在大多数情况下，您可以通过计算磁盘寻道来估计查询性能。对于小表，您通常可以在一次磁盘查找中找到一行（因为索引可能已缓存）。对于更大的表，您可以估计，使用 B 树索引，您需要进行这么多次搜索才能找到一行： 。 log(row_count) / log(index_block_length / 3 * 2 / (index_length + data_pointer_length)) + 1

在MySQL中，一个索引块通常为1024字节，数据指针通常为4字节。对于500,000行的表，键值长度为三个字节（大小为 MEDIUMINT），公式表示 log(500,000)/log(1024/3*2/(3+4)) + 1= 4seeks。

该索引需要大约 500,000 * 7 * 3/2 = 5.2MB 的存储空间（假设典型的索引缓冲区填充率为 2/3），因此您可能在内存中有大部分索引，因此只需要调用一两次读取数据以查找行。

但是，对于写入，您需要四个查找请求来查找放置新索引值的位置，通常需要两个查找请求来更新索引和写入行。

前面的讨论并不意味着您的应用程序性能会随着 log 缓慢下降 N。只要一切都被操作系统或 MySQL 服务器缓存，随着表变大，事情只会稍微变慢。在数据变得太大而无法缓存之后，事情开始变得更慢，直到您的应用程序仅受磁盘搜索（增加 log N）的约束。为避免这种情况，请随着数据的增长增加密钥缓存大小。对于MyISAM 表，键缓存大小由 key_buffer_size系统变量控制。请参阅第 5.1.1 节，“配置服务器”。