数据库学习——几大重点（二）

如何建立数据库视图

什么是数据库视图

是一种数据库对象，基于数据库表的查询结果。视图本身不包含数据，它是一个虚拟表，显示的数据来自一个或多个表。可以在视图上执行CRUD操作，实际上数据库也会执行对应的sql语句，反之同理。

主要特点&作用

1. 简化复杂的SQL操作：如果经常需要执行一个复杂的查询，可以通过创建一个视图来简化这个操作。这样，用户就可以像查询一个普通表一样查询这个视图，而不需要每次都写复杂的SQL语句。
2. 保护数据：通过视图，可以限制用户访问表中的特定数据。例如，可以创建一个只显示某些列的视图，从而隐藏表中的其他列。
3. 数据独立性：如果表结构发生变化，只需修改视图定义，而不需要更改基于视图的应用程序。
4. 逻辑数据组织：视图可以用来表示数据的逻辑组织和关系，即使这些关系在物理存储上并不存在。

数据库索引

什么是索引

是数据库管理系统中用于加快数据检索速度的一种数据结构。它们在数据库表的一列或多列上创建，以提高查询性能。索引类似于图书的目录，它帮助数据库快速定位表中的数据，而不需要扫描整个表。

主要特点&优势

1. 提高查询效率：索引可以大大加快数据检索速度，尤其是在大型数据库中。
2. 优化排序和分组操作：索引有助于快速完成排序和分组查询。
3. 支持唯一性约束：唯一索引确保表中每一行数据的唯一性。
4. 加速表连接：在使用JOIN操作连接多个表时，索引可以提高效率。

缺点&限制

1. 增加写操作成本：每当表中的数据被插入、删除或更新时，索引也需要被更新。这会增加写操作的成本。
2. 占用额外存储空间：索引需要占用数据库中的存储空间。
3. 设计和维护成本：索引需要根据数据库的使用模式进行精心设计和维护。

常见索引类型

B树索引（B-Tree Index）

原理：B树是一种平衡多路查找树。在B树索引中，每个节点包含多个键值及指向子节点的指针。B树通过维持树的平衡性（所有叶子节点都在同一层级），确保了即使在大量数据中也能快速进行查找、插入和删除操作。在查找数据时，从根节点开始，通过比较键值和查询条件，逐级向下遍历至叶子节点，找到对应数据的位置。
例子：假设有一个按照员工ID排序的员工数据库，创建一个B树索引可以快速定位特定员工ID的记录。

哈希索引（Hash Index）:

原理：哈希索引使用哈希表实现。它通过一个哈希函数将键值（例如记录的某个字段）转换为哈希码，并将数据存储在哈希表中对应哈希码的位置。在查找数据时，同样使用哈希函数计算查询条件的哈希码，然后直接访问对应的存储位置。
例子：在一个以书籍编号为键的图书数据库中，哈希索引可以快速定位特定编号的图书记录。

位图索引（Bitmap Index）:

原理：位图索引为表中的每一个不同值维护一个位图。每个位图中的每一位对应一条记录，表示该记录是否拥有该值。位图索引适用于列值的基数较低（即不同值不多）的情况。由于位操作（如AND, OR）的效率很高，位图索引在某些类型的查询中非常高效。
例子：在一个有性别列的员工数据库中，可以为性别创建位图索引，其中一个位图表示所有男性员工，另一个表示所有女性员工。

全文索引（Full-Text Index）:

原理：全文索引通常使用倒排索引实现。在倒排索引中，索引的每一项是文档中的一个词，每个词对应一个包含该词的所有文档列表。这种结构非常适合用于搜索包含特定词的文档。
例子：在一个博客平台的数据库中，全文索引可以帮助快速找到包含特定关键词的所有博客文章。

B+树

什么是B+树

自平衡的树数据结构，维护排序的数据，并允许搜索、顺序访问、插入和删除操作。它是B树（B-树）的一种变体。

结构特点

• 所有叶子节点在同一层：B+树的所有叶子节点都位于同一层，并且通过指针相连，这为顺序遍历提供了便利。
• 叶子节点存储所有键和数据：与B树不同，B+树的叶子节点存储了所有键和数据。非叶子节点只存储键值，用于指导搜索。
• 非叶子节点作为索引部分：非叶子节点类似于索引，指向子节点，这些键在子节点中也会出现。
• 高扇出：由于非叶子节点不直接存储数据，B+树的扇出（即节点的子节点数）比B树更高，这减少了树的高度。

与B树的比较

• 数据存储：B树的每个节点存储键和数据，而B+树只有叶子节点存储数据。
• 扫描效率：B+树通过叶子节点的链表提供更高效的范围查询，因为它可以简单地遍历叶子节点链表。
• 空间利用率：B+树的非叶子节点不存储数据，可以有更多的键，降低了树的高度。