技术问题， mysql， 如果某表某字段离散度很小，但分布及不均匀， 如仅有‘是’、’否‘两种数值， 但‘是’的数据可能仅为 100 个以内的数量， 全部数据有 100 万或更多， 现在需要查询状态为‘是’的数据，如何优化查询。

[zf1968]

目前想到的方案：
1 、直接对此字段加索引？ 但 gpt 回答，还未自己验证，如果索引离散度太低，可能 mysql 查询优化器会自动退化为全表扫描
2 、再建一个新表，专门存状态为‘是’的数据的 id 。 相当于自建了一个仅包含部分数据的索引， 但这种又会增加代码复杂度，对业务逻辑有侵入

[Tiaoooo]

试一下分区后加索引呢
以下内容来自 ai：

-- 假设我们有一个名为 'user_activities' 的表
CREATE TABLE user_activities (
id INT AUTO_INCREMENT,
user_id INT,
activity_type VARCHAR(50),
status ENUM('是', '否'),
created_at TIMESTAMP,
PRIMARY KEY (id, status)
) ENGINE=InnoDB;

-- 按 status 列进行分区
ALTER TABLE user_activities
PARTITION BY LIST COLUMNS(status) (
PARTITION p_yes VALUES IN ('是'),
PARTITION p_no VALUES IN ('否')
);

-- 插入一些示例数据
INSERT INTO user_activities (user_id, activity_type, status, created_at) VALUES
(1, '登录', '是', NOW()),
(2, '购买', '否', NOW()),
(3, '评论', '是', NOW()),
(4, '浏览', '否', NOW());

-- 查询 status 为 '是' 的记录
EXPLAIN SELECT * FROM user_activities WHERE status = '是';

-- 添加索引以进一步优化查询
CREATE INDEX idx_status_created_at ON user_activities(status, created_at);

-- 再次解释查询计划
EXPLAIN SELECT * FROM user_activities WHERE status = '是' ORDER BY created_at DESC LIMIT 10;

-- 查看分区信息
SELECT PARTITION_NAME, TABLE_ROWS, AVG_ROW_LENGTH, DATA_LENGTH
FROM INFORMATION_SCHEMA.PARTITIONS
WHERE TABLE_SCHEMA = DATABASE() AND TABLE_NAME = 'user_activities';

[awalkingman]

嫌加一张表太重，那就加一个字段，是就给个时间戳，否就给个 1000 以内的值，然后对该字段加索索引，离散度拉满，区分度拉满。

[zf1968]

分区表会影响其他索引的效率吧

[xmumiffy]

被查询的值少加索引是可以的

[sagaxu]

是: 1
否: rand(-30000, 0)

离散度是不是一下子高了很多？ 30000 不够那就 30000000

[lesismal]

id 或者其他冗余字段, int64 或者 string, "是"则该字段为时间戳*10000 的 int64 或者对应的 string, "否"则是时间戳不加倍

查询"是"的时候查大于时间戳 10000 倍的位数的最小数值的范围

[lesismal]

#6 该字段做索引

[lenmore]

如果只查询 “是”，大胆的建索引吧，效率非常高。查询“否”，配合其他字段建组合索引，效率同样杠杠的。我们上亿的表都这么干，一点问题没有。

[salparadise]

离散度太低不适合加索引

[gary007lang]

mysql8.0 的话，可以建立直方图

[zhouxiaoben]

100 万数据对 mysql 来说小意思

[hangszhang]

直接在这个字段上建索引就行

[wuyiccc]

force index

[flyingfz]

如果是 PG , PG 有 部分索引， 完美解决这个问题。

[zoharSoul]

直接加索引就行

[me1onsoda]

直接加索引啊，如果你要查否那可能有点麻烦

[xuanbg]

直接加上索引就行，查“是”效率高的一批，查“否：就约等于没有索引了

[RandomJoke]

100w 不用考虑这么多，啥都上索引肯定都行

[wenxueywx]

这种字段肯定不会单独作为条件拿来查吧，建议和其他常用查询字段做联合索引。
#5 说的 是：1 否：rand （-30000 ，0 ）的这种做法，离散度是高了，但并不能提升查询效率，即是走了索引，该扫描的行数也不会少，如果要回表，最坏的情况还可能导致一次全索引扫描+一次回表。这和使用 hint 强制走索引一样。