【产品经理】天天捣鼓数据库，知道什么是索引吗？

经过前面文章（天天鼓捣数据，你知道数据库长啥样吗？）的科普，相信各位对数据库应该有一个直观的印象了吧？数据库说白了就是硬盘上的一个文件，这个文件里面有若干个表，每个表里存了很多条数据。你可以通过一种叫 SQL 的语言，也就是一些命令，来增加、删除、修改和查询这个文件里存储的数据。

你以为这样就完事了？程序员可不能这么想。程序员写代码，并不是「能用就好」那么简单。数据库设计的好不好，扩展性怎么样，容错性怎么样，都很重要。更多的情况是，你精心设计好了数据库的结构，严格遵守了前辈们总结出来的所有规范，放到线上一跑，悲剧了，速度太慢，产品经理查个数据要等半天，这可怎么是好？

速度慢要怪就怪硬盘。搞 IT 的应该有个共识，就是离 CPU 越远的存储设备，速度越慢，先是高速缓存，然后是内存，才是硬盘，还有网络是最慢的。SSD 还好一点，普通的机械硬盘，只有几十兆的吞吐量，拷一部电影都要几分钟，拷一堆小文件更是惨不忍睹。扯这么多是想说明什么呢？是说数据库大多数情况下是在查询数据，查询一次数据，就要读取磁盘上的数据库文件，而且是非常频繁的读取，速度问题就是这么来的。

这么说吧，你有一个数据库，存了 10 万个用户的产品日使用时长，从几分钟到几个小时都有。现在，产品经理想查出使用时长最长的那个用户，他熟练的敲了一行命令（也有可能是熟练的点了某个自动查询的按钮）：select max(time) from user_table。

那么，此时计算机在做什么呢？它首先要找到并打开那个有 user_table 表的数据库文件，然后开始一条一条的读取里面的数据：啊，小花，每天使用 2 个小时，恩，记下来。全蛋，5 分钟，没有小花时间长，扔掉。大宝，10 个小时，哇，把小花扔掉。一直等到读完 10 万条所有的数据，才查到一个（或多个）最大的结果。此时硬盘已经冒烟了。

当然，你也可以用上高科技的方法：数据库索引，情况会大不相同。数据库索引是对数据库里的数据按照某个属性进行排序的一种方式。有两个关键词，某个属性，排序。某个属性是指，索引是跟某个具体的属性挂钩的，比如上面例子里的用户使用时长。排序的意思是，尽管你往数据库里插入数据的时候是随便插入的，但是索引会保持用户使用时长从小到大或从大的顺序。有了这个顺序，查询就可以用二分法，不用一个一个比对，快多了。

二分法是啥意思？你有没有玩过猜数字的游戏，别人想一个数字，让你猜，猜的时候他说大了还是小了，怎么猜最快？很简单，先猜一个小的，再猜一个大的，然后取中点，再取中点，每次取中点，直到猜中，是最快的。同理，一堆排好序的数字里面找一个数字，比如下面 7 个数字里面找9，每次都找中间的，依次经过 8、12、9，不用比对7 次，3 次就找到了。这就是二分查找。

上面的例子，如果用索引，应该是这样的。首先对用户使用时长这个属性创建一个索引，一开始是空的，什么都没有。你每次插入一条数据，比如大雄，使用时长 37 分钟，就把 37 分钟这个数值放到索引里，并使索引里的所有数值保持从小到大的顺序。经过一段时间，数据库里有了 10 万条数据，索引里也有了很多排好序的用户使用时长。每个时长，还会额外记录它在原来数据库里的对应的位置。为什么？后面解释。

现在你来查询使用时长最长的用户，很简单，找索引的最大值就好了，这个应该是一下子就出来的事情，因为它本来就是从小到大的。或者说你想找使用半小时的用户，输入 30 分钟，在索引里利用前面讲的二分法，几下就找到了 30 分钟这个值，然后呢，根据这个值额外记录的在数据库中对应位置的信息，就能顺藤摸瓜从数据库里找到这个用户啦。

以前需要一个一个从硬盘上读取出来比对的，现在排序加二分法，省了很多时间。但是问题也很明显，你应该想到了。创建数据库索引，需要一个额外的磁盘空间，来存放索引。这个也是不小的开支。虽然索引的每一项，只是记录了它的值大小，以及它在原来数据库里的位置，现在数据库都是几千万条数据，开销也不小。

鱼还是熊掌，这就看你怎么衡量了。如果你的数据库，装在一个硬盘空间很大，但是硬盘速度很慢的电脑上，当然可以用索引，空间换取时间，这也是大多数索引的应用场景。如果你的硬盘快满了，或者说查数据的产品经理脾气特别好，等多久都无所谓，那你不用开索引了，随便编个什么电脑中病毒了，就是卡之类的故事，搪塞过去就行。这么说来，程序员跟你说中病毒了，很有可能是他不想给你做优化编出来的呢，一定要警惕啊。

一句话结尾，数据库索引，对数据库里的某个属性的所有值进行排序，从而加快查询速度，是一种典型的空间换时间的思想，请君细细品味。