码迷,mamicode.com
首页 > 数据库 > 详细

[数据库基础]——索引

时间:2014-08-30 02:21:48      阅读:339      评论:0      收藏:0      [点我收藏+]

标签:blog   http   os   使用   io   strong   ar   数据   div   

http://m.oschina.net/blog/10314

一、引言 
对数据库索引的关注从未淡出我的们的讨论,那么数据库索引是什么样的?聚集索引与非聚集索引有什么不同?希望本文对各位同仁有一定的帮助。有不少存疑的地方,诚心希望各位不吝赐教指正,共同进步。[最近首页之争沸沸扬扬,也不知道这个放在这合适么,苦劳?功劳?……] 


二、 B-Tree 
我们常见的数据库系统,其索引使用的数据结构多是 B-Tree 或者 B+Tree 。例如, MsSql 使用的是 B+Tree , Oracle 及 Sysbase 使用的是 B-Tree 。所以在最开始,简单地介绍一下 B-Tree 。 

B-Tree 不同于 Binary Tree (二叉树,最多有两个子树),一棵 M 阶的 B-Tree 满足以下条件: 
1 )每个结点至多有 M 个孩子; 
2 )除根结点和叶结点外,其它每个结点至少有 M/2 个孩子; 
3 )根结点至少有两个孩子(除非该树仅包含一个结点); 
4 )所有叶结点在同一层,叶结点不包含任何关键字信息; 
5 )有 K 个关键字的非叶结点恰好包含 K+1 个孩子; 
另外,对于一个结点,其内部的关键字是从小到大排序的。以下是 B-Tree ( M=4 )的样例: 
bubuko.com,布布扣 
对于每个结点,主要包含一个关键字数组 Key[] ,一个指针数组(指向儿子) Son[] 。在 B-Tree 内,查找的流程是:使用顺序查找(数组长度较短时)或折半查找方法查找 Key[] 数组,若找到关键字 K ,则返回该结点的地址及 K在 Key[] 中的位置;否则,可确定 K 在某个 Key 和 Key[i+1] 之间,则从 Son 所指的子结点继续查找,直到在某结点中查找成功;或直至找到叶结点且叶结点中的查找仍不成功时,查找过程失败。 
接着,我们使用以下图片演示如何生成 B-Tree ( M=4 ,依次插入 1~6 ): 
从图可见,当我们插入关键字 4 时,由于原结点已经满了,故进行分裂,基本按一半的原则进行分裂,然后取出中间的关键字 2 ,升级(这里是成为根结点)。其它的依类推,就是这样一个大概的过程。 
bubuko.com,布布扣 

三、数据库索引 
1 .什么是索引 
在数据库中,索引的含义与日常意义上的“索引”一词并无多大区别(想想小时候查字典),它是用于提高数据库表数据访问速度的数据库对象。 
A )索引可以避免全表扫描。多数查询可以仅扫描少量索引页及数据页,而不是遍历所有数据页。 
B ) 对于非聚集索引,有些查询甚至可以不访问数据页。 
C ) 聚集索引可以避免数据插入操作集中于表的最后一个数据页。 
D ) 一些情况下,索引还可用于避免排序操作。 

当然,众所周知,虽然索引可以提高查询速度,但是它们也会导致数据库系统更新数据的性能下降,因为大部分数据更新需要同时更新索引。 


2. 索引的存储 
一条索引记录中包含的基本信息包括:键值(即你定义索引时指定的所有字段的值) + 逻辑指针 (指向数据页或者另一索引页)。 
bubuko.com,布布扣 
当你为一张空表创建索引时,数据库系统将为你分配一个索引页,该索引页在你插入数据前一直是空的。此页此时既是根结点,也是叶结点。每当你往表中插入一行数据,数据库系统即向此根结点中插入一行索引记录。当根结点满时,数据库系统大抵按以下步骤进行分裂: 
A )创建两个儿子结点 
B )将原根结点中的数据近似地拆成两半,分别写入新的两个儿子结点 
C )根结点中加上指向两个儿子结点的指针 

通常状况下,由于索引记录仅包含索引字段值(以及 4-9 字节的指针),索引实体比真实的数据行要小许多,索引页相较数据页来说要密集许多。一个索引页可以存储数量更多的索引记录,这意味着在索引中查找时在 I/O 上占很大的优势,理解这一点有助于从本质上了解使用索引的优势。 


3 .索引的类型 
A ) 聚集索引,表数据按照索引的顺序来存储的。对于聚集索引,叶子结点即存储了真实的数据行,不再有另外单独的数据页。 
B ) 非聚集索引,表数据存储顺序与索引顺序无关。对于非聚集索引,叶结点包含索引字段值及指向数据页数据行的逻辑指针,该层紧邻数据页,其行数量与数据表行数据量一致。 

在一张表上只能创建一个聚集索引,因为真实数据的物理顺序只可能是一种。如果一张表没有聚集索引,那么它被称为 “ 堆集 ” ( Heap )。这样的表中的数据行没有特定的顺序,所有的新行将被添加的表的末尾位置。 


4 .聚集索引 
在聚集索引中,叶结点也即数据结点,所有数据行的存储顺序与索引的存储顺序一致。 
bubuko.com,布布扣 
1 )聚集索引与查询操作 
如上图,我们在名字字段上建立聚集索引,当需要在根据 此字段 查找特定的记录时,数据库系统会根据 特定的系统表 查找的此索引的根,然后根据指针查找下一个,直到找到。例如我们要查询“ Green ”,由于 它介于[Bennet,Karsen] ,据此我们找到了索引页 1007 ,在该页中 “Green” 介于 [Greane , Hunter] 间 ,据此我们找到叶结点 1133 (也即数据结点),并最终在此页中找以了目标数据行。 

此次查询的 IO 包括 3 个索引页的查询(其中最后一次实际上是在数据页中查询)。这里的查找可能是从磁盘读取 (Physical Read) 或是从缓存中读取 (Logical Read) ,如果此表访问频率较高,那么索引树中较高层的索引很可能在缓存中被找到。所以真正的 IO 可能小于上面的情况。 


2 )聚集索引与插入操作 
最简单的情况下,插入操作根据索引找到对应的数据页,然后通过挪动已有的记录为新数据腾出空间,最后插入数据。 

如果数据页已满,则需要拆分数据页(页拆分是一种耗费资源的操作,一般数据库系统中会有相应的机制要尽量减少页拆分的次数,通常是通过为每页预留空间来实现): 
A ) 在该使用的数据段( extent )上分配新的数据页,如果数据段已满,则需要分配新段。 
B ) 调整索引指针,这需要将相应的索引页读入内存并加锁。 
C ) 大约有一半的数据行被归入新的数据页中。 
D ) 如果表还有非聚集索引,则需要更新这些索引指向新的数据页。 

特殊情况: 
A ) 如果新插入的一条记录包含很大的数据,可能会分配两个新数据页,其中之一用来存储新记录,另一存储从原页中拆分出来的数据。 
B ) 通常数据库系统中会将重复的数据记录存储于相同的页中。 
C ) 类似于自增列为聚集索引的,数据库系统可能并不拆分数据页,页只是简单的新添数据页。 


3 )聚集索引与删除操作 
删除行将导致其下方的数据行向上移动以填充删除记录造成的空白。 
如果删除的行是该数据页中的最后一行,那么该数据页将被回收,相应的索引页中的记录将被删除。如果回收的数据页位于跟该表的其它数据页相同的段上,那么它可能在随后的时间内被利用。如果该数据页是该段的唯一一个数据页,则该段也被回收。 

对于数据的删除操作,可能导致索引页中仅有一条记录,这时,该记录可能会被移至邻近的索引页中,原索引页将被回收,即所谓的“索引合并”。 


5 .非聚集索引 
非聚集索引与聚集索引相比: 
A ) 叶子结点并非数据结点 
B ) 叶子结点为每一真正的数据行存储一个 “ 键 - 指针 ” 对 
C ) 叶子结点中还存储了一个指针偏移量,根据页指针及指针偏移量可以定位到具体的数据行。 
D ) 类似的,在除叶结点外的其它索引结点,存储的也是类似的内容,只不过它是指向下一级的索引页的。 

聚集索引是一种稀疏索引,数据页上一级的索引页存储的是页指针,而不是行指针。而对于非聚集索引,则是密集索引,在数据页的上一级索引页它为每一个数据行存储一条索引记录。 

对于根与中间级的索引记录,它的结构包括: 
A ) 索引字段值 
B ) RowId (即对应数据页的页指针 + 指针偏移量)。在高层的索引页中包含 RowId 是为了当索引允许重复值时,当更改数据时精确定位数据行。 
C ) 下一级索引页的指针 

对于叶子层的索引对象,它的结构包括: 
A ) 索引字段值 
B ) RowId 
bubuko.com,布布扣 
1 )非聚集索引与查询操作 
针对上图,如果我们同样查找“ Green ”,那么一次查询操作将包含以下 IO : 3 个索引页的读取 +1 个数据页的读取。 同样,由于缓存的关系,真实的 IO 实际可能要小于上面列出的。 


2 )非聚集索引与插入操作 
如果一张表包含一个非聚集索引但没有聚集索引,则新的数据将被插入到最末一个数据页中,然后非聚集索引将被更新。如果也包含聚集索引,该聚集索引将被用于查找新行将要处于什么位置,随后,聚集索引、以及非聚集索引将被更新。 


3 )非聚集索引与删除操作 
如果在 删除命令的 Where 子句中包含的列上,建有非聚集索引,那么该非聚集索引将被用于查找数据行的位置,数据删除之后,位于索引叶子上的对应记录也将被删除。如果该表上有其它非聚集索引,则它们叶子结点上的相应数据也要删除。 

如果删除的数据是该数所页中的唯一一条,则该页也被回收,同时需要更新各个索引树上的指针。 

由于没有自动的合并功能,如果应用程序中有频繁的随机删除操作,最后可能导致表包含多个数据页,但每个页中只有少量数据。 


6 .索引覆盖 
索引覆盖是这样一种索引策略:当某一查询中包含的所需字段皆包含于一个索引中,此时索引将大大提高查询性能。 

包含多个字段的索引,称为复合索引。索引最多可以包含 31 个字段,索引记录最大长度为 600B 。如果你在若干个字段上创建了一个复合的非聚集索引,且你的查询中所需S elect 字段及 Where,Order By,Group By,Having 子句中所涉及的字段都包含在索引中,则只搜索索引页即可满足查询,而不需要访问数据页。由于非聚集索引的叶结点包含所有数据行中的索引列值,使用这些结点即可返回真正的数据,这种情况称之为 “ 索引覆盖 ” 。 

在索引覆盖的情况下,包含两种索引扫描: 
A) 匹配索引扫描 
B) 非匹配索引扫描 


1 )匹配索引扫描 
此类索引扫描可以让我们省去访问数据页的步骤,当查询仅返回一行数据时,性能提高是有限的,但在范围查询的情况下,性能提高将随结果集数量的增长而增长。 

针对此类扫描,索引必须包含查询中涉及的的所有字段,另外,还需要满足: Where 子句中包含索引中的 “ 引导列 ” ( Leading Column ),例如一个复合索引包含 A,B,C,D 四列,则 A 为 “ 引导列 ” 。如果 Where 子句中所包含列是 BCD 或者 BD 等情况,则只能使用非匹配索引扫描。 


2 )非配置索引扫描 
正如上述,如果 Where 子句中不包含索引的导引列,那么将使用非配置索引扫描。这最终导致扫描索引树上的所有叶子结点,当然,它的性能通常仍强于扫描所有的数据页。 


[参考 ] 
[1] http://manuals.sybase.com/onlinebooks/group-asarc/asg1200e/aseperf/@Generic__BookTextView/3358 
[2] http://publib.boulder.ibm.com/infocenter/idshelp/v10/index.jsp?topic=/com.ibm.adref.doc/adref235.htm

 



在此谢谢读完这篇博客,有什么写的不对的地方请指正。
有帮助就推荐下,有感想就写下留言,不满意也写下留言,有问题及时更正。

[数据库基础]——索引

标签:blog   http   os   使用   io   strong   ar   数据   div   

原文地址:http://www.cnblogs.com/sand-tiny/p/3946001.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!