資料庫索引原理

2022-01-18 03:05:26 字數 3929 閱讀 4119

**【陳巨集鴻】:

聚集索引和非聚集索引,可參考:  

平衡樹

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字

段。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;

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。

非聚集索引和聚集索引的區別在於, 通過聚集索引可以查到需要查詢的資料, 而通過非聚集索引可以查到記錄對應的主鍵值 , 再使用主鍵的值通過聚集索引查詢到需要的資料,

如下圖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'

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);

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

找的後面兩個步驟, 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 。

《sql server2005技術內幕之t-sql查詢》

這本書雖然是針對sql server寫的, 但是裡面的大部份內容同樣適用於其它關聯式資料庫,此書對查詢編寫的技巧和優化講解的非常透徹。

《關係資料庫系統概論》第四版

王珊和薩師煊寫的那本, 是大學計算機教材, 講的通俗易懂, 在國內計算機書圖書出版領域質量是排的上號的。

《資料庫系統概念》

這本書在資料庫領域非常出名, 被稱之為帆船書, 書中內容博大精深,非一朝一夕可參透的。

資料庫 資料庫索引原理

正確的建立合適的索引 是提公升資料庫查詢效能的基礎 4.b tree 在兩大引擎中的體現 5.索引的原則 索引是為了加速對錶中資料行的檢索而建立的一種分散儲存的資料結構。索引能極大的減少儲存引擎需要掃瞄的資料量 索引可以把隨機io變成順序io 索引可以幫助我們在進行分組 排序等操作時,避免使 用臨時...

資料庫原理 索引

一 索引的概念 索引就是加快檢索表中資料的方法。資料庫的索引類似於書籍的索引。在書籍中,索引允許使用者不必翻閱完整個書就能迅速地找到所需要的資訊。在資料庫中,索引也允許資料庫程式迅速地找到表中的資料,而不必掃瞄整個資料庫。二 索引的特點 1.索引可以加快資料庫的檢索速度 2.索引降低了資料庫插入 修...

資料庫索引原理

說白了,索引問題就是乙個查詢問題。資料庫索引,是資料庫管理系統中乙個排序的資料結構,以協助快速查詢 更新資料庫表中資料。索引的實現通常使用b樹及其變種b 樹。在資料之外,資料庫系統還維護著滿足特定查詢演算法的資料結構,這些資料結構以某種方式引用 指向 資料,這樣就可以在這些資料結構上實現高階查詢演算...