DB2数据库查询过程（Query Processing）----多索引访问（Multiple Index Access）

引言

考虑下面的情况：

一张表T，有列C1，C2，C3，C4，C5。其中C1上有索引C1X，C2上有索引C2X，C3，C4，C5上有索引C345X。表中有100000000行数据。

查询语句：

Select * From T Where C1=20 And C2=5 And C3=11;

前面介绍过，对于一张表，只能使用它的一个索引进行索引扫描，上面查询的三个谓词都是可索引谓词，假设这三个谓词的过滤因子都是1/100，优化器选择使用C1X索引。那么就需要读入100000000*1/100=1000000行数据。I/O开销无疑是可观的。

对于这样的访问方案，我们认为它太浪费索引了！三个索引，只用一个，导致另外两个谓词连筛选谓词都算不上（筛选谓词起码能对索引项进行筛选呢）。

如果能够同时使用三个索引，那么三个谓词合起来的过滤因子就是1/100*1/100*1/100=1/1000000,最终需要读入的数据行为100000000*1/1000000=100行，效率根本不能相提并论！

但是，这样的访问方式存在吗？在DB2中，是存在的。这就是所谓的多索引访问。

多索引访问（Multiple Index Access）

多索引访问的思想是：对表中数据分别使用各个索引，最后将满足条件的进行交集或并集操作。

当然了，如果是对数据行直接分别使用多个索引，以上面的例子，那至少得先读1000000+1000000+1000000=3000000行数据，然后继续交集操作，绝对是不可取的。

DB2采用的策略是将各个索引中满足相应的匹配谓词的RID（行指示器）分别提取出来（要知道，索引树的叶结点页中的索引项中是包含了表中所有数据行的RID的），然后对这些RID做交集或并集操作，最后将得到的RID对应的数据行使用列表预取读入缓冲池。

还是以上面的例子为例具体解释一下多索引访问的步骤：

1.将索引C1X的所有叶结点索引页使用I/O顺序预取读入缓冲池（叶结点索引页通常是有序存储的，所以可以使用I/O顺序预取），根据”C1=20“这个匹配谓词提取出符合条件的RID，将这些RID存储在RID候选列表（RID candidate list，简称RID list）中，这个RID list存在于缓冲池中的一块单独区域：RID pool。

2.同理，将索引C2X中符合C2=5条件的RID提取出来存储在另一个RID list中。

3.同理，将索引C345X中符合C3=11条件的RID提取出来存储在另一个RID list中。

这些RID list被存储在一个堆栈中，最新的RID list位于堆栈的顶端，如图：

4.将堆栈中最上层的两个RID list（即C345X-RID list和C2X-RID list）弹出，进行交集操作，得到的新的RID list重新压入堆栈中。如图：

5.同理，将堆栈最上层两个RID list弹出，进行交集操作，新的RID list压入堆栈中，就能得到最终满足C1=20 and C2=5 and C3=11的所有RID了。如图：

6.根据最终得到的RID list，使用列表预取将对应的数据页读入缓冲池中。

下表是整个执行过程的过程表：

   操作表          访问类型              匹配列             使用的索引           预取类型        执行顺序

 

具体的开销估算过程就不写了，前面的文章已经演算过很多次了。对于有大量数据行的表，多索引访问的效率提升还是非常明显的。不过有几个问题需要说明一下：

A.使用索引提取RID的过程中，对所有索引页的读入都是使用的I/O顺序预取，它比随机I/O快10倍，达到800 次/秒。

B.能够用于提取RID的条件只能是匹配谓词，筛选谓词是不能用来筛选RID的，另外In-List谓词也不能用来筛选RID。

C.对于语句”Select * From T Where C1=20 And C2=5 And C3=11“，我们对三个RID list取交集，相应的，如果是”Select * From T Where C1=20 Or C2=5 Or C3=11“语句，那就需要对RID list取并集了；混合的自然就是交集，并集混合使用了，比如：Select * From T Where C1=20 And （C2=5 Or C3=11），多索引访问过程如下表：

   操作表          访问类型              匹配列             使用的索引           预取类型        执行顺序

列表预取的限制（List Prefetch Limit）

得到满足条件的RID list后，选择了使用列表预取读入数据页，没有使用顺序预取是因为数据页地址不是有序的，没有使用随机I/O是因为列表预取效率更高（200次/秒）。

那么，既然列表预取比随机I/O效率高，随机I/O还有什么存在的必要呢？

这是因为，使用列表预取也是有前提条件的：它需要事先知道需要取哪些数据页，然后才能为磁盘控制器提供区块请求列表。否则胡乱提供请求列表，将带来大量不必要的I/O，效率不升反降。（参看：《DB2数据库查询过程（Query Processing）----表扫描与I/O（Table Scan and I/O）》）

对于多索引的情况，很显然，事先已经得出了RID list，自然就能够使用列表预取了。但是对于一般查询（如Select * From T），没有明确的地址列表，就不能使用列表预取，只能选择随机I/O了。

 

转载于:https://www.cnblogs.com/xshrim/archive/2012/11/17/4048959.html