索引分类数据结构实现当数据库中数据量比较少的时候,哪怕全部检索也可以很快,但如果数据量达到了百万,千万,上亿的时候,还是全表扫描,那么数据查询的速度会慢的让人无法忍受。
索引的作用,就是为了加快数据查询,类似于我们查不认识的字时,使用字典的目录一样,在字典里面快速查询出不认识的字。字典可以根据读音的首字母,偏旁部首,笔画来查询。同样的,索引也有hash索引,b-tree索引,GIN索引等不同索引类型,根据查询的场景不同,可以选择创建对应的索引类型。
Postgresql支持丰富的索引类型,并且根据索引框架支持用户开发自定义的索引,下面列举下常用的索引类型及适用范围
索引类型实现方法适用范围b-tree使用b-tree数据结构来存储索引数据等值查询或范围查询,以及in、between、is null、order by等,默认索引类型hash基于hash表实现等值查询,尤其索引列值非常长的情况gist使用一种平衡的树形结构访问方法多维数据类型和集合数据类型gin通用倒排索引,存储的是键值与倒排表数组、jsonb、全文检索、模糊查询等brin块范围索引索引列的值与物理存储相关性很强,比如时序数据
mysql的索引类型和数据库引擎相关性较强,不过最常用的B树索引是支持的
索引类型MyISAMInnoDBb-treeyesyeshashnonoR-TreeyesnoFull-Text(类似gin)yesno
聚簇索引与非聚簇索引联合索引与单列索引InnoDB 默认创建的主键索引是聚族索引(Clustered Index),其它索引都属于辅助索引(Secondary Index),也被称为二级索引或非聚族索引。
create index i1 on t2 (c1);
create index i2 on t2 (c1,c2);
部分索引pg的多列(联合)索引仅支持b-tree、gist、gin、brin类型,其中b-tree的多列索引,仅在索引的第一个字段出现在查询条件中才有效(最左匹配原则),而其他类型的多列索引可以支持任意字段查询 对于多字段查询,多列索引要比单列索引的查询速度快,可以避免回表查询,但对于单字段查询,多列索引就要比单列索引查询速度慢了,这里需要根据表的实际查询sql类型、频率,综合考虑是否需要使用多列索引。
部分索引是指支持在指定条件的记录上创建索引,通过where条件指定这部分记录,比如:
postgres=# create table test(id int, c1 varchar(10));
CREATE TABLE
postgres=# insert into test select generate_series(100001,100100),'invalid';
INSERT 0 100
postgres=# create index i1 on test (c1) where c1 = 'invalid';
CREATE INDEX
postgres=# explain analyze select * from test where c1 = 'invalid';
QUERY PLAN
----------------------------------------------------------------------------------------------------------
Index Scan using i1 on t3 (cost=0.14..4.16 rows=1 width=11) (actual time=0.035..0.079 rows=100 loops=1)
Planning Time: 0.485 ms
Execution Time: 0.135 ms
(3 rows)
函数索引实际上对于数据分布不均的字段,创建正常的索引,在查询占比较小值时也是可以走索引的,查询占比较大值时无法走索引,如下所示,部分索引的优势在于索引体积小,维护代价也比较小
函数索引指可以使用一个函数或者表达式的结果作为索引的字段,比如:
postgres=# create index i1 on test ((lower(c1)));
CREATE INDEX
postgres=# explain analyze select * from test where lower(c1) = 'xxx';
QUERY PLAN
--------------------------------------------------------------------------------------------------------------
Bitmap Heap Scan on test (cost=20.29..783.05 rows=500 width=37) (actual time=0.063..0.063 rows=0 loops=1)
Recheck Cond: (lower(c1) = 'xxx'::text)
-> Bitmap Index Scan on i1 (cost=0.00..20.17 rows=500 width=0) (actual time=0.060..0.060 rows=0 loops=1)
Index Cond: (lower(c1) = 'xxx'::text)
Planning Time: 0.406 ms
ExecutIOn Time: 0.095 ms
(6 rows)
postgres=# explain analyze select * from test where c1 = 'xxx';
QUERY PLAN
--------------------------------------------------------------------------------------------------
Seq Scan on test (cost=0.00..2084.00 rows=1 width=37) (actual time=19.016..19.016 rows=0 loops=1)
Filter: (c1 = 'xxx'::text)
Rows Removed by Filter: 100000
Planning Time: 0.121 ms
Execution Time: 19.048 ms
(5 rows)
排序索引此时如果直接使用c1字段作为查询条件是无法走索引的,同理如果创建的是普通索引,在查询时对字段加上了函数或者表达式,都不会走索引,我们应始终避免出现这样的问题
在涉及order by操作的sql时,b-tree索引返回的结果是有序的,可以直接返回,而其他索引类型,需要对索引返回结果再进行一次排序。b-tree索引的默认排序为升序,空值放在最后,创建索引时可以指定排序方式,如按倒序排序时,空值默认是放在最前的,但往往我们的查询并不想展示空值的结果,此时可以在创建索引时指定排序desc nulls last以达到和查询sql切合的目的。
索引非银弹数据库基于成本决定是否走索引索引需要占用额外的物理空间,如果表中的数据变化,也需要同步维护索引中的数据,对数据库的性能会有一定影响。考虑到索引的维护代价、空间占用和查询时回表的代价,不能认为索引越多越好。索引一定是按需创建的,并且要尽可能确保足够轻量。一旦创建了多字段的联合索引,我们要考虑尽可能利用索引本身完成数据查询,减少回表的成本。不能认为建了索引就一定有效,对于后缀的匹配查询、查询中不包含联合索引的第一列、查询条件涉及函数计算等情况无法使用索引。此外,即使SQL本身符合索引的使用条件,MySQL也会通过评估各种查询方式的代价,来决定是否走索引,以及走哪个索引。
查询数据可以直接在聚簇索引上进行全表扫描,也可以走二级索引扫描后到聚簇索引回表。那么PostgreSQL/MySQL到底是怎么确定走哪种方案的呢。在满足能走索引的条件下,最终是否走索引由计划器生成的执行计划决定,PostgreSQL/MySQL中执行计划是完全基于代价估计的,如果估算的代价为全表扫描最优,则不会使用索引扫描
这里的代价,包括IO成本和CPU成本:
IO成本,是从磁盘把数据加载到内存的成本。默认情况下,读取数据页的IO成本常数是1(也就是读取1个页成本是1)。
CPU成本,是检测数据是否满足条件和排序等CPU操作的成本。默认情况下,检测记录的成本是0.2。基于此,我们分析下全表扫描的成本。
索引失效全表扫描,就是把聚簇索引中的记录依次和给定的搜索条件做比较,把符合搜索条件的记录加入结果集的过程。要计算全表扫描的代价需要两个信息:
1.聚簇索引占用的页面数,用来计算读取数据的IO成本;
2.表中的记录数,用来计算搜索的CPU成本。
有时会因为统计信息的不准确或成本估算的问题,实际开销会和MySQL统计出来的差距较大,导致MySQL选择错误的索引或是直接选择走全表扫描,这个时候就需要人工干预,使用强制索引了。
- 对于 Hash 索引实现的列,如果使用到范围查询,那么该索引将无法被优化器使用到。Hash 索引只有在“=”的查询条件下,索引才会生效。如果涉及范围查询则应建立b-tree索引
- 以 % 开头的 LIKE 查询将无法利用节点查询数据,这种情况下需要考虑gin索引或者es这种全文检索的方式
- 使用复合索引时,需要使用索引中的最左边的列进行查询,才能使用到复合索引。
例如我们在 order 表中建立一个复合索引 idx_user_order_status(order_no, status, user_id),如果我们使用 order_no、order_no status、order_no status user_id 以及 order_no user_id 组合查询,则能利用到索引;而如果我们用 status、status user_id 查询,将无法使用到索引,这也是我们经常听过的最左匹配原则。
- 如果查询条件中使用 or,且 or 的前后条件中有一个列没有索引,那么涉及的索引都不会被使用到。
- 没有创建索引,建表的时候一定不要忘记建立可能的索引,创建索引需要按照ESR原则进行
- 索引失效的情况,如查询字段上使用表达式导致索引失效比如在c1字段上存在一个b-tree索引,where c1 1 > 10000这个查询条件不会走索引,而where c1 > 10000-1可以走索引。
- 查询列表数据不分页,对于列表展现数据,在数据量特别大的情况,一次性返回所有数据一般不具有实际的业务意义,此时应通过limit offset进行分页,这样有机会利用到索引扫描和排序,降低全表扫描的影响,同时也能减小返回数据包过大的负担。
- count (*) 时order by做无用排序由于列表展现与列表查数经常成对儿出现,有可能在复用列表展现的sql时在查数时也加入了排序操作,此时无论是否加上排序操作,得到的最终结果是一致的,但加上排序时大大增加了得到目标结果的代价。
- 跨表进行分组、排序,当涉及到跨表分组、排序时,需要把两个表的结果集汇总到一起进行排序、分组,这里的消耗是非常大的,此时可以考虑去冗余部分字段,使分组、排序操作在一个表中完成,这样能够利用到索引,起到优化效果。
- 慢sql对数据库cpu消耗极大,严重时甚至会宕机