資料庫索引是怎樣工作的？

本文轉載自：https://blog.csdn.net/weiliangliang111/article/details/51333169

英文原文連結：https://www.programmerinterview.com/database-sql/what-is-an-index/

我們通過一個簡單的例子來開始教程，解釋為什麼我們需要資料庫索引。假設我們有一個資料庫表 Employee， 這個表有三個字段（列）分别是 Employee_Name、Employee_Age 和Employee_Address。假設表Employee 有上千行資料。

現在假設我們要從這個表中查找出所有名字是‘Jesus’的雇員資訊。我們決定使用下面的查詢語句：

SELECT * FROM Employee WHERE Employee_Name = 'Jesus';
           

如果表中沒有索引會發生什麼？

一旦我們運作這個查詢，在查找名字為Jesus的雇員的過程中，究竟會發生什麼？資料庫不得不掃描Employee表中的每一行并确定雇員的名字（Employee_Name）是否為 ‘Jesus’。由于我們想要得到每一個名字為Jesus的雇員資訊，在查詢到第一個符合條件的行後，不能停止查詢，因為可能還有其他符合條件的行。是以，必須一行一行的查找直到最後一行----這就意味資料庫不得不檢查上千行資料才能找到是以名字為Jesus的雇員。這就是所謂的全表掃描。

資料庫索引是怎樣提升性能的？

你可能會想為如此簡單的事情做全表掃描效率欠佳----資料庫是不是應該更聰明一點呢？這就像用人眼從頭到尾浏覽整張表----很慢也不優雅（原文：not at all sleek，不知如何翻譯才好）。但是，你可以能根據文章标題已經猜到，這就是索引派上用場的時候。使用索引的全部意義就是通過縮小一張表中需要查詢的記錄/行的數目來加快搜尋的速度。

什麼是索引？

一個索引是存儲的表中一個特定列的值資料結構（最常見的是B-Tree）。索引是在表的列上建立。是以，要記住的關鍵點是索引包含一個表中列的值，并且這些值存儲在一個資料結構中。請記住記住這一點：索引是一種資料結構 。

什麼樣的資料結構可以作為索引？

B-Tree 是最常用的用于索引的資料結構。因為它們是時間複雜度低， 查找、删除、插入操作都可以可以在對數時間内完成。另外一個重要原因存儲在B-Tree中的資料是有序的。資料庫管理系統（RDBMS）通常決定索引應該用哪些資料結構。但是，在某些情況下，你在建立索引時可以指定索引要使用的資料結構。

哈希表索引是怎麼工作的？

哈希表是另外一種你可能看到用作索引的資料結構----這些索引通常被稱為哈希索引。使用哈希索引的原因是，在尋找值時哈希表效率極高(O(1)複雜度)。是以，如果使用哈希索引，對于比較字元串是否相等的查詢能夠極快的檢索出的值。例如之前我們讨論過的這個查詢(SELECT * FROM Employee WHERE Employee_Name = ‘Jesus’) 就可以受益于建立在Employee_Name 列上的哈希索引。哈系索引的工作方式是将列的值作為索引的鍵值（key），和鍵值相對應實際的值（value）是指向該表中相應行的指針。因為哈希表基本上可以看作是關聯數組，一個典型的資料項就像“Jesus => 0x28939″，而0x28939是對記憶體中表中包含Jesus這一行的引用。在哈系索引的中查詢一個像“Jesus”這樣的值，并得到對應行的在記憶體中的引用，明顯要比掃描全表獲得值為“Jesus”的行的方式快很多。

哈希索引的缺點

哈希表是無序的資料結構，對于很多類型的查詢語句哈希索引都無能為力。舉例來說，假如你想要找出所有小于40歲的員工。你怎麼使用使用哈希索引進行查詢？這不可行，因為哈希表隻适合查詢鍵值對----也就是說查詢相等的查詢（例：like “WHERE name = ‘Jesus’）。哈希表的鍵值映射也暗示其鍵的存儲是無序的。這就是為什麼哈希索引通常不是資料庫索引的預設資料結構----因為在作為索引的資料結構時，其不像B-Tree那麼靈活。

還有什麼其他類型的索引？

使用R-Tree作為資料結構的索引通常用來為空間問題提供幫助。例如，一個查詢要求“查詢出所有距離我兩公裡之内的星巴克”，如果資料庫表使用R- Tree索引，這類查詢的效率将會提高。

另一種索引是位圖索引（bitmap index）， 這類索引适合放在包含布爾值(true 和 false)的列上，但是這些值（表示true或false的值）的許多執行個體----基本上都是選擇性（selectivity）低的列。

索引是怎麼提升性能的？

因為索引基本上是用來存儲列值的資料結構，這使查找這些列值更加快速。如果索引使用最常用的資料結構-B-Tree----那麼其中的資料是有序的。有序的列值可以極大的提升性能。下面解釋原因。

假設我們在 Employee_Name這一列上建立一個B-Tree索引。這意味着當我們用之前的SQL查找姓名是‘Jesus’的雇員時，不需要再掃描全表。而是用索引查找去查找名字為‘Jesus’的雇員，因為索引已經按照按字母順序排序。索引已經排序意味着查詢一個名字會快很多，因為名字少字母為‘J’的員工都是排列在一起的。另外重要的一點是，索引同時存儲了表中相應行的指針以擷取其他列的資料。

資料庫索引裡究竟存的是什麼？

你現在已經知道資料庫索引是建立在表的某列上的，并且存儲了這一列的所有值。但是，需要了解的重點是資料庫索引并不存儲這個表中其他列（字段）的值。舉例來說，如果我們在Employee_Name列建立索引，那麼列Employee_Age和Employee_Address上的值并不會存儲在這個索引當中。如果我們确實把其他所有字段也存儲在個這個索引中，那就成了拷貝一整張表做為索引----這樣會占用太大的空間而且會十分低效。

索引存儲了指向表中某一行的指針

如果我們在索引裡找到某一條記錄作為索引的列的值，如何才能找到這一條記錄的其它值呢？這是很簡單 ---- 資料庫索引同時存儲了指向表中的相應行的指針。指針是指一塊記憶體區域， 該記憶體區域記錄的是對硬碟上記錄的相應行的資料的引用。是以，索引中除了存儲列的值，還存儲着一個指向在行資料的索引。也就是說，索引中的Employee_Name這列的某個值（或者節點）可以描述為 (“Jesus”, 0x82829)， 0x82829 就是包含 “Jesus”那行資料在硬碟上的位址。如果沒有這個引用，你就隻能通路到一個單獨的值（“Jesus”），而這樣沒有意義，因為你不能擷取這一行記錄的employee的其他值----例如位址（address）和年齡（age）。

資料庫怎麼知道什麼時候使用索引？

當這個SQL （

SELECT * FROM Employee WHERE Employee_Name = ‘Jesus’

）運作時，資料庫會檢查在查詢的列上是否有索引。假設Employee_Name列上确實建立了索引，資料庫會接着檢查使用這個索引做查詢是否合理 - 因為有些場景下，使用索引比起全表掃描會更加低效。

你能強制資料庫使用索引嗎？

通常來說， 你不會告訴資料庫什麼時候使用索引 ---- 資料庫自己決定。然而，值得注意的是在大多數資料庫中（像Oracle 和 MYSQL）， 你實際上可以制訂你想要使用的索引。

如何在使用SQL建立索引：

之前的例子中，在Employee_Name列上建立索引的SQL如下：

CREATE INDEX name_index ON Employee (Employee_Name);
           

如何建立聯合索引

我們可以在雇員表上建立兩個列的聯合索引，SQL如下：

CREATE INDEX name_index ON Employee (Employee_Name, Employee_Age);
           

把資料庫索引類比成什麼比較好呢?

一個非常好的類比是把資料庫索引看作是書的索引。如果你有一本關于狗的書，你想要找關于‘黃金獵犬’的那部分。當你可以通過在書背的索引找到哪幾頁有關于‘黃金獵犬’資訊的時候，你為什麼要翻完正本書 ---- 這相當于資料庫中的全表掃描。同樣的，就像一本書的索引包含頁碼一樣，資料庫的索引包含了指針，指向你在SQL中想要查詢的值所在的行。

使用資料庫索引會有什麼代價？

那麼，使用資料庫索引有什麼缺點呢？其一，索引會占用空間 ---- 你的表越大，索引占用的空間越大。其二，性能損失（主要值更新操作），當你在表中添加、删除或者更新行資料的時候， 在索引中也會有相同的操作。記住：建立在某列（或多列）索引需要儲存該列最新的資料。

基本原則是如果表中某列在查詢過程中使用的非常頻繁，那就在該列上建立索引。