关于达梦数据库B树索引和位图索引的介绍

一、B-Tree 索引

B-Tree index 也是我们传统上常见所理解的索引。B-tree （balance tree）即平衡树，左右两个分支相对平衡。
B-Tree index

Root 为根节点，branch 为分支节点，leaf 到最下面一层称为叶子节点。每个节点表示一层，当查找某一数据时先读根节点，再读支节点，最后找到叶子节点。叶子节点会存放 index entry （索引入口），每个索引入口对应一条记录。
Index entry 的组成部分：
Indexentry entry header 存放一些控制信息。
Key column length 某一 key 的长度
Key column value 某一个 key 的值
ROWID 指针，具体指向于某一个数据

上面这张图能更加清晰的描述索引的结构。
根节点记录 0 至 50 条数据的位置，分支节点进行拆分记录 0 至 10…42 至 50，叶子节点记录每个数据的长度和值，并由指针指向具体的数据。
最后一层的叶子节是双向链接，它们是被有序的链接起来，这样才能快速锁定一个数据范围。

二、位图索引

位图索引主要针对大量相同值的列而创建。拿全国居民登录一第表来说，假设有四个字段：姓名、性别、年龄、和身份证号，年龄和性别两个字段会产生许多相同的值，性别只有男女两种值，年龄，1 到 120（假设最大年龄 120 岁）个值。那么不管一张表有几亿条记录，但根据性别字段来区分的话，只有两种取值（男、女）。那么位图索引就是根据字段的这个特性所建立的一种索引。
Bitmap Index

从上图，我们可以看出，一个叶子节点（用不同颜色标识）代表一个 key , start rowid 和 end rowid规定这种类型的检索范围，一个叶子节点标记一个唯一的 bitmap 值。因为一个数值类型对应一个节点，当是行查询时，位图索引通过不同位图取值直接的位运算（与或），来获取到结果集合向量（计算出的结果）。

举例讲解：
假设存在数据表 T，有两个数据列 A 和 B，取值如下，我们看到 A 和 B 列中存在相同的数据。

对两个数据列 A、B 分别建立位图索引：idx_t_bita 和 idx_t_bitb。两个索引对应的存储逻辑结构
如下：
Idx_t_bita 索引结构，对应的是叶子节点：

Idx_t_bitb 索引结构，对应的是叶子节点：

select * from t where b=1 and (a=’L’ or a=’M’)

分析：位图索引使用方面，和 B树索引有很大的不同。B树索引的使用，通常是从根节点开始，经过不断的分支节点比较到最近的符合条件叶子节点。通过叶子节点上的不断 Scan 操作，“扫描”出结果集合 rowid。
而位图索引的工作方式截然不同。通过不同位图取值直接的位运算（与或），来获取到结果集合向量（计算出的结果）。
针对实例 SQL，可以拆分成如下的操作：
1、a=’L’ or a=’M’
a=L：向量：1010
a=M：向量：0001
or 操作的结果，就是两个向量的或操作：结果为 1011。
2、结合 b=1 的向量
中间结果向量：1011
B=1：向量：1001
and 操作的结果，1001。翻译过来就是第一和第四行是查询结果。
3、获取到结果 rowid
目前知道了起始 rowid 和终止 rowid，以及第一行和第四行为操作结果。可以通过试算的方法获
取到结果集合 rowid。
位图索引的特点：
1.Bitmap 索引的存储空间节省
2.Bitmap 索引创建的速度快
3.Bitmap 索引允许键值为空
4.Bitmap 索引对表记录的高效访问