数据库索引是什么,它的作用是什么? |
您所在的位置:网站首页 › 美团药房入驻 › 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: 经常在where条件中作为查询条件的字段可以建立索引;外键关联列可以建立索引;order by排序后面的字段可以建立索引;group by分组后的字段可以建立索引;.......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: 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;数据过滤性很差的字段不适合建立索引,如性别字段;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;.......... 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: 二叉搜索树;B树;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: 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;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;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: 树中每个结点最多含有m个孩子(m>=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);叶子节点,非叶子节点,都存储数据;中序遍历,可以获得所有节点;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: 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;叶子之间,增加了链表,获取所有节点,不再需要中序遍历;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;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 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |