索引压缩（一）

1.创建测试用表t_compress_index

SQL> create table t_compress_index as select * from all_objects;
 
Table created
   

2.不使用索引压缩技术创建索引

SQL> create index idx_t_compress_index on t_compress_index(owner,object_type,object_name);
 
Index created

 

SQL> analyze index idx_t_compress_index validate structure;
 
Index analyzed
 
SQL> select height, lf_blks, br_blks, btree_space, opt_cmpr_count, opt_cmpr_pctsave from index_stats;

 
    HEIGHT    LF_BLKS    BR_BLKS BTREE_SPACE OPT_CMPR_COUNT OPT_CMPR_PCTSAVE
---------- ---------- ---------- ----------- -------------- ----------------
         3        344          3     2774708              2               28

3.尝试只使用第一列进行压缩
SQL> drop index idx_t_compress_index;

 
Index dropped
 
 
SQL> create index idx_t_compress_index on t_compress_index(owner,object_type,object_name) compress 1;
 
Index created

 
SQL> analyze index idx_t_compress_index validate structure;

 
Index analyzed

 
SQL> select height, lf_blks, br_blks, btree_space, opt_cmpr_count, opt_cmpr_pctsave from index_stats;
 
    HEIGHT    LF_BLKS    BR_BLKS BTREE_SPACE OPT_CMPR_COUNT OPT_CMPR_PCTSAVE
---------- ---------- ---------- ----------- -------------- ----------------
         3        306          3     2469636              2               19

4.尝试使用前两列进行压缩
SQL> drop index idx_t_compress_index;

 
Index dropped
 
 
SQL> create index idx_t_compress_index on t_compress_index(owner,object_type,object_name) compress 2;
 
Index created

 
SQL> analyze index idx_t_compress_index validate structure;
 
Index analyzed

 
SQL> select height, lf_blks, br_blks, btree_space, opt_cmpr_count, opt_cmpr_pctsave from index_stats;
 
    HEIGHT    LF_BLKS    BR_BLKS BTREE_SPACE OPT_CMPR_COUNT OPT_CMPR_PCTSAVE
---------- ---------- ---------- ----------- -------------- ----------------
         2        246          1     1974060              2                0

  5.尝试使用前三列进行压缩

SQL> drop index idx_t_compress_index;
 
Index dropped
 
SQL> create index idx_t_compress_index on t_compress_index(owner,object_type,object_name) compress 3;
 
Index created
 
SQL> analyze index idx_t_compress_index validate structure;
 
Index analyzed
 
SQL> select height, lf_blks, br_blks, btree_space, opt_cmpr_count, opt_cmpr_pctsave from index_stats;
 
    HEIGHT    LF_BLKS    BR_BLKS BTREE_SPACE OPT_CMPR_COUNT OPT_CMPR_PCTSAVE
---------- ---------- ---------- ----------- -------------- ----------------
         3        385          3     3101004              2               35

6.索引压缩小结
（1）通过上面的这个演示过程，可以得到以下结论：
1）对前两列进行压缩效果最好
2）对全部的三列压缩反倒比不使用压缩技术耗用更多的索引空间，这与压缩机制有关
3）要在实践中反复的测试，得出最佳的压缩系数

（2）索引压缩缺点：
1.维护索引时，更耗时，因为需要更多的计算
2.查询时，搜索索引需要较长的时间，因为需要更多的计算
3.需要更多的CPU处理索引
4.增加了块竞争

（3）索引压缩好处：
1.索引占用的磁盘空间少，这是显然的
2.块缓冲区缓存能存放更多的索引条目
3.缓存命中率较高
4.物理I/O较少

任何一种技术都是一种均衡各种资源后的产物，索引压缩技术就充分的体现了这方的特点，需要在disk和CPU之间做到取舍与平衡，需要具体问题具体分析。

PS：还需要注意一点，就是联合索引中的前向索引重复和唯一的问题，重复数据量的频率也决定了压缩的效率，看看下面的测试结果：

7：前缀索引压缩

 

SQL> create table t3 as select level L ,'0000'L2 from dual connect by level<=1e6;

表已创建。

已用时间:  00: 00: 04.38
SQL> create unique index idx3 on t3(l,l2) compress;

索引已创建。

已用时间:  00: 00: 01.27
SQL> select sum(bytes) from dba_extents where segment_name='IDX3';

SUM(BYTES)
----------
   30408704

已用时间:  00: 00: 00.04
SQL> drop index idx3;

索引已删除。

已用时间:  00: 00: 00.02
SQL> create unique index idx3 on t3(l,l2);

索引已创建。

已用时间:  00: 00: 01.06
SQL> select sum(bytes) from dba_extents where segment_name='IDX3';

SUM(BYTES)
----------
  24117248

已用时间:  00: 00: 00.03

索引压缩理解：

复合索引前缀列重复度高才能真正实现压缩，在前缀字段的重复项比较多的情况下，压缩索引可以发挥自己的优势。重复项少的情况下，压缩索引可能会占用更多空间。使用压缩索引的前提必须是前缀列的重复项比较多，否则会对性能产生更坏的影响。

把复合索引列顺序反过来，结果看看：
SQL> create table t2 as select level L ,'0000'L2 from dual connect by level<=1e6;

 
Table created

 
SQL> create unique index idx2 on t2(l2,l) compress;
 
Index created

 
SQL> select sum(bytes) from dba_extents where segment_name='IDX2';
 
SUM(BYTES)
----------
  17825792

 
SQL> drop index idx2 ;
 
Index dropped

 
SQL> create unique index idx2 on t2(l2,l);
 
Index created

 
SQL> select sum(bytes) from dba_extents where segment_name='IDX2';
 
SUM(BYTES)
----------
  24117248