数据库索引是什么,它的作用是什么?

目录

一、概述

二、数据库为什么要设计索引?

三、哈希(hash)比树(tree)更快,索引结构为什么要设计成树型?

四、数据库索引为什么使用B+树?

五、为什么m叉的B+树比二叉搜索树的高度大大降低?

六、总结


一、概述

数据库索引是为了提高查询速度而对表字段附加的一种标识。简单来说,索引其实是一种数据结构。数据库的索引类似于书籍的索引。在书籍中,索引允许用户不必翻阅完整个书就能迅速地找到所需要的信息。在数据库中,索引也允许数据库程序迅速地找到表中的数据,而不必扫描整个数据库。

首先我们需要明白为什么索引会提高查询速度,数据库在执行一条SQL语句的时候,默认扫描方式是根据搜索条件进行全表扫描,遇到匹配条件的就加入搜索结果集合。如果我们对某一字段增加索引,查询时就会先去索引列表中一次定位到特定值的行数,大大减少遍历匹配的行数,所以数据库索引能明显提高查询的速度。

下面列举几种适合建立索引的情况:

  1. 经常在where条件中作为查询条件的字段可以建立索引;
  2. 外键关联列可以建立索引;
  3. order by排序后面的字段可以建立索引;
  4. group by分组后的字段可以建立索引;
  5. .......

当然,并不是所有情况下都适合建立索引,如下几种情况就不太适合建立索引:

  1. 经常增、删、改的字段不适合建立索引,每次执行,索引需重新建立;
  2. 数据过滤性很差的字段不适合建立索引,如性别字段;
  3. 当表数据量过少的时候不太适合建立索引,因为索引占用存储空间;
  4. ..........

二、数据库为什么要设计索引?

举个最简单的例子,小时候我们遇到不会读的字,是不是拿出《新华字典》,大家都知道一本《新华字典》里面有成千上万个字,如何快速的找到我们不会读的那个字呢?

《新华字段》最前面几页列出了我们汉字的笔画索引,如下图:

通过笔画索引表查询,我们是不是可以大大缩小我们查找的范围了,数据库索引的作用大体相似。假设数据库中存在1000万条数据,如何能够在最短的时间内搜索到满足条件的记录呢,显然可以引入索引来解决。

三、哈希(hash)比树(tree)更快,索引结构为什么要设计成树型?

加速查找速度的数据结构,常见的有两类:

(1)、哈希,例如HashMap,查询/插入/修改/删除的平均时间复杂度都是O(1);

(2)、树,例如平衡二叉搜索树,查询/插入/修改/删除的平均时间复杂度都是O(lg(n));

可以看到,不管是读请求,还是写请求,哈希类型的索引,都要比树型的索引更快一些。

那为什么索引结构要设计成树型呢?

索引设计成树形,和SQL的需求相关。

对于单行查询的SQL,如:

select * from user t where t.user_id = "1356894556";

因为上述每次查询肯定都只会返回一条记录,所以索引结构使用hash的话,确实会比用树结构快。

但是,数据库中的查询并不仅仅只有单行查询,还有分组group by、排序oder by 等等。

遇上如上除了单行查询的情况,如果使用hash索引的话,时间复杂度会退化为O(n),而如果使用树型索引的话,由于树的“有序”特性,依然能够保持O(log(n)) 的高效率,时间复杂度不会退化。

另外,hash索引可能会存在hash冲突情况。

四、数据库索引为什么使用B+树?

数据结构中,树主要有以下几种:

  1. 二叉搜索树;
  2. B树;
  3. B+树;
  • 第一种:二叉搜索树

二叉搜索树,也是最简单的树结构。主要特征:

  1. 若它的左子树不空,则左子树上所有结点的值均小于它的根结点的值;
  2. 若它的右子树不空,则右子树上所有结点的值均大于它的根结点的值;
  3. 左、右子树也分别为二叉排序树

那么,二叉搜索树为什么不适合用作数据库索引?

(1)、当数据量大的时候,树的高度会比较高,数据量大的时候,查询会比较慢;

(2)、每个节点只存储一个记录,可能导致一次查询有很多次磁盘IO;

  • 第二种:B树

B树特征:

  1. 树中每个结点最多含有m个孩子(m>=2);
  2. 除根结点和叶子结点外,其它每个结点至少有[ceil(m / 2)]个孩子(其中ceil(x)是一个取上限的函数);
  3. 叶子节点,非叶子节点,都存储数据;
  4. 中序遍历,可以获得所有节点;
  5. 若根结点不是叶子结点,则至少有2个孩子(特殊情况:没有孩子的根结点,即根结点为叶子结点,整棵树只有一个根节点);

B树为什么适合做索引?

(1)、B树结构是m分叉的,高度能够大大降低;

(2)、每个节点可以存储j个记录,如果将节点大小设置为页大小,例如4K,能够充分的利用预读的特性,极大减少磁盘IO;

  • 第三种:B+树

B+树叶是m叉搜索树,在B树的基础上,做了一些改进:

  1. 非叶子节点不再存储数据,数据只存储在同一层的叶子节点上;
  2. 叶子之间,增加了链表,获取所有节点,不再需要中序遍历;
  3. 叶子节点存储实际记录行,记录行相对比较紧密的存储,适合大数据量磁盘存储;非叶子节点存储记录的PK,用于查询加速,适合内存存储;
  4. 非叶子节点,不存储实际记录,而只存储记录的KEY的话,那么在相同内存的情况下,B+树能够存储更多索引;

五、为什么m叉的B+树比二叉搜索树的高度大大降低?

大概计算一下:

(1)、局部性原理,将一个节点的大小设为一页,一页4K,假设一个KEY有8字节,一个节点大约可以存储500个KEY,即j = 500;(1KB = 1024字节 ,4KB = 4096字节, 4096 / 8 = 512个)

(2)、m叉B+树,大概m / 2 <= j <= m,即可以差不多是1000叉树;

(3)、那么:

一层树:1个节点,1 * 500个KEY,大小4K;

二层树:1000个节点,1000 * 500 = 50W个KEY,大小1000 * 4K = 4M

三层树:1000 * 1000个节点,1000 * 1000 * 500 = 5亿个KEY,大小1000 * 1000 * 4K = 4G

可以看到,存储大量的数据(5亿),并不需要太高树的深度(高度3),索引也不是太占内存(4G)。

六、总结

  • 数据库索引用于加速查询;
  • 虽然哈希索引是O(1),树索引是O(log(n)),但SQL有很多“有序”需求,故数据库使用树型索引;
  • 数据预读的思路是:磁盘读写并不是按需读取,而是按页预读,一次会读一页的数据,每次加载更多的数据,以便未来减少磁盘IO;
  • 局部性原理:软件设计要尽量遵循“数据读取集中”与“使用到一个数据,大概率会使用其附近的数据”,这样磁盘预读能充分提高磁盘IO;
  • 数据库的索引最常用B+树:

       (1)、很适合磁盘存储,能够充分利用局部性原理,磁盘预读;

  (2)、很低的树高度,能够存储大量数据;

  (3)、索引本身占用的内存很小;

  (4)、能够很好的支持单点查询,范围查询,有序性查询;

参考文档:https://zhuanlan.zhihu.com/p/118444365

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 数字20 设计师:CSDN官方博客 返回首页
实付 19.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值