資料庫索引有什麼作用和好處？
阿新 • • 發佈：2019-02-16
資料庫索引是為了增加查詢速度而對錶欄位附加的一種標識。見過很多人機械的理解索引的概念，認為增加索引只有好處沒有壞處。這裡想把之前的索引學習筆記總結一下： 首先明白為什麼索引會增加速度，DB在執行一條Sql語句的時候，預設的方式是根據搜尋條件進行全表掃描，遇到匹配條件的就加入搜尋結果集合。如果我們對某一欄位增加索引，查詢時就會先去索引列表中一次定位到特定值的行數，大大減少遍歷匹配的行數，所以能明顯增加查詢的速度。那麼在任何時候都應該加索引麼？這裡有幾個反例：1、如果每次都需要取到所有表記錄，無論如何都必須進行全表掃描了，那麼是否加索引也沒有意義了。2、對非唯一的欄位，例如“性別”這種大量重複值的欄位，增加索引也沒有什麼意義。3、對於記錄比較少的表，增加索引不會帶來速度的優化反而浪費了儲存空間，因為索引是需要儲存空間的，而且有個致命缺點是對於update/insert/delete的每次執行，欄位的索引都必須重新計算更新。
那麼在什麼時候適合加上索引呢？我們看一個Mysql手冊中舉的例子，這裡有一條sql語句： SELECT c.companyID, c.companyName FROM Companies c, User u WHERE c.companyID = u.fk_companyID AND c.numEmployees >= 0 AND c.companyName LIKE '%i%' AND u.groupID IN (SELECT g.groupID FROM Groups g WHERE g.groupLabel
= 'Executive') 這條語句涉及3個表的聯接，並且包括了許多搜尋條件比如大小比較，Like匹配等。在沒有索引的情況下Mysql需要執行的掃描行數是77721876行。而我們通過在companyID和groupLabel兩個欄位上加上索引之後，掃描的行數只需要134行。在Mysql中可以通過Explain Select來檢視掃描次數。可以看出來在這種聯表和複雜搜尋條件的情況下，索引帶來的效能提升遠比它所佔據的磁碟空間要重要得多。 那麼索引是如何實現的呢？大多數DB廠商實現索引都是基於一種資料結構——B樹。因為B樹的特點就是適合在磁碟等直接儲存裝置上組織動態查詢表。B樹的定義是這樣的：一棵m(m>=3)階的B樹是滿足下列條件的m叉樹：
1、每個結點包括如下作用域(j, p0, k1, p1, k2, p2, ... ki, pi) 其中j是關鍵字個數，p是孩子指標 2、所有葉子結點在同一層上，層數等於樹高h 3、每個非根結點包含的關鍵字個數滿足[m/2-1]<=j<=m-1 4、若樹非空，則根至少有1個關鍵字，若根非葉子，則至少有2棵子樹，至多有m棵子樹 看一個B樹的例子，針對26個英文字母的B樹可以這樣構造： 可以看到在這棵B樹搜尋英文字母複雜度只為o(m)，在資料量比較大的情況下，這樣的結構可以大大增加查詢速度。然而有另外一種資料結構查詢的虛度比B樹更快——散列表。Hash表的定義是這樣的：設所有可能出現的關鍵字集合為u，實際發生儲存的關鍵字記為k，而|k|比|u|小很多。雜湊方法是通過雜湊函式h將u對映到表T[0,m-1]的下標上，這樣u中的關鍵字為變數，以h為函式運算結果即為相應結點的儲存地址。從而達到可以在o(1)的時間內完成查詢。
然而散列表有一個缺陷，那就是雜湊衝突，即兩個關鍵字通過雜湊函式計算出了相同的結果。設m和n分別表示散列表的長度和填滿的結點數，n/m為散列表的填裝因子，因子越大，表示雜湊衝突的機會越大。
因為有這樣的缺陷，所以資料庫不會使用散列表來做為索引的預設實現，Mysql宣稱會根據執行查詢格式嘗試將基於磁碟的B樹索引轉變為和合適的雜湊索引以追求進一步提高搜尋速度。我想其它資料庫廠商也會有類似的策略，畢竟在資料庫戰場上，搜尋速度和管理安全一樣是非常重要的競爭點。
然而散列表有一個缺陷，那就是雜湊衝突，即兩個關鍵字通過雜湊函式計算出了相同的結果。設m和n分別表示散列表的長度和填滿的結點數，n/m為散列表的填裝因子，因子越大，表示雜湊衝突的機會越大。
因為有這樣的缺陷，所以資料庫不會使用散列表來做為索引的預設實現，Mysql宣稱會根據執行查詢格式嘗試將基於磁碟的B樹索引轉變為和合適的雜湊索引以追求進一步提高搜尋速度。我想其它資料庫廠商也會有類似的策略，畢竟在資料庫戰場上，搜尋速度和管理安全一樣是非常重要的競爭點。