数据库索引数据结构总结

数据库查询类型

• 点查：主键ID查询
• 多点：返回多条记录
• 范围：大于、小于
• 匹配查询：like
• 极值查询：max
• 排序：order by
• 分组查询：group by
• 连接查询：多表联合

数据结构

B、B-、B+树

离根越远的节点越不可能被存放在RAM中，B+树NULL值不在索引中

B+ Tree索引优点 

1. 全值匹配：指的是和索引中所有列进行匹配
2. 匹配最左前缀：假设以(姓，名，出生日期)三个数据项建立复合索引，可以查找所有姓的人 
3. 匹配列前缀： name like '刘%'
4. 匹配范围值：where date>='201900509'，注意范围查询只在复合索引的优先排序的第一列。
5. 精确匹配前面列并范围匹配后一列：注意范围第一个范围查询后面的列无法再使用索引查询 
6. 只访问索引的查询：即查询只需访问索引，而无需访问数据行。（此时应想到索引中的覆盖索引）

B+ Tree索引缺点 

1. 如果不是按照索引的最左列开始查找，则无法使用索引
2. 不能跳过索引中的列 
3. 如果查询中包括某个列的范围查询，则其右边所有列都无法使用索引优化查询

哈希结构

哈希索引优点 

1. 快速查询：参与索引的字段只要进行Hash运算之后就可以快速定位到该记录，时间复杂度约为1

哈希索引缺点 

1. 哈希索引只包含哈希值和行指针，所以不能用索引中的值来避免读取行 
2. 哈希索引数据并不是按照索引值顺序存储的，所以也就无法用于排序和范围查询 
3. 哈希索引也不支持部分索引列查询，因为哈希索引始终是使用索引列的全部数据进行哈希计算的。 
4. 哈希索引只支持等值比较查询，如=，IN()，<=>操作 
5. 如果哈希冲突较多，一些索引的维护操作的代价也会更高

Bitmap位图

位图索引与倒排索引类似，后者主要使用在全文检索。

10行其中一列数据
10    20    30    20    10    30    10    30    20    30

那么会建立三个位图，如下：

BLOCK1    KEY=10  1    0    0    0    1    0    1    0    0    0   
BLOCK2    KEY=20  1    0    0    0    1    0    1    0    0    0 
BLOCK3    KEY=30  1    0    0    0    1    0    1    0    0    0

优点：

1. 适合决策支持系统；
2. 当select count(XX) 时,可以直接访问索引中一个位图就快速得出统计数据；
3. 当根据键值做and，or或 in(x,y,..)查询时，直接用索引的位图进行或运算,快速得出结果行数据。

缺点：

1. 不适合键值较多的列（重复值较少的列）；
2. 不适合update、insert、delete频繁的列，代价很高。

索引类型

聚簇索引：利用主键建立的索引，其物理存放顺序与主键顺序一致。因为数据只有一个物理存放顺序，所以一个表只有一个聚簇索引。 （字典拼音查字）

非聚簇索引(二级索引，辅助索引)：除了聚簇索引之外，其余所有的索引都是非聚簇索引（字典部首查字）

非聚簇索引可以通过覆盖的方法来减少访问下层关系表的次数（直接访问索引）具有比稀疏的聚簇索引更好的性能（与稠密的聚簇索引相当）

稠密索引：由键值和指针(指向记录本身地址)组成的一系列存储块，该存储块的键值与文件的逻辑顺序一致。

特性：每个存储块的每一个键对应的指针都指向每个数据块每一条记录，当要查找指定键 K 时，采用二分查找即可找到键K对应的记录，复杂度为 log2n。

稀疏索引：相对于稠密索引，稀疏索引只为某些搜索码值建立索引记录；在搜索时，找到其最大的搜索码值小于或等于所查找记录的搜索码值的索引项，然后从该记录开始向后顺序查询直到找到为止。

特性：每个存储块的每一个键对应的指针都指向每个数据块的第一条记录，当要查找指定建 K 时，先采用二分查找找到 <=K 的键 S，如果 S=K，则命中记录，如果 S

稠密索引和稀疏索引都属于聚簇索引。

• 稀疏索引占用的索引存储空间比较小，但是查找时间较长；
• 稠密索引查找时间较短，索引存储空间较大。

唯一索引：允许null值存在，减少排序

主键索引：利用主键建立的索引

组合索引：多数据项建立索引，一个索引包含(覆盖)所要查询的字段的值，可以覆盖索引

多表连接

嵌套循环连接（Nested Loops）

哈稀连接（Hash Join）

排序合并连接（Sort Merge Join）