索引 資料庫優化方法(一)

2022-02-26 01:43:04 字數 3906 閱讀 5311

「資料庫」和「資料庫索引」這兩個東西是在伺服器端開發領域應用最為廣泛的兩個概念,熟練使用資料庫和資料庫索引是開發人員在行業內生存的必備技能

使用索引很簡單,只要能寫建立表的語句,就肯定能寫建立索引的語句,要知道這個世界上是不存在不會建立表的伺服器端程式設計師的。然而, 會使用索引是一回事, 而深入理解索引原理又能恰到好處使用索引又是另一回事,這完全是兩個天差地別的境界(我自己也還沒有達到這層境界)。很大一部份程式設計師對索引的了解僅限於到「加索引能使查詢變快」這個概念為止。

為什麼要給表加上主鍵? 為什麼加索引後會使查詢變快? 為什麼加索引後會使寫入、修改、刪除變慢? 什麼情況下要同時在兩個欄位上建索引? 這些問題他們可能不一定能說出答案。知道這些問題的答案有什麼好處呢?如果開發的應用使用的資料庫表中只有1萬條資料,那麼了解與不了解真的沒有差別, 然而, 如果開發的應用有幾百上千萬甚至億級別的資料,那麼不深入了解索引的原理, 寫出來程式就根本跑不動,就好比如果給貨車裝個轎車的引擎,這貨車還能拉的動貨嗎?

接下來就講解一下上面提出的幾個問題,希望對閱讀者有幫助。

網上很多講解索引的文章對索引的描述是這樣的「索引就像書的目錄, 通過書的目錄就準確的定位到了書籍具體的內容」,這句話描述的非常正確, 但就像脫了褲子放屁,說了跟沒說一樣,通過目錄查詢書的內容自然是要比一頁一頁的翻書找來的快,同樣使用的索引的人難到會不知道,通過索引定位到資料比直接一條一條的查詢來的快,不然他們為什麼要建索引。

想要理解索引原理必須清楚一種資料結構「平衡樹」(非二叉),也就是b tree或者 b+ tree,重要的事情說三遍:「平衡樹,平衡樹,平衡樹」。當然, 有的資料庫也使用雜湊桶作用索引的資料結構 , 然而, 主流的rdbms都是把平衡樹當做資料表預設的索引資料結構的。

我們平時建表的時候都會為表加上主鍵, 在某些關聯式資料庫中, 如果建表時不指定主鍵,資料庫會拒絕建表的語句執行。 事實上, 乙個加了主鍵的表,並不能被稱之為「表」。乙個沒加主鍵的表,它的資料無序的放置在磁碟儲存器上,一行一行的排列的很整齊, 跟我認知中的「表」很接近。如果給表上了主鍵,那麼表在磁碟上的儲存結構就由整齊排列的結構轉變成了樹狀結構,也就是上面說的「平衡樹」結構,換句話說,就是整個表就變成了乙個索引。沒錯, 再說一遍, 整個表變成了乙個索引,也就是所謂的「聚集索引」。

這就是為什麼乙個表只能有乙個主鍵, 乙個表只能有乙個「聚集索引」,因為主鍵的作用就是把「表」的資料格式轉換成「索引(平衡樹)」的格式放置。

上圖就是帶有主鍵的表(聚集索引)的結構圖。圖畫的不是很好, 將就著看。其中樹的所有結點(底部除外)的資料都是由主鍵欄位中的資料構成,也就是通常我們指定主鍵的id欄位。最下面部分是真正表中的資料。 假如我們執行乙個sql語句:

select * from table where id = 1256; 1 首先根據索引定位到1256這個值所在的葉結點,然後再通過葉結點取到id等於1256的資料行。 這裡不講解平衡樹的執行細節, 但是從上圖能看出,樹一共有三層, 從根節點至葉節點只需要經過三次查詢就能得到結果。如下圖

假如一張表有一億條資料 ,需要查詢其中某一條資料,按照常規邏輯, 一條一條的去匹配的話, 最壞的情況下需要匹配一億次才能得到結果,用大o標記法就是o(n)最壞時間複雜度,這是無法接受的,而且這一億條資料顯然不能一次性讀入記憶體供程式使用, 因此, 這一億次匹配在不經快取優化的情況下就是一億次io開銷,以現在磁碟的io能力和cpu的運算能力, 有可能需要幾個月才能得出結果 。

如果把這張表轉換成平衡樹結構(一棵非常茂盛和節點非常多的樹),假設這棵樹有10層,那麼只需要10次io開銷就能查詢到所需要的資料, 速度以指數級別提公升,用大o標記法就是o(log n),n是記錄總樹,底數是樹的分叉數,結果就是樹的層次數。換言之,查詢次數是以樹的分叉數為底,記錄總數的對數,用公式來表示就是

用程式來表示就是math.log(100000000,10),100000000是記錄數,10是樹的分叉數(真實環境下分叉數遠不止10), 結果就是查詢次數,這裡的結果從億降到了個位數。因此,利用索引會使資料庫查詢有驚人的效能提公升。

然而, 事物都是有兩面的, 索引能讓資料庫查詢資料的速度上公升, 而使寫入資料的速度下降,原因很簡單的, 因為平衡樹這個結構必須一直維持在乙個正確的狀態, 增刪改資料都會改變平衡樹各節點中的索引資料內容,破壞樹結構, 因此,在每次資料改變時, dbms必須去重新梳理樹(索引)的結構以確保它的正確,這會帶來不小的效能開銷,也就是為什麼索引會給查詢以外的操作帶來***的原因。

講完聚集索引 , 接下來聊一下非聚集索引, 也就是我們平時經常提起和使用的常規索引。

非聚集索引和聚集索引一樣, 同樣是採用平衡樹作為索引的資料結構。索引樹結構中各節點的值來自於表中的索引字段, 假如給user表的name欄位加上索引 , 那麼索引就是由name欄位中的值構成,在資料改變時, dbms需要一直維護索引結構的正確性。如果給表中多個字段加上索引 , 那麼就會出現多個獨立的索引結構,每個索引(非聚集索引)互相之間不存在關聯。 如下圖

每次給字段建乙個新索引, 欄位中的資料就會被複製乙份出來, 用於生成索引。 因此, 給表新增索引,會增加表的體積, 占用磁碟儲存空間。

不管以任何方式查詢表, 最終都會利用主鍵通過聚集索引來定位到資料, 聚集索引(主鍵)是通往真實資料所在的唯一路徑。

然而, 有一種例外可以不使用聚集索引就能查詢出所需要的資料, 這種非主流的方法 稱之為「覆蓋索引」查詢, 也就是平時所說的復合索引或者多欄位索引查詢。 文章上面的內容已經指出, 當為字段建立索引以後, 欄位中的內容會被同步到索引之中, 如果為乙個索引指定兩個字段, 那麼這個兩個欄位的內容都會被同步至索引之中。

先看下面這個sql語句

//建立索引

create index index_birthday on user_info(birthday);

//查詢生日在2023年11月1日出生使用者的使用者名稱

select user_name from user_info where birthday = '1991-11-1'

1 2 3 4 5 6 7 8 這句sql語句的執行過程如下:

首先,通過非聚集索引index_birthday查詢birthday等於1991-11-1的所有記錄的主鍵id值

然後,通過得到的主鍵id值執行聚集索引查詢,找到主鍵id值對就的真實資料(資料行)儲存的位置

最後, 從得到的真實資料中取得user_name欄位的值返回, 也就是取得最終的結果

我們把birthday欄位上的索引改成雙字段的覆蓋索引

create index index_birthday_and_user_name on user_info(birthday, user_name); 1 這句sql語句的執行過程就會變為:

通過非聚集索引index_birthday_and_user_name查詢birthday等於1991-11-1的葉節點的內容,然而, 葉節點中除了有user_name表主鍵id的值以外, user_name欄位的值也在裡面, 因此不需要通過主鍵id值的查詢資料行的真實所在, 直接取得葉節點中user_name的值返回即可。 通過這種覆蓋索引直接查詢的方式, 可以省略不使用覆蓋索引查詢的後面兩個步驟, 大大的提高了查詢效能,如下圖

資料庫索引的大致工作原理就是像文中所述, 然而細節方面可能會略有偏差,這但並不會對概念闡述的結果產生影響 。

【**】

資料庫索引 索引優化

二 三星索引 三 合適設計理想索引 謂詞簡單謂詞和複雜謂詞 where字句中的每個條件稱為乙個謂詞。過濾因子 描述了謂詞的選擇性,即表中滿足謂詞條件的記錄行數所佔的比例 過濾因子 ff 結果集的數量 錶行的數量 平均過濾因子 1 不同列值的數量 索引片及匹配列 乙個索引定義乙個索引片,如果where...

資料庫優化 索引

鑑於csdn無故刪除博文,本部落格不再更新,暫時遷至 2索引每一本書的前幾頁一般都是目錄,而最後幾頁通常會有乙個關鍵字索引。對於資料庫來講系統表 如 sysobjects等 就是目錄,而標字段上的索引就如同書本後面的關鍵字索引。資料庫中,目錄 資料字典 和索引的區別 目錄縱向 索引橫向。優化器根據統...

資料庫索引優化

索引的作用是告訴儲存引擎快速找到我們需要的資料,兩個極端,除了主鍵沒有任何索引,給每乙個列都建立乙個索引,所以索引是在mysql儲存引擎層實現的,而不是在mysql伺服器層實現的,不同的儲存引擎的索引方式是不同的,mysql支援的索引型別,b tree索引是比較常見的,通常所說的索引就是b tree...