索引的原理与作用,各种书籍和网络上的介绍可以说是铺天盖地,基本上主流数据库系统的也都是一致的。选择索引字段的原则,比如外键字段、数据类型较小的字段、经常用于查询或排序的字段、表关联的字段等等,在此不做赘述。本人在工作中见到过很多人创建的索引,回想自己以前也会有理论知识空洞的体会,总感觉理论知识无法与具体的工作问题相匹配。在此仅以工作学习中积累的一点经验和问题场景整理以飨读者。先把常见的注意事项整理如下:
- 索引应该建在选择性高的字段上(键值唯一的记录数/总记录条数),选择性越高索引的效果越好、价值越大,唯一索引的选择性最高;
- 组合索引中字段的顺序,选择性越高的字段排在最前面;
- where条件中包含两个选择性高的字段时,可以考虑分别创建索引,引擎会同时使用两个索引(在OR条件下,应该说必须分开建索引);
- 不要重复创建彼此有包含关系的索引,如index1(a,b,c) 、index2(a,b)、index3(a);
- 组合索引的字段不要过多,如果超过4个字段,一般需要考虑拆分成多个单列索引或更为简单的组合索引;
最后需要提醒的是,不要滥用索引。因为过多的索引不仅仅会增加物理存储的开销,对于插入、删除、更新操作也会增加处理上的开销,而且会增加优化器在选择索引时的计算代价。
因此太多的索引与不充分、不正确的索引对性能都是毫无益处的。一言以蔽之,索引的建立必须慎重,对每个索引的必要性都应该经过仔细分析,要有建立的依据。
举下面一个场景的例子,创建这样的索引是有效的吗?
select * from t1, t2 where t1.col_1 = t2.ab and t1.col_2 in (12, 38); -- 创建索引如下 create index idx_t1_query on t1(col_1, col_2);
-- 或者仅创建索引如下
create index idx_t1_col2 on t1(col_2);
再比如,该表最常使用的SQL场景有以下两种类型,应该如何创建索引?
select * from t1 where t1.PartId = 'xxxx' and t1.STATE = 2 and t1.PROCID = 'yyyy' select * from t1 where (t.PartId = 'xxxx' or t1.ActualPartId = 'xxxx' ) and t1.STATE = 2 and t1.PROCID = 'yyyy' -- 创建一个“全覆盖的索引”,把查询条件都包含的索引 create index idx_t1_query on t1(partId, actualpartId, state, procid); -- 还是分开创建如下两个索引 create index idx_t1_PartId on t1(partId, state, procid) create index idx_t1_actualPartId on t1(actualpartId, state, procid)
以执行计划和逻辑IO的统计数据显示,两个场景的测试结果都是后者索引有明显的效果,大家有兴趣可以自己测试验证一下。当然,生产环境远比这些要复杂,各表的数据量及数据分布情况也会影响引擎的执行方式,引擎对索引选择与要求也会不一样,此处仅以简单语句做示例进行说明。
组合索引查询的各种场景:
组合索引 Index (A, B, C)
- 下面条件可以用上该组合索引查询:
- A>5
- A=5 AND B>6
- A=5 AND B=6 AND C=7
- A=5 AND B=6 AND C IN (2, 3)
- 下面条件将不能用上组合索引查询:
- B>5 ——查询条件不包含组合索引首列字段
- B=6 AND C=7 ——理由同上
- 下面条件将能用上部分组合索引查询:
- A>5 AND B=2 ——当范围查询使用第一列,查询条件仅仅能使用第一列
- A=5 AND B>6 AND C=2 ——范围查询使用第二列,查询条件仅仅能使用前二列
- A=5 AND B IN (2, 3) AND C=2 ——理由同上
组合索引排序的各种场景:
组合索引 Index(A, B)
- 下面条件可以用上组合索引排序:
- ORDER BY A ——首列排序
- A=5 ORDER BY B ——第一列过滤后第二列排序
- ORDER BY A DESC, B DESC ——注意,此时两列以相同顺序排序
- A>5 ORDER BY A ——数据检索和排序都在第一列
- 下面条件不能用上组合索引排序:
- ORDER BY B ——排序在索引的第二列
- A>5 ORDER BY B ——范围查询在第一列,排序在第二列
- A IN(1,2) ORDER BY B ——理由同上
- ORDER BY A ASC, B DESC ——注意,此时两列以不同顺序排序
索引合并的简单说明:
- 数据库能同时使用多个索引
- SELECT * FROM TB WHERE A=5 AND B=6
- 能分别使用索引(A) 和 (B);
- 对于这个语句来说,创建组合索引(A,B) 更好;
- 最终是采用组合索引,还是两个单列索引?主要取决于应用系统中是否存在这类语句:SELECT * FROM TB WHERE B=6
- SELECT * FROM TB WHERE A=5 OR B=6
- 组合索引(A, B)不能用于此查询(目前的数据库也很智能,部分OR条件也能够使用组合索引,但效果不是很稳定);
- 很明显,分别创建索引(A) 和 (B)会更好;
- SELECT * FROM TB WHERE A=5 AND B=6
- 删除无效的冗余索引
- TB表有两个索引(A, B) 和 (A),对应两种SQL语句:SELECT * FROM TB WHERE A=5 AND B=6 和 SELECT * FROM TB WHERE A=5
- 执行时,并不是WHERE A=5 就用 (A); WHERE A=5 AND B=6 就用 (A, B);
- 其查询优化器会使用其中一个以前常用索引,要么都用(A, B), 要么都用 (A)。
- 所以应该删除索引(A),它已经被(A, B)包含了,没有任何存在的必要。
- TB表有两个索引(A, B) 和 (A),对应两种SQL语句:SELECT * FROM TB WHERE A=5 AND B=6 和 SELECT * FROM TB WHERE A=5
附1,查询指定表的数据量与索引定义情况:
--Sqlserver: sp_helpindex 'tableName'; sp_spaceused 'tableName'; dbcc ShowContig('tableName') with all_indexes; select t.name, t.indid, t.rowcnt, t.* from sysindexes t where t.id = OBJECT_ID('tkk0107') and t.indid in (0, 1); -- t.status != 8388672 select t2.name tabName, t3.name indName, t4.name colName, t1.* from sys.index_columns t1 join sys.tables t2 on t1.object_id = t2.object_id join sys.indexes t3 on t2.object_id = t3.object_id and t1.index_id = t3.index_id join sys.columns t4 on t2.object_id = t4.object_id and t1.column_id = t4.column_id where t2.name = 'tableName' order by t3.name, t1.index_column_id --Oracle: select t.NUM_ROWS, t.BLOCKS, t.Logging, t.TEMPORARY, t.last_analyzed, t.* from user_tables t where t.TABLE_NAME = upper('tkk0107'); select t.index_name, t.distinct_keys, t.num_rows, t.sample_size, t.last_analyzed , t.blevel, t.leaf_blocks, t.status, t.* from user_indexes t where t.table_name = upper('tkk0107') order by t.index_name; select t.* from user_ind_columns t where t.TABLE_NAME = upper('tkk0107') order by t.INDEX_NAME, t.COLUMN_POSITION;
附2,借助性能视图,查询数据表的SQL访问方式
--Oracle,根据共享池中的数据,统计指定表的访问SQL with sh as ( select max(t.sql_id) sql_id, substring(t.SQL_TEXT, 0, 100) sql_text, count(1) usecounts --sum(executions) from v$sql t where t.SQl_text like '%table_name%' group by substring(t.SQL_TEXT, 0, 100) ) select sh.*, t.SQL_FULLTEXT from sh join v$sql t on sh.sql_id = t.sql_id order by sh.usecounts desc;
--sqlserver with sh as ( select cp.cacheobjtype, cp.objtype, max(cp.plan_handle) plan_handle , left(dt.text, 100) sql_text, sum(cp.usecounts) usecounts from sys.dm_exec_cached_plans cp cross apply sys.dm_exec_sql_text(cp.plan_handle) dt where dt.text like '%workitem%' group by cp.cacheobjtype, cp.objtype, left(dt.text, 100) ) select sh.*, dt.text as sql_fulltext from sh cross apply sys.dm_exec_sql_text(sh.plan_handle) dt order by sh.usecounts desc;
-- Sqlserver Identifying Unused Indexes SELECT OBJECT_NAME(t.object_id) as objName , s.name, s.indid, s.dpages*8/1024 mb, t.* FROM sys.dm_db_index_usage_stats t join sysindexes s on t.object_id = s.id and t.index_id = s.indid where t.user_seeks = 0 --and t.user_scans = 0 --and t.user_lookups = 0 order by t.object_id, t.index_id -- 2005分区后的准确大小 SELECT * FROM sys.dm_db_index_physical_stats(DB_ID(), OBJECT_ID ('LCGS609999.workitem'), 21, null, null)
-- Oracle 提供如下方式,对索引进行有效性分析,经过分析的索引信息存储在index_stats数据字典 analyze index IDX_WORKITEM_PARTICIPANT validate structure; -- 当删除率大于15%时,考虑索引重建 select t.name, t.del_lf_rows, t.lf_rows - t.del_lf_rows as lf_rows_used , to_char((t.del_lf_rows/t.lf_rows) * 100, '999.999') as ratio, t.* from index_stats t where t.name = upper('index_name'); -- 监视索引的使用情况,但此种方法仅能知道该索引有没有被使用,不知道使用的频率 alter index IDX_WORKITEM_PARTICIPANT monitoring usage; alter index IDX_WORKITEM_PARTICIPANT nomonitoring usage; select * from v$object_usage t where t.table_name = upper(''); -- 获得索引使用频率的脚本 WITH Q AS ( SELECT S.OWNER A_OWNER, TABLE_NAME A_TABLE_NAME, INDEX_NAME A_INDEX_NAME, INDEX_TYPE A_INDEX_TYPE, SUM(S.BYTES)/1024/1024 A_MB FROM DBA_SEGMENTS S JOIN DBA_INDEXES I ON I.INDEX_NAME = S.SEGMENT_NAME WHERE S.OWNER = USER AND I.OWNER = USER GROUP BY S.OWNER, TABLE_NAME, INDEX_NAME, INDEX_TYPE HAVING SUM(S.BYTES) > (1024 * 1024 * 100) --超过100M的索引 ) SELECT /*+ NO_QUERY_TRANSFORMATION(S) */ A_OWNER OWNER, A_TABLE_NAME TABLE_NAME, A_INDEX_NAME INDEX_NAME, A_INDEX_TYPE INDEX_TYPE, A_MB MB, DECODE (OPTIONS, null, ' -', OPTIONS) INDEX_OPERATION, COUNT(OPERATION) NR_EXEC FROM Q LEFT JOIN DBA_HIST_SQL_PLAN D ON Q.A_OWNER = D.OBJECT_OWNER AND Q.A_INDEX_NAME = D.OBJECT_NAME WHERE ROWNUM < 10 GROUP BY A_OWNER, A_TABLE_NAME, A_INDEX_NAME, A_INDEX_TYPE , A_MB, DECODE (OPTIONS, null, ' -', OPTIONS) ORDER BY A_OWNER, A_TABLE_NAME, A_INDEX_NAME, A_INDEX_TYPE , A_MB DESC, NR_EXEC DESC;
附3,索引重建示例
--查出系统中数据量较大的表,重建索引、收集更新统计信息 --a) Sqlserver: select OBJECT_NAME(t.id) AS tableName, t.rows, t.* from sys.sysindexes t where t.indid in (0, 1) order by t.rows desc; -- 查看统计信息 sp_helpstats 'tkk0107' dbcc show_statistics('tkk0107', 'columnName'); -- 重建索引、更新统计信息 ALTER INDEX ALL|indexName ON tableName REBUILD WITH(ONLINE=ON, MAXDOP=16); UPDATE STATISTICS tableName; --b) Oracle: select t.table_name, t.num_rows, t.* from user_tables t where t.num_rows > 0 order by t.num_rows desc; -- 查看统计信息 SELECT t.* FROM dba_tab_col_statistics t WHERE t.table_name = upper('tkk0107') and t.owner=user; -- 重建索引、更新统计信息 ALTER INDEX indexName REBUILD ONLINE NOLOGGING PARALLEL 4; ANALYZE TABLE tableName COMPUTE STATISTICS; ANALYZE INDEX indexName COMPUTE STATISTICS; --全库重建索引的方法: --Sqlserver: exec sp_msforeachtable 'DBCC DBREINDEX(''?'')' --Oracle: DECLARE CURSOR myCur IS select INDEX_NAME from user_indexes WHERE TABLE_NAME='GSPAURESULT' AND INDEX_TYPE='NORMAL'; v_cname myCur% rowtype; vsSql varchar2(256); begin open myCur; loop fetch myCur into v_cname; exit when myCur% notfound; vsSql:='ALTER INDEX ' || v_cname.INDEX_NAME || ' REBUILD ONLINE NOLOGGING PARALLEL 4'; EXECUTE IMMEDIATE vsSql; end loop; close myCur; end;
补充:
Where条件中Or的两组条件如果分别落在两个数据表上,即使对应的字段都已创建索引,引擎也是无法使用索引的。如下SQL,此语句实际上仅返回一条数据,但对于TRFKZL和TRHBZL来说,Oracle、SqlServer都是进行全表扫描。
SELECT * FROM TRFKZL LEFT JOIN TRFKSQ ON TRFKZL_SQDNM = TRFKSQ_NM INNER JOIN TRYWLX ON TRFKZL_YWLX = TRYWLX_NM INNER JOIN ZWJSFS ON TRFKZL_JSFS = ZWJSFS_ID INNER JOIN LSWBZD ON TRFKZL_HB = LSWBZD_ID INNER JOIN TRZH FK ON TRFKZL_FKZH = FK.TRZH_NM LEFT JOIN TRZH SK ON TRFKZL_SKZH = SK.TRZH_NM LEFT JOIN YSYSXM ON TRFKZL_SZXM = YSYSXM_XMUID LEFT JOIN TRHBZL ON TRFKZL_NM = TRHBZL_ZLNM WHERE ( TRFKZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd') OR TRHBZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd') ) AND TRFKZL_YWLY = 0
按照建议更改SQL写法,走索引查找,响应时间在1秒以内。当然,从原始语句的筛选条件也能够感觉到怪怪的,根本上来讲应该是个设计问题。
SELECT * FROM TRFKZL LEFT JOIN TRFKSQ ON TRFKZL_SQDNM = TRFKSQ_NM INNER JOIN TRYWLX ON TRFKZL_YWLX = TRYWLX_NM INNER JOIN ZWJSFS ON TRFKZL_JSFS = ZWJSFS_ID INNER JOIN LSWBZD ON TRFKZL_HB = LSWBZD_ID INNER JOIN TRZH FK ON TRFKZL_FKZH = FK.TRZH_NM LEFT JOIN TRZH SK ON TRFKZL_SKZH = SK.TRZH_NM LEFT JOIN YSYSXM ON TRFKZL_SZXM = YSYSXM_XMUID LEFT JOIN TRHBZL ON TRFKZL_NM = TRHBZL_ZLNM WHERE TRFKZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd') AND TRFKZL_YWLY = 0 UNION SELECT * FROM TRFKZL LEFT JOIN TRFKSQ ON TRFKZL_SQDNM = TRFKSQ_NM INNER JOIN TRYWLX ON TRFKZL_YWLX = TRYWLX_NM INNER JOIN ZWJSFS ON TRFKZL_JSFS = ZWJSFS_ID INNER JOIN LSWBZD ON TRFKZL_HB = LSWBZD_ID INNER JOIN TRZH FK ON TRFKZL_FKZH = FK.TRZH_NM LEFT JOIN TRZH SK ON TRFKZL_SKZH = SK.TRZH_NM LEFT JOIN YSYSXM ON TRFKZL_SZXM = YSYSXM_XMUID LEFT JOIN TRHBZL ON TRFKZL_NM = TRHBZL_ZLNM WHERE TRHBZL_SQDNM IN ('d1c01251-bc0a-4ecb-8ed0-742614245bdd') AND TRFKZL_YWLY = 0