数据库索引和选择性的关系

为什么80%的码农都做不了架构师？>>>   

图片：雨中等待

在讨论数据库索引的时候，经常会提到“选择性”(selectivity)这个概念。“选择性”是描述列值数据分布情况的一个重要属性。“选择性”和“基数”(cardinality)是两个密不可分的概念。“基数”就是一列中唯一值的数量，对于有唯一约束的列，“基数”等于表的总行数。

怎么计算索引的选择性？

选择性  =  基数/总行数 * 100%

选择性是什么意思？

上面的公式应该怎么理解？假设表中有Sex(性别)这一列，列值只有两种可能—`Male`(男性)和`Female`(女性)，那么，Sex列的基数(cardinality)就是2。如果这张表中有10000条行记录，那么Sex列的索引的选择性就是2/10000 * 100% = 0.02%。

为什么“选择性”对索引很重要，数据库怎么利用“选择性”的？

“选择性”的高低可以衡量列值的可能性，换句话说，在给定的样本集里有多少个不同的值。

我们思考一下，低选择性意味着什么？低选择性意味着列值没有太多变化（或没有太多的可能性）。例如，Sex列的选择性，只有非常低的0.02%，这就意味着，Sex列的列值有很少的不同值。

选择性对数据库索引有什么影响？

数据库的查询优化器会根据索引的“选择性”来判断是否使用索引执行查询。也就是说，你在某列上创建了索引，这不意味着数据库就一定会使用这个索引，因为有时全表扫描是更高效的选择。

什么时候不应该使用数据库索引？

什么时候不应该使用数据库索引？当“选择性”比较低的时候！为什么低选择性的时候不适合使用索引呢？设想一下，现在我们要查询所有女性的名字，由于性别只有男性和女性两种情况，所以女性占比是50%的可能性很大。那我们就假设确实有50%(5000)是女性。如果查找索引的话，数据库为了查找出所有女性就需要访问索引5000次。要知道访问索引也是需要消耗时间和资源的。所以这种情况，直接去做全表扫描可能会更快一些。可以看到，数据库的查询优化器会根据“选择性”的高低来决定使用索引还是直接全表扫描。

“选择性”等于多少才会使用索引？

这个问题很难回答，它因数据库而异。

当然，“选择性”很高时，应该使用索引。例如，我们要查询的某列，其“选择性”是100%，说明该列的列值都是唯一的。这时，如果只查询其中的一行，使用索引是最高效的。同时，这也是执行全表扫描最坏的情形。

 

 

相关阅读：

    《数据库索引的工作原理》

    《全表扫描！你的数据库有点弱智》

转载于:https://my.oschina.net/gooke/blog/678673