 on 只允许不可见索引参与计划构造,不能保证一定选中它。
  • 结论至少要同时看 possible_keys、key、rows 和实际执行表现,测试结束要恢复会话设置。

一、先固定测试对象与索引可见性

先把实验缩小到一张表、一个不可见二级索引和一条稳定查询。下面的示例只用于搭建测试对象,生产表请在影子库或低风险副本中操作:

-- 建立包含状态过滤列的二级索引,并先将它设为不可见
CREATE TABLE orders (
  id BIGINT PRIMARY KEY,
  customer_id BIGINT NOT NULL,
  status VARCHAR(20) NOT NULL,
  created_at DATETIME NOT NULL,
  KEY idx_customer_status (customer_id, status) INVISIBLE
);

-- 查询索引名和可见性,避免测错对象
SELECT INDEX_NAME, SEQ_IN_INDEX, COLUMN_NAME, IS_VISIBLE
FROM INFORMATION_SCHEMA.STATISTICS
WHERE TABLE_SCHEMA = DATABASE()
  AND TABLE_NAME = 'orders'
ORDER BY INDEX_NAME, SEQ_IN_INDEX;
MySQL orders 表不可见二级索引与 IS_VISIBLE 核对关系说明图
图1:不可见索引测试对象说明图,先固定索引列、索引名与 IS_VISIBLE=NO。

核对结果时重点看三件事:INDEX_NAME 是目标索引,SEQ_IN_INDEX 的列顺序符合查询条件,且该索引的 IS_VISIBLE 为 NO。主键不属于这次开关实验的重点;不可见属性主要用于非主键索引。

二、用会话级 optimizer_switch 做基线对比

不要直接改 GLOBAL。先保存当前会话值,再在同一连接中执行两次 EXPLAIN,这样比较的是同一份统计信息和同一条 SQL:

-- 保存当前会话配置,便于实验结束时恢复
SELECT @@SESSION.optimizer_switch;

-- 基线:不可见索引保持不可见,不参与计划构造
SET SESSION optimizer_switch = 'use_invisible_indexes=off';
EXPLAIN SELECT id, customer_id, status
FROM orders
WHERE customer_id = 1001 AND status = 'paid';

-- 对照:只在当前连接允许优化器考虑不可见索引
SET SESSION optimizer_switch = 'use_invisible_indexes=on';
EXPLAIN SELECT id, customer_id, status
FROM orders
WHERE customer_id = 1001 AND status = 'paid';

对比时把输出记录成表,而不是只看“快不快”:

字段观察重点能说明什么
possible_keys目标索引是否进入候选开关是否让它有机会被考虑
key最终选择的索引成本模型是否真的采用它
rows估算扫描行数计划估算的变化方向
Extra覆盖、过滤等附加信息读取路径是否改变
MySQL optimizer_switch off 与 on 对比 EXPLAIN 字段的静态结构图
图2:optimizer_switch 计划对比说明图,开关只改变不可见索引是否可被考虑。

这里有一个容易误判的边界:on 表示“允许考虑”,不是“强制使用”。如果统计信息、选择性或回表成本不合适,key 仍可能不是目标索引。若只想为一条语句临时测试,也可以使用官方支持的 SET_VAR 优化器提示,避免改变连接后续语句的状态。

三、把计划差异与真实收益分开判断

计划变化只是第一层证据。先确认两次 SQL 的条件、参数类型、事务隔离级别和数据分布没有变化,再观察 access type、key_len、rows、filtered 与 Extra。如果 key 变了,说明开关影响了候选空间;不代表线上一定降低延迟。

需要执行层证据时,在受控样本上补充 EXPLAIN ANALYZE 或应用侧耗时统计,并固定冷/热缓存条件。不要把单次测试结果直接推广到所有查询:不可见索引仍然会被写操作维护,唯一索引也继续承担唯一性约束,开关只影响优化器构造执行计划的过程。

如果 off 与 on 的计划完全一致,也可能是合理结果:目标索引虽然可被考虑,但成本模型认为全表扫描或另一条可见索引更合适。这时应回到数据分布和查询选择性,而不是继续反复切换开关。

四、恢复设置并明确上线边界

实验结束必须清理会话状态。最简单的策略是在专用连接中测试并直接断开;如果连接还要复用,就把保存的原始值恢复,至少确认当前标志回到预期:

-- 恢复该标志的默认值;若测试前修改过其他开关,应按保存值完整恢复
SET SESSION optimizer_switch = 'use_invisible_indexes=default';
SELECT @@SESSION.optimizer_switch;

-- 需要结束下线评估时,再单独决定是否让索引恢复可见
ALTER TABLE orders ALTER INDEX idx_customer_status VISIBLE;

测试通过后,发布决策仍应结合慢查询、业务高峰和写入成本。不可见索引适合做“保留结构、观察缺失影响”的过渡实验;它不是删除索引,也不自动证明索引应该长期保留。

相关问题

为什么开关设为 on,EXPLAIN 仍没有使用这个索引?

因为 on 只扩大候选范围,最终选择仍由成本模型和统计信息决定;先检查列顺序、选择性、估算行数和其他可见索引。

这个设置应该用 GLOBAL 还是 SESSION?

单条测试优先使用 SESSION,它只影响当前连接。只有经过变更评审并明确影响范围时,才考虑全局配置。

不可见索引会不会停止维护?

不会。索引仍会随行变更维护,唯一索引也继续约束重复值;不可见只改变优化器是否把它纳入执行计划构造。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go unicode/utf8 无效字节的替换策略Go unicode/utf8 无效字节的替换策略
上一篇
Go unicode/utf8 无效字节的替换策略
横风动漫显示维护中怎么办?应用商店状态与下载安全核对
下一篇
横风动漫显示维护中怎么办?应用商店状态与下载安全核对
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    318次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    374次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    371次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    337次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    162次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码