一.建立uid和insert_time两个独立索引
- 查询语句为：
select count(*) from table where insert_time >= "2021-01-14 00:00:00" and uid="jh"
查询两次的耗时分别为：103s，102s，查询出的count结果为110万+
- 这条语句表面是有
uid和insert_time两个索引，但是实际查询的时候，explain的结果是，只用了uid索引
2.查询语句为：
select count(*) from table where insert_time >= "2021-01-14 00:00:00"
上面的语句直接去除了uid筛选字段，两次查询的耗时分别为：0.768,0.840，查询出的count结果为126万+
- 上面的查询用到了
insert_time字段的索引，查询时间也有大幅提升，但是由于不是我们所需要的结果，还需要再此基础上再做一次过滤，如果同时有删除和更新的操作,需要锁表，可能会导致数据不一致，不过也有解决方法，暂不细聊
3.查询语句为：
select count(*) from table force index(idx_insert_time) where insert_time >= "2021-01-14 00:00:00" and uid="jh"
这条语句是强制索引，使用insert_time字段的索引，两次查询的耗时分别为：16.127s,15.553s,结果和第一次的结果一样，110万+
- 可以看出这条查询语句明显提升了耗时，
explain结果也是使用了insert_time字段的索引
4.考虑修改索引，但是怕修改之后新增和更新的速度降低，所以先观察一下当前新增一条的时间
- insert三次的耗时分别为：0.032,0.184,0.036
二.删除insert_time索引，新增insert_time,uid的联合索引
1.修改索引之后，
select count(*) from table where insert_time >= "2021-01-14 00:00:00" and uid="jh"
这条语句的两次耗时为：1.342,1.354
explain显示，使用了联合索引
2.新增一条数据，两次执行耗时为：0.143,0.043
3.更新一条数据，执行三次的耗时为：0.095,0.109,0.057
三.总结
由于时间原因，没有大量的去做测试。不过还是很显而易见看出，针对两个字段的查询，建立两个索引可能导致一个索引用不了，引起慢查，强制索引可以提升效率，但是提升有限，最好的解决方案就是建立联合索引。对于千万级的数据，联合索引建立之后，新增和更新的时间并没有巨大的变化，但是查询效率提升了接近百倍
后面作者会细致研究因果，感兴趣可以先关注，后期会更新。
