數據庫索引的優化及SQL處理過程

想要設計出好的索引，首先必須瞭解SQL語句在數據庫服務器中的處理過程，本文介紹數據庫索引設計與優化中幾個對索引優化很是重要的概念。

謂詞

謂詞就是條件表達式。 SQL語句的where子句由一個或者多個謂詞組成。

WHERE   SEX = 'M'
        AND 
        (WHIGHT > 90
        OR
        HEIGHT > 190)
複製代碼

上面這個WHERE子句有三個簡單謂詞：

• SEX = ‘M’
• WRIGHT > 90
• HEIGHT >190

也能夠認爲是兩個組合謂詞：

• WEIGHT > 90 OR HEIGHT >190
• SEX = ‘M’ AND (WEIGHT > 90 OR HEIGHT >190)

優化器及訪問路徑

關係型數據庫的一大優點就是，用戶無須關係數據的訪問方式。其訪問路徑是由DBMS的一個組件，即優化器來肯定的。優化器是SQL處理過程的核心。

這裏以mysql爲例展現一個簡單的mysql服務器邏輯結構

在圖中咱們能夠看到優化器的位置。

在SQL語句可以被真正執行以前，優化器必須首先肯定如何訪問數據。好比mysql會解析查詢並建立解析樹，而後對其進行各類優化，包括決定選擇合適的索引，決定表的讀取順序。

而謂詞表達式是索引設計的主要入手點。若是一個索引可以知足SELECT查詢語句的全部謂詞表達式，那麼優化器就頗有可能創建起一個高效的訪問路徑。

索引片及匹配列

當索引時以B+樹的形式組織，若是有謂詞表達式WHERE A > 100 AND A < 110，那麼查詢到的葉子節點的範圍會最終爲下圖：

圖的左邊是索引的一個窄片斷，咱們稱這個片斷爲索引片。這個片斷會被順序掃描，上面索引行的值在100到110之間，相應的錶行將經過同步讀從表（也可能在緩衝池）中讀取。

因此訪問路徑的成本很大程度上取決於這個索引片的厚度，也就是謂詞表達式肯定的值域範圍。索引片越厚，須要掃描的索引頁就越多，須要處理的索引記錄也就越多，但最大的開銷仍是來自於增長的對錶的同步讀操做，每次表頁讀取的I/O操做可能須要10ms。相應的，索引片比較窄，就會減小對錶的同步讀取。

索引過濾及過濾列

並非全部的索引列都可以定義索引片的大小。有時候，列可能既存在於WHERE子句中，也存在於索引中，但這個列卻不能參與索引片的定義，舉個例子。 表上有一聯合索引（A,B,C,D），有以下sql語句：

WHERE   A = :A
        AND
        B > :B
        AND
        C = :C
複製代碼

咱們須要肯定WHERE子句中的謂詞是否可以肯定索引片大小：

1. 首先咱們看在WHERE子句中，該列是否至少有一個足夠簡單的謂詞與之對應？ 若是有，那麼這個列就是匹配列。若是沒有，那麼這個列及其後面的索引列都是非匹配列。
2. 若是該謂詞是一個範圍謂詞，那麼剩餘的索引列都是非匹配列。
3. 對於最後一個匹配列以後的索引列，若是擁有一個足夠簡單的謂詞與其對應，那麼該列爲過濾列。 根據這個方法，咱們能夠判斷出列A出如今一個等值謂詞中，這是一個足夠簡單的謂詞，所以A是匹配列，列B是一個範圍謂詞，也是匹配列。而B後面的列C沒法定義索引片（沒法讓索引片變得更窄），但它依舊能夠參與索引片的過濾過程。 也就是說咱們經過列A和列B定義了索引片的大小，而列C不能，可是在訪問表以前，依舊能夠經過列C來過濾記錄，可以減小沒必要要的表訪問。列C就屬於過濾列，它和列A列B同樣重要。

總結：

上述WHERE子句有兩個匹配列，列A和列B，他們定義了掃描的索引片。除此以外還有一個列C做爲過濾列。因此只有當一行同時知足這三個謂詞時纔會訪問表中的數據。

若是列B的謂詞表達式是等值謂詞，那麼這三個列均可以做爲匹配列。

若是取消列A的謂詞表達式，那麼索引片斷就是整個索引的大小，列B和列C都僅僅只能用來過濾。

過濾因子

過濾因子描述的謂詞的選擇性，即表中知足謂詞條件的記錄行數所佔的比例，它主要依賴於列值的分佈狀況。

計算過濾因子的公式爲：

結果集數量/錶行的數量

好比咱們的一張用戶表裏有SEX這個字段，當加入一個女性用戶，SEX=‘F’的過濾因子就會變大。

若是男性在表中佔70%，那麼SEX='M'的過濾因子就是70%，SEX='F'的過濾因子爲30%，SEX列的最差狀況下過濾因子爲70%，平均過濾因子爲50%。

若是男女比例一比一，那麼列SEX最差狀況下的過濾因子和平均過濾因子都是50%。

咱們在評估一個索引是否合適的時候，最差狀況下的過濾因子比平均過濾因子更重要，由於最差狀況與最差輸入相關，即在該輸入條件下，基於特定索引的查詢將消耗最長的時間。

組合謂詞的過濾因子

那咱們如何來計算三組合謂詞表達式的過濾因子呢？

若是組成謂詞的列之間非相關，那麼組合謂詞的過濾因子能夠從單個謂詞的過濾因子推導出來。

非相關的意思是兩個謂詞的值互不影響，例如咱們有一張user表，裏面有"province"和"city"兩個字段，那這就是兩個相關的謂詞，由於城市的值必須是他所在的省下的城市。而CITY和BD(生日)就是不相關的謂詞。

好比組合謂詞 CITY = :CITY AND BD = :BD的過濾因子等於謂詞 CITY = :CITY 和謂詞 BD = :BD 的過濾因子的乘積。

若是列CITY有2000個不一樣的值，列BD有2700個不一樣的值，那麼組合謂詞的過濾因子就是：1/2000*1/2700。那麼列組合[CITY,BD]總共有5400000個不一樣的值。

而對於有相關性的列，值會比這小不少。

咱們在設計索引結構的時候，須要將SQL語句中的組合謂詞看作一個總體來評估過濾因子。

過濾因子對索引設計的影響

很顯然，須要掃描的索引片的大小對訪問路徑的性能影響相當重要。過濾因子越小，篩選出來的索引片的就越小，那就意味着訪問表的次數越少。

假設表有聯合索引 (MAKE, MODEL, YEAR)

對於sql語句:

SELECT PRICE, COLOR, DEALERNO
FROM CAR
WHERE   MAKE = :MAKE
        AND
        MODEL = :MODEL
ORDER BY PRICE
複製代碼

MAKE 和 MODEL都是匹配列。若是組合謂詞的過濾因子是0.1%，那麼所須要訪問的索引片大小將爲整個索引的0.1%。

而對於下面這個sql語句，這個索引就不大好了：

SELECT PRICE, COLOR, DEALERNO
FROM AUTO
WHERE   MAKE = :MAKE
        AND
        YEAR = :YEAR
複製代碼

因爲聯合索引的最左匹配原則，匹配列只有MAKE。過濾因子爲1%，索引片比較大。

sql語句：

SELECT LNAME, FNAME, CNO
FROM CUST
WHERE   SEX='M'
        AND
        (WEIGHT > 90
        OR
        HEIGHT > 190)
ORDER BY LNAME, FNAME
複製代碼

這個SQL語句查找身材高大有必定要求的男性，此時匹配謂詞只有一個SEX，過濾因子正常狀況下爲50%，若是表有100萬行記錄，那麼索引片就有50萬行，這就是至關厚的索引片了。

練習

思考一下爲如下兩個SQL語句設計最佳的索引

SELECT LNAME, FNAME, CNO
FROM CUST
WHERE   SEX = 'M'
        AND
        HEIGHT > 190
ORDER BY LNAME, FNAME
複製代碼

SELECT LNAME, FNAME, CNO
FROM CUST
WHERE   SEX = 'M'
        AND
        (WHIGHT > 90
        OR
        HEIGHT > 190)
ORDER BY LNAME, FNAME
複製代碼