【BUAA-数据管理技术】7-索引

本文内容系2024年北航软件学院数据管理技术课程课堂笔记，内容大部分取自课程PPT，少量来源于互联网，若有侵权请联系删除。文章内容如有错漏，敬请批评指正！

第五章 存储与索引

07 - 索引

5.1 存储介质

存储器分类：

• 一级存储－－内存 —— 常用数据
• 二级存储－－磁盘 —— 业务数据
• 三级存储－－大容量存储器（磁带机、DVD等） —— 归档数据

磁盘读写时延：寻道时延、旋转时延、数据读写时延

• 顺序读写：快（只有读写时延）

• 随机读写：慢（寻道+旋转+读写）

1. 在内存中存放常用数据
2. 尽量减少磁盘IO
3. 磁盘最小存取单元是页面（访问磁盘数据时，一次读取整个页面的数据）
4. 局部性原理：要尽量将相关的或常用的数据放在同一个页面上（尽量顺序读写）

5.2 数据的存储结构

数据库逻辑存储结构

• 块
  • 数据库中最小的分配单元，2~32KB，一次I/O将读写一整个快
• 区
  • 磁盘上连续的块的组合
• 段
  • 由一个或多个盘区组成，只存储一类数据对象：表段、索引段、回滚段等
  • 通常数据库中每个表对应于一个段
• 表空间
  • 逻辑上：由0个或多个段组成
  • 物理上：由一个或多个数据文件组成
  • 一个段不能跨越一个表空间，但可跨越表空间内的文件
  • 设置表空间的作用是将数据对象的逻辑结构和物理结构统一起来
• 数据库
  • 包含一个或多个表空间
  • 组成数据库的表空间和数据文件是一对多关系

文件组织结构

• 堆组织表
  • 记录顺序没有限制，将记录简单排列在文件中
  • 数据排列顺序是不可预测的
• 索引组织表
• 聚簇表
  • 索引聚簇表
  • 散列聚簇表

5.3 索引

对数据库表中的一个或多个列的值排序，提高主表查询速度

若想按特定列的值查找数据，索引比直接搜索能更快获取信息（二分法查找，$O(lo{g}_{2}n)$）

多级索引

单级索引效率还是太低：1M条记录，20次IO

改进：多级索引：B+树索引

B+树索引

数据库系统中使用最广泛

特点：

• 将索引键组织成一棵平衡树，即从树根到树叶的所有路径一样长
• 数据（指向基本表记录存储位置的指针）存储在叶结点
• 最底层的叶节点包含每个索引键和指向被索引行的指针（行id）
• 叶节点之间有通道可供平行查询
• 每一个叶节点都和磁盘页面大小一致
• 查询的时间复杂度：$O(log_mn) $(m为分叉数，即B+树的阶）

与B树不同：B树在每个节点都存储数据

为何不用B树？

• B树将数据（行id）放到非叶节点中，导致每个节点能存放的索引项减少，树的层级更多，检索时需要更多磁盘IO

• B+树将所有数据在叶节点中有序存放并构成一个链表

  • 范围查询的效率更高
  • 缓存命中率更高（空间局部性原理）

• B+树的更新维护代价更小：插入删除不会引起过多I/O操作，插入后仍然平衡，保持很好性能

B+树索引的效率

• 一般B+树保持三层，故只需3次磁盘I/O即可获得数据物理存储地址
• 若将B+树的根节点和中间节点存入缓存，则只需1次磁盘I/O就能读取数据

当要查询的记录数占记录总数的百分比非常大的时候，不用索引将比用索引更快

散列索引（Hash Index）

只需一次磁盘IO就可以查到数据记录

如果桶（hash表项）的数量足够多，则每个桶通常占用一个磁盘页面

但如果记录数很多，则会出现一个块中容纳不下新记录的情况，这时可以增加一个溢出块到桶的链上。

若溢出块太多，将大大增加磁盘I/O次数

特点：

• 散列索引是CPU密集型的，B+树是I/O密集型的（I/O次数多于散列索引）
• 散列索引在进行等值查找时速度很快，但散列索引无法用于范围查找
• 不适合在重复值很多的列上建立哈希索引
• 哈希索引重构代价很大，不适合在更新频繁的表中建立哈希索引

聚簇索引（Cluster Index）

大多数关系表以堆组织表的形式存放。建立聚簇索引后，数据在物理文件中的存放位置不再是无序的，而是根据索引中键值的逻辑顺序决定了表中相应行的物理顺序，即形成索引组织表

特点

• 物理顺序只有一个，因此一张表只能有一个聚簇索引
• 在聚簇索引列上的查询速度比B+树索引快
• 数据在物理上按顺序排在数据页上，重复值也排在一起，因而在使用包含范围检查（between、<、<=、>、>=）或使用group by或order by的查询时，可以大大提高查询速度
• DML频繁的表中不要建立聚簇索引，因为会带来大量索引数据维护的开销
• MySQL在表的主键上建立聚簇索引

联合索引

通过在（a，b）字段上建立联合索引，可以获得比单独建立a字段索引和b字段索引更快的查找速度

最左前缀原则：只有在查询条件中使用了联合索引的最左前缀（左边字段）时，该联合索引才会生效

• 例1：Select * from Emp where age / 2 > 20中，age上建立的索引失效
• 例2：Select * from Emp where to_char(birth_day,'YYYY-MM-DD' = ‘2022-11-10’中，需要用到函数索引：将to_char(birth_day,'YYYY-MM-DD') 定义为索引