【Database System Concept 7th】Chapter 14 Indexing 读书笔记

14.1 Basic Concepts

众所周知，索引就是用于加快检索滴，就像书的目录一样，维护了主题到页数的映射，我们通过某个关键字查找主题，然后再跳转到某一页进行内容的查看。本章主要介绍一些常见的索引技术，主要是Hash索引与B+tree索引，在本节让我们先了解一些基本概念。
有两种基本的索引类型：

• 顺序索引：基于key进行顺序排序
• 散列索引：将key散列到不同的hash桶中

索引技术非常多，适用于不同的场景，主要由以下几点衡量是否适用：

• 访问类型：能支持的访问类型（包括查询具有特定属性值的记录、查询特定属性值在某个特定区间范围的记录）
• 访问时间：找到一个特定记录或记录集所花费的时间
• 插入时间：插入一个新记录所需要的时间
• 删除时间：删除一个记录所需要的时间
• 空间复杂度：维护索引结构所需要的空间开销

通常我们会在一个文件中建立多个索引，比如我们可能希望按照作者、主题或者书名来查找图书馆里的一本书。其中，用于查找的关键字称为搜索码，搜索码可以由一个或多个属性组成。

14.2 Ordered Indices

14.2.1 Dense and Sparse Indices

14.2.2 Multilevel Indices

14.2.3 Index Update

14.2.4 Secondary Indices

14.2.5 Indices on Multiple Keys

14.3 B±Tree Index Files

14.3.1 Structure of a B±Tree

14.3.2 Queries on B±Trees

14.3.3 Updates on B±Trees

14.3.4 Complexity of B±Tree Updates

14.3.5 Nonunique Search Keys

14.4 B±Tree Extensions

14.4.1 B±Tree File Organization

14.4.2 Secondary Indices and Record Relocation

14.4.3 Indexing Strings

14.4.4 Bulk Loading of B±Tree Indices

14.4.5 B-Tree Index Files

14.4.6 Indexing on Flash Storage

14.4.7 Indexing in Main Memory

14.5 Hash Indices

散列索引应用广泛，可以在内存中临时创建以处理join运算，也可以是主存数据库中的永久性结构，还可以是文件中记录的一种组织方式。

14.5.1 In Memory Hash

散列索引的思想比较简单，即维护许多个存放记录的桶，每个桶存放若干条记录的指针。当插入记录时，通过某个哈希函数$h$对记录中的搜索码取哈希值，根据这个哈希值，得到桶编号，将指向该记录的指针放入指定的桶中。
当有多条记录的搜索码哈希值一样时，桶中会存在多条记录，有许多不同的方式处理这种情况，目前我们描述的方式为溢出链方式，即每个桶为一条链表。
散列索引可以高效地支持搜索码上的相等查询，但不支持高效的范围查询。

14.5.2 Disk-Based Hash

在基于磁盘的散列索引中，一个桶可由多个磁盘块组成，当插入一条记录时，与上述一致，先通过哈希函数定位桶，若目标桶仍有空间存放该记录，则存放；若空间不足以存放该记录，通过使用溢出桶来处理，也就是多分配一个桶，然后用链表串起来，如图所示。

大量的桶溢出会导致查询速率变慢，为了处理这个问题，可以采用重构法来解决，即增多桶的数量，将记录重新通过哈希函数映射并插入新的桶中。但是，重构索引的缺点是如果这个relation中的记录数量很多，可能需要很多时间进行重构，可能阻塞事务的进行。
如上所述的方式称为静态散列，即索引创建时桶的数量是固定的；目前还有一些动态散列的方案，将于24.5节讨论。