索引下推是从 MySQL5.6 开始引入一个特性，英文是 index condition pushdown，一般简称为 ICP，索引下推通过减少回表的次数，来提高数据库的查询效率。
有的小伙伴可能也看过一些关于 ICP 的概念，但是我觉得，概念比较简单，说一下很容易懂，但是在实际应用中，各种各样的情况非常多。所以接下来的内容我想通过几个具体的查询分析来和大家分享 ICP 到底是怎么一回事。
一 索引下推
为了给大家演示索引下推，我用 docker 安装了两个 MySQL，一个是 MySQL5.5.62，另一个是 5.7.26，因为索引下推是 MySQL5.6 中开始引入的新特性，所以这两个版本就可以给大家演示出索引下推的特点（不懂 docker 的小伙伴可以在公众号后台回复 docker，有松哥写的入门教程）。
1.1 准备工作
首先我有如下一张表：
CREATE TABLE `user2` (
`id` int(11) unsigned NOT NULL AUTO_INCREMENT,
`username` varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
`age` int(11) DEFAULT NULL,
`address` varchar(255) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `username` (`username`(191),`age`)
) ENGINE=InnoDB AUTO_INCREMENT=100001 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;
我在 MySQL5.5 和 MySQL5.7 中分别执行如上 SQL，确保两个 MySQL 中都有这样一张表。这张表中有一个由 username 和 age 组成的复合索引，索引名字就叫 username，在本文接下来的内容中，我说 username 索引就是指该复合索引。
表创建成功后，各自添加一些模拟数据，这个我就不演示了，通过存储过程或者 Java 代码都能添加模拟数据，这个小伙伴们自行解决即可。
OK，这样我们的准备工作就算完成了。
1.2 MySQL 5.5
先来给小伙伴们演示一个 MySQL5.5 中的查询案例。
为了方便后文的表述，我给每一条 SQL 都取一个标记：
来看如下 SQL（SQL1）：
select * from user2 where username='1' and age=99;
根据 username 和 age 查询一条记录，我们来看看这条 SQL 的执行计划（为了小伙伴们阅读方便，我加了 \G 把数据用列的形式展示）：
大致瞅一眼，我们发现这个是用了索引的，但是具体是怎么用的，我来和大家说道说道！
在 MySQL5.5 中，由于没有索引下推，所以上面这个 SQL 的执行流程是这样的：
首先 MySQL 的 server 层调用存储引擎获取 username='1' 的第一条记录。 存储引擎找到 username='1' 的第一条记录后，在 B+Tree 的叶子结点中保存着主键 id，此时通过回表操作，去主键索引中找到该条记录的完整数据，并返回给 server 层。 server 层拿到数据之后，判断该条记录的 age 是否为 99，如果 age=99，就把该条记录返回给客户端，如果 age!=99，那就就丢弃该记录。 由于 username+age 组成的复合索引只是一个普通索引，并不是唯一索引（如果是唯一索引，那么这个查询就到此结束了），所以还需要继续去搜索有没有满足条件的记录。
但是注意第四步的搜索方式，不是直接去 B+Tree 中搜索了。由于在 username 索引中，username 字段的存储是有序的，即 username='1' 的记录都是挨着的，而 B+Tree 的叶子结点之间通过双向链表关联，通过一个叶子结点就能找到下一个叶子结点（或者上一个叶子结点），第二步返回的数据中有一个 next_record 属性，该属性就直接指向二级索引的下一条记录，找到下一条记录后，回表拿到所有数据并返回给 server 层，然后重复 3、4 步。
我们看看上面的执行计划，和我们的分析是一致的：
前面的 type 为 ref 表示通过索引查找数据，一般出现等值匹配的时候，type 会为 ref。 最后的 Extra 为 Using where 表示数据在 server 层还进行了过滤操作。
再来看一个 SQL（SQL2）：
select * from user2 where username like 'j%' and age=99;
这跟前面那个 SQL1 其实很像，唯一的差别在于 username 用了模糊匹配 'j%'，在上篇文章中松哥已经和大家分享过了，这种情况其实也是能用上索引的，具体大家可以参考：其实 MySQL 中的 like 关键字也能用索引！。
这条 SQL 的执行流程，跟第一条 SQL1 的执行流程也基本上是一致的，我这里就不赘述了，我们来看看这条 SQL 的执行计划：
跟上面的执行计划相比，主要是 type 变为 range 了，表示按照范围搜索，因为 'j%' 其实就代表了一个扫描区间，不懂 'j%' 代表扫描区间的小伙伴，戳上篇文章。
前面两个 SQL，由于查询的时候是 select *，所以都是需要回表操作的，虽然是复合索引，索引中既有 username 又有 age，但是查询条件中只能传入 username 到存储引擎中，从存储引擎中回表拿到一行数据的完整记录后，再返回给 server 层，再在 server 层判断 age 是否满足条件。我们肉眼其实都能看到这样查询效率比较低，明明索引中有 age 的值，但是却不在索引中比较 age，而是要回表，取一行的完整记录出来，返回给 server 层，再去和 age 比较，要是比较不通过，这条记录就被丢掉了。如果我们能够把 age 直接传入存储引擎，在存储引擎中直接去判断 age 是否满足条件，满足条件了，再去回表，不满足条件就到此结束，这样就可以减少回表的次数，进而提高查询效率。
从 MySQL5.6 开始引进的索引下推技术，做的就是这事。
1.3 MySQL 5.7
我们在 MySQL5.7 中也来看下上面两条 SQL 的执行，先来看第一个（SQL3）：
select * from user2 where username like 'j%' and age=99;
来看下查询计划：
可以看到，这个查询计划和 SQL2 的查询计划相比，主要是最后的 Extra 为 Using index condition，这是啥意思呢？
这就是从 MySQL5.6 开始引入了索引下推 ICP，我们一起来看下具体操作流程：
MySQL 的 server 层首先调用存储引擎定位到第一个以 j 开头的 username。 找到记录后，存储引擎并不急着回表，而是继续判断这条记录的 age 是否等于 99，如果 age=99，再去回表，如果 age 不等于 99，就不去回表了，直接继续读取下一条记录。 存储引擎将读取到的数据行返回给 server 层，此时如果还有其他非索引的查询条件，server 层再去继续过滤，在我们上面的案例中，此时没有其他查询条件了。假设 server 层还有其他的过滤条件，并且这个过滤条件把刚刚查到的记录过滤掉了，那么就会通过记录的 next_record 属性读取下一条记录，然后重复第二步。
这就是索引下推（index condition pushdown，ICP），有效的减少了回表次数，提高了查询效率。
有时候我们看一下老版本的 MySQL，会觉得特别莫名其妙，索引下推，多么理所应当顺理成章的功能呀，可惜当时就是没有！还好，该有的最终都会有。
我们再来看一个特殊情况，来看如下 SQL（SQL4）：
select * from user2 where username='1' and age=99;
和前面的相比，这里的查询条件都变成等值比较了，来看看它的执行计划，如下：
可以看到，这个查询计划和 SQL1 的查询计划相比，主要是最后的 Extra 为 null，没有额外操作了，其实这只是一个特殊处理而已，利用搜索条件 username='1' and age=99 从存储引擎中找到数据之后，没有再去重复判断了而已（SQL3 中索引下推的时候不仅判断 age 的值也判断 username 的值）。
二 小结
好啦，通过 MySQL5.5 和 MySQL5.7 的对比，现在大家明白什么是索引下推了吧？其实一句话：在搜索引擎中提前判断对应的搜索条件是否满足，满足了再去回表，通过减少回表次数进而提高查询效率。
SpringSecurity+OAuth2 实战
最新版的 Spring Security 和之前旧版的写法有了很大的变化，针对目前最新版的 Spring Security，松哥录制了一套视频教程：SpringSecurity+OAuth2 精讲。
关于松哥
9 年程序员生涯，Java 畅销书作者，华为云最具价值专家，华为开发者社区之星，GitHub 知名项目作者。
目前产品有 Java 项目课程、Java 简历指导、1V1 模拟面试等，如有需求欢迎来勾搭。
