第6章-索引结构（金培权课程）

顺序文件上的索引

顺序文件：记录按查找键排序

密集索引

1. 规则：每个记录都有一个索引项，索引项按照查找键排序，密集索引一般常驻内存
2. 优点：查找键值为K的记录不需要访问磁盘数据块
3. 缺点：索引占据太多空间

稀疏索引

1. 规则：仅部分记录有索引项，为每个数据块的第一个记录建立索引
2. 优点：节省索引空间
3. 缺点：需要访问磁盘数据块

多级索引

1. 优点：一级索引可能太大不能常驻内存，二级索引更小，可以常驻内存；减少磁盘IO
2. 关于减少磁盘IO
   
   在这个例子中，我们需要注意，只有一级索引查找需要全部在磁盘中进行，因此需要14次IO；
   但是对于多级索引，二级索引本身就在内存中，因此不需要IO，二级索引定位之后会将部分一级索引读入内存，因此只需要一次IO，之后的操作均在内存中进行，最后读一次数据块，因此一共有2次IO

辅助索引

主索引：顺序文件上的索引，记录按索引属性值有序，根据索引值可以确定记录的位置
辅助索引：数据文件不需要按查找键有序，根据索引值不嗯呢该确定记录在文件中的顺序

辅助索引概念

1. 辅助索引只能是密集索引
   很显然，辅助索引没有顺序，因此稀疏索引无助于索引
   
2. 可以在密集索引的基础上建立二级稀疏索引
   
3. 间接桶：（处理重复键值）
   

倒排索引

1. 思想：为每个检索词建立间接桶，桶的指针指向检索词出现的文档
   
   

B+树

结点性质

所有结点格式相同，均为n个值，n+1个指针

1. 叶结点：至少有⌊(n+1)/2⌋个指针指向键值（还有1个指针指向下一个叶结点）
   

2. 中间结点： 至少有$\lceil (n+1)/2\rceil$个指针指向子树

3. 根节点：至少有两个指针
   

插入删除

效率

1. IO代价
   通常情况下根节点常驻内存，因此IO代价为h-1
2. 索引大小
   对于块大小8KB，键2B，指针2B，则一个块可以放2048个索引项
   1）一层：只有根节点记录信息，占据一个块，共2047个键值，2048个指针
   2）两层：占据1+2048个块，每个块仍旧是2047个键值，约$2^{2}2$个索引
   3）三层：占据$1+2^{1}1+2^{2}2$个块，约$2^{3}3$个索引

散列表

普通散列表

1. 结构：每个桶可能有多个块，则IO次数取决于块数量
2. 插入：桶内若有空间则直接插入，否则创建一个溢出块
3. 删除：可能需要处理溢出块

为处理溢出块过多的情况，这里提出动态散列表

可拓展散列表

成倍增加桶数目

1. 散列函数h(k)是一个b位二进制序列，前i位表示桶的数目
2. 从i=1开始分配桶数量（2个），若桶数量不够时，则会增加i并重新分配桶内元素（可能会有冲突块）
3. 优点：大部分情况不存在溢出块，因此查找记录时，只需查找一个存储块
4. 缺点：桶增长速度过快

线性散列表

线性增加

1. 结构：散列函数h(k)仍是二进制位序列，使用右边i位区分桶，桶数n
2. 规则：若h(k)的右i位=m<n，则记录位于第m个桶；若m>n，则记录位于$m-2^{i-1}$
3. n动态变化：当前记录总数r与n保持一个固定的比例之内
   
   注意这里增加桶也是按照大小增加了01

这里注意还是会用到溢出块！

若桶容纳，则取消溢出块

对比

1. 空间效率：线性散列表更优
2. 查找性能：可拓展散列表更优
3. 综合性能：线性散列表更好

R-Tree

R-tree结构

R-tree的插入

1. 规则：从根节点开始插入，直到最适应的叶结点（最适应是指选择只需要最小增量的方框）
2. 如果最合适的叶结点有空间，则直接插入；否则需要将L分隔为L1和L2（因为每个L所能容纳的结点数量是一定的）
   
   
   

R+树

R+树中的所有MBR互不重叠，因此一个空间数据可能存在于多个MBR中（因为有分割）

例如上图中的G

网格文件

网格文件特点

1. 不同维的网格线数目可以不同

2. 相邻网格线之间可以有不同的间距

3. 适合多键值查询（还有范围查询）
   

4. 需要优化的网格划分算法：每个网格中的记录均匀分布

网格文件的物理组织

1. 分维聚簇组织：
   
   

网格文件考虑

1. 适合分布比较均匀的多维数据
2. 一般适合2维数据：维数增加将导致网格指数级增长，易出现过多的空桶

分段散列函数

散列函数对多个属性进行散列，产生一个二进制序列，其中每个属性各使用若干位

分段散列函数还支持部分匹配查询，也就是只查询单个属性

分段散列与网格文件

1. 分段散列可以支持高于2维的多维数据
2. 分段散列函数可以将数据均匀地散列到桶中，空间利用率更高
3. 都适合部分匹配查询
4. 网格文件适合NN查询和范围查询（1<x<3中），分段散列函数不太适合
5. 都是将数据划分到桶中的方法——类散列方法