今天,我在一个java群和别人讨论对索引的理解问题。
大家说了半天我都无法理解他们在说什么。
我还在网上查看了很多关于索引的定义,
但都是太笼统没有比喻也没有具体的例子。
最后我只能说出我对索引的理解。
我个人定义索引是:一个已经按照一定规则排序好的数据结构或数据集。
下面举例
例子1:
现在有一张表,里面有10W行数据,其中有一个列,列的名字叫name,数据类型为字符串
现在要查询一个name为tom的,好,现在在name上建立一个数据库默认的索引。
我相信,大多数数据库对字符串类型的列,默认都是按字母升序排列的。
首先查看了一下第一个有tom的这行数据出现在表的第38511行
建立索引后按照我原先的简单按字母升序排序,第一个出现有tom的这行数据排列到了85536行
如果按照这个索引结构来查询第一个出现tom的话还比没有建立这个索引时要慢,原因很简单。
查询时的数据集发生了改变,原来一行行找下来要找38511次,现在按照这个索引结构找下来要85536次
但默认的索引结构也许不是这样的。也许它套用了一个树结构,这个树也许就2层
第一层是按字符串首字母升序排序好的单个字母a,b,c,d,e,f,g,h....,(其中也许字母x没有,这也是有可能的)
第二层是按字符串首字母归类好的数据集合,并且每个集合按字母升序也是排序好的。
那么查询tom的时候,检查到tom是在第一层树的第20字母上,也就是t,查询这一层只花了20次比较
然后在第二层的以T字母开头排序好的数据集中发现tom在这个数据集的第16行。
那么按照这个索引结构查询name为tom的数据行最快的只要比较20+16次就可以找到第一个符合的数据
但如果tom这行数据在表里就排在第10行,那么按照上面的索引结构搜索找到所花的时间还要长。
例子2:
现在有一张表,里面有10W行数据,其中有一个列,列的名字叫id,类型整数,
现在要查询一个id为83111的。现在在id上建立一个数据库默认的索引
我相信,大多数数据库对默认的整数类型的列,都是按数字升序排列的。
首先查看了一下第一个有83111的这行数据排列在83111行
建立索引后按照原先的简单按数字升序排序,第一个出现有83111的这行数据还是出现在表的第83111行
如果按照这个索引结构来查询第一个出现id为83111的话和没有建立这个索引时一样的速度。原因还是很简单。
查询时的数据集和表集是一样的。
但默认的索引结构也许不是这样的,也许它套用了一个树结构,这个树也许就2层
第一层每个支点为,>=0 & <= 9999, >=10000 & <= 19999, 这样一直下去,
节点的最大一个范围取决于id最大的一个数它所在的那个范围。
第二层是在某一个范围内已经按数字升序排列好的数据集。
那么查找83111这个id,先比较第一层的范围,发现83111在,>=80000 & <=89999 中,第一层比较了9次,
然后在这个范围内在查找83111,发现在3112行,也就是比较了3112次
最后找到这个数总共才花了3112+9次的比较。
通过举例终于可以理解为什么要建立索引,和建立索引的优点和缺点。
看来建立索引要有很强的排序算法支持。
不知道大家看懂了吗,是否同意我个人对索引的定义。
大家说了半天我都无法理解他们在说什么。
我还在网上查看了很多关于索引的定义,
但都是太笼统没有比喻也没有具体的例子。
最后我只能说出我对索引的理解。
我个人定义索引是:一个已经按照一定规则排序好的数据结构或数据集。
下面举例
例子1:
现在有一张表,里面有10W行数据,其中有一个列,列的名字叫name,数据类型为字符串
现在要查询一个name为tom的,好,现在在name上建立一个数据库默认的索引。
我相信,大多数数据库对字符串类型的列,默认都是按字母升序排列的。
首先查看了一下第一个有tom的这行数据出现在表的第38511行
建立索引后按照我原先的简单按字母升序排序,第一个出现有tom的这行数据排列到了85536行
如果按照这个索引结构来查询第一个出现tom的话还比没有建立这个索引时要慢,原因很简单。
查询时的数据集发生了改变,原来一行行找下来要找38511次,现在按照这个索引结构找下来要85536次
但默认的索引结构也许不是这样的。也许它套用了一个树结构,这个树也许就2层
第一层是按字符串首字母升序排序好的单个字母a,b,c,d,e,f,g,h....,(其中也许字母x没有,这也是有可能的)
第二层是按字符串首字母归类好的数据集合,并且每个集合按字母升序也是排序好的。
那么查询tom的时候,检查到tom是在第一层树的第20字母上,也就是t,查询这一层只花了20次比较
然后在第二层的以T字母开头排序好的数据集中发现tom在这个数据集的第16行。
那么按照这个索引结构查询name为tom的数据行最快的只要比较20+16次就可以找到第一个符合的数据
但如果tom这行数据在表里就排在第10行,那么按照上面的索引结构搜索找到所花的时间还要长。
例子2:
现在有一张表,里面有10W行数据,其中有一个列,列的名字叫id,类型整数,
现在要查询一个id为83111的。现在在id上建立一个数据库默认的索引
我相信,大多数数据库对默认的整数类型的列,都是按数字升序排列的。
首先查看了一下第一个有83111的这行数据排列在83111行
建立索引后按照原先的简单按数字升序排序,第一个出现有83111的这行数据还是出现在表的第83111行
如果按照这个索引结构来查询第一个出现id为83111的话和没有建立这个索引时一样的速度。原因还是很简单。
查询时的数据集和表集是一样的。
但默认的索引结构也许不是这样的,也许它套用了一个树结构,这个树也许就2层
第一层每个支点为,>=0 & <= 9999, >=10000 & <= 19999, 这样一直下去,
节点的最大一个范围取决于id最大的一个数它所在的那个范围。
第二层是在某一个范围内已经按数字升序排列好的数据集。
那么查找83111这个id,先比较第一层的范围,发现83111在,>=80000 & <=89999 中,第一层比较了9次,
然后在这个范围内在查找83111,发现在3112行,也就是比较了3112次
最后找到这个数总共才花了3112+9次的比较。
通过举例终于可以理解为什么要建立索引,和建立索引的优点和缺点。
看来建立索引要有很强的排序算法支持。
不知道大家看懂了吗,是否同意我个人对索引的定义。