聚集索引

前言 当提到MySQL数据库的时候，我们的脑海里会想起几个关键字：索引、事务、数据库锁等等，索引是MySQL的灵魂，是平时进行查询时的利器，也是面试中的重中之重。 可能你了解索引的底层是b+树，会加快查询，也会在表中建立索引，但这是远远不够的，这里列举几个索引常见的面试题： 1、索引为什么要用b+树这种数据结构？ 2、聚集索引和非聚集索引的区别？ 3、索引什么时候会失效，最左匹配原则是什么？ 当遇到这些问题的时候，可能会发现自己对索引还是一知半解，今天我们一起学习MySQL的索引。 一、一条查询语句是如何执行的 首先来看在MySQL数据库中，一条查询语句是如何执行的，索引出现在哪个环节，起到了什么作用。 1.1 应用程序发现SQL到服务端 当执行SQL语句时，应用程序会连接到相应的数据库服务器，然后服务器对SQL进行处理。 1.2 查询缓存 接着数据库服务器会先去查询是否有该SQL语句的缓存，key是查询的语句，value是查询的结果。如果你的查询能够直接命中，就会直接从缓存中拿出value来返回客户端。 注：查询不会被解析、不会生成执行计划、不会被执行。 1.3 查询优化处理，生成执行计划 如果没有命中缓存，则开始第三步。 解析SQL：生成解析树，验证关键字如select,where,left join 等）是否正确。 预处理：进一步检查解析树是否合法，如检查数据表和列是否存在

主要分为 唯一索引 聚集索引 非聚集索引 当表中有被设置为唯一的列时，SQLSERVER会自动创建一个非聚集的唯一性索引 创建唯一索引 create unique index index_name on tablename(columnname) 创建 聚集索引 create clustered index index_name on tablename(columnname) 没有clustered的话，则默认创建 非聚集索引 nonclustered（可加可不加） create nonclustered index index_name on tablename(columnname) 访问区间，范围值的列时，聚集索引比较有效（between > >= ） 1.包含大量非重复列 2.被访问的列时连续的 3.经常被使用 连接 或者 group by 查询访问的列 非聚集索引 是完全匹配查询的最佳选择 来源： CSDN 作者： zq爱生活爱代码 链接： https://blog.csdn.net/m0_37879526/article/details/104805716

无论何时对基础数据执行插入、更新或删除操作，SQL Server 数据库引擎都会自动维护索引。随着时间的推移，这些修改可能会导致索引中的信息分散在数据库中（含有碎片）。当索引包含的页中的逻辑排序（基于键值）与数据文件中的物理排序不匹配时，就存在碎片。碎片非常多的索引可能会降低查询性能，导致应用程序响应缓慢。有关详细信息，请参阅此 Microsoft 网站 。 您可以通过重新组织索引或重新生成索引来修复索引碎片。对于基于分区方案生成的已分区索引，可以在完整索引或索引的单个分区上使用下列方法之一。 检测碎片 决定使用哪种碎片整理方法的第一步是分析索引以确定碎片程度。通过使用系统函数 sys.dm_db_index_physical_stats，您可以检测特定索引、表或索引视图的所有索引、数据库中所有索引或所有数据库中所有索引中的碎片。对于已分区索引， sys.dm_db_index_physical_stats 还提供每个分区的碎片信息。 由 sys.dm_db_index_physical_stats 函数返回的结果集包含以下列。 列 说明 avg_fragmentation_in_percent 逻辑碎片（索引中的无序页）的百分比。 fragment_count 索引中的碎片（物理上连续的叶页）数量。 avg_fragment_size_in_pages 索引中一个碎片的平均页数。

【译注：此文为翻译，由于本人水平所限，疏漏在所难免，欢迎探讨指正】 原文链接： 传送门 。 在本章我们给出一些建议：贯穿本系列我们提取出了十四条基本指南，这些基本的指南将会帮助你为你的数据库创建最佳的索引架构。 这些指南的格式借鉴了 “框架设计指导”，Krzysztof Cwalina 和Brad Abramszai为.NET 程序开发的标准化方面做了优秀的工作，且他们的文章已由Addison Wesley.出版发行。每一条建议都由如下词语定义：“DO”, 'CONSIDER', "AVOID", "DO NOT", 它们表示了如下的意义： DO: 这条建议应该总是被遵守。 CONSIDER: 一般说来这条建议需要被遵守，但是如果你完全理解了指南背后的原因，并深入了解你不遵守这条指南的理由，那么便可以适时的从这条指南上转移你的注意力。 AVOID: 与 CONSIDER相对的，一般来说这条指南建议了一些不应该被做的事情，但是，如果你完全理解了为什么它不应该被做，并且你也理解无论如何也要做它的原因， 那么， 就做它。 DO NOT 是 AVOID 的强化版本，它预示着绝对不要做的一些事。DO NOT 指南也应该总是被遵守。 指南 了解你的程序/用户 一个索引最主要目的便是提高你的应用程序的数据收集和收据管理操作的性能，除非你知道这些操作是什么，否则你不可能会改进它们。

log-structed 日志结构 哈希索引 SSTable 与 LSM树 日志文件的压缩 分段 合并 page-oriented 面向页面 B树 数据库 聚集索引 非聚集索引 多列索引 数据分析 列存储 1 最简单的数据库 #!/bin/bash db_set () { echo "$1,$2" >> database } db_get () { grep "^$1," database | sed -e "s/^$1,//" | tail -n 1 } 最简单的数据库，日志结构，写很快，读很慢。可以看出，对于日志结构的数据库，要在读操作上做优化。 为了加快读，可以添加索引。但是索引会拖慢写操作，因此只给需要频繁读的字段添加索引。 2 哈希索引 最容易想到的一种索引策略就是哈希索引。 数据以追加写的方式存储在文件中，内存里保留一个哈希表，key 为索引字段的值，value 为偏移量，如下图所示。该方法适用于键值更新频繁的场景，并且键的总量放在内存中可以hold得住。 Bitcask 就是基于哈希索引的，详见 Bitcask 存储模型 压缩、分段、合并 以上讨论的数据库都是追加日志的，这就需要考虑在日志文件过大时，对文件进行压缩、分段、合并等操作。 数据库的历史指令可能重复对一个键进行操作，显然只需要保留每个键的最新更新就行，这就需要对数据库文件进行分段压缩。在压缩时

-------sql数据库优化------ -------索引----- 1.索引的目的：提高查询效率 2.索引分两种 2.1聚集索引（物理），一个表中只能有一个聚集索引 2.2非聚集索引（逻辑），一个表中可以有多个非聚集索引 3.增加索引后，会增加额外的储存空间，同时降低了增加新记录，修改，删除效率 4.只在经常查询的列上建索引，不要建太多索引 ----------语法----------- –增加聚集索引 create clustered index 索引名 on 表名(列名) –删除索引 drop index 表名.索引名 –增加非聚集索引 create nonclustered index 索引名 on 表名(列名) 来源： CSDN 作者： BowenXu11 链接： https://blog.csdn.net/BowenXu11/article/details/104720056

- 什么是索引； - 什么是聚簇索引和非聚簇索引; - 为什么要建索引; - 动手试试，看看代码怎么敲的； - 性能比较与分析； 什么是索引. 我们来看看比较大众的定义,OK,那就直接百度百科吧:"索引是对数据库表中一列或多列的值进行排序的一种结构，使用索引可快速访问数据库表中的特定信息。" 看中心语-关键词[一种结构],说到底索引就是对数据列的值进行结构化排序的一个东西. 通俗点讲吧. 还记得大学军训的时候吗,大伙第一天穿上迷彩服到运动场或者野外军训场地进行军训的时候,一般都是乱扎堆的吧,乱成一团,结果军训的教官来了,教官一看大伙,有男有女,有高有矮 几分钟很快就把大伙排成了m行n列的方针，尽然有序，高低有序；而且没多久教官还能很快滴说出大家的名字，‘x行y列（或者xx号学员），王大锤，出列!’ 一声令下，王大锤就从队列中走出来了，... 这段场景中，教官就是军训场地上最好的【索引】； 什么是聚簇索引和非聚簇索引 有了索引的概念认知，聚簇索引和非聚簇索引就好理解了,说一个最简单的例子吧； 【聚簇索引】 平时习惯逛图书馆的童鞋可能比较清楚，如果你要去图书馆借一本书，最开始是去电脑里面查书名然后根据书名来定位藏书在那个区，哪个书柜，哪一行，第多少本。。。清晰明确，一目了然，因为藏书的结构与图书室的位置，书架的顺序，书本的摆放顺序与书籍的编号都是从大到小一致的顺序摆放的，所以很容易找到

文章目录 索引 索引原理 索引技巧与注意事项 建立索引的原则 利用索引排序 InnoDB索引模型 联合索引 聚集索引 辅助索引 覆盖索引 索引合并 Cardinality（基数） 查看索引 Cardinality 优化器选择不使用索引的情况 MRR 验证MRR ICP 验证ICP 索引 只有当索引帮助存储引擎快速查找到记录的带来的好处大于其带来的额外工作时，索引才是有效的。对于非常小的表，大部分情况下简单的全表扫描更高效 在一个100w条数据的表中，如果某一列没有添加索引，那么每一句select语句都要随机地逐条扫描100w行数据，每次都要从中寻找0或者更多匹配的行。虽然这些数据最初是按照顺序加载的，但sql也不能理解这种顺序，它必须要处理所有行才能找到匹配的数据。添加索引并不总能自动改善所有类型的SQL查询的性能。有时候执行全表扫描反而更加高效，这取决于所要求的行数。这就是两种不同访问方式的差异，即通过随机IO操作来获取个别行的数据和使用查询索引及有序IO操作来读取所有数据。 索引除了在给定表上限制需要读取的数据外，索引的另一个主要用途就是快捷高效地在相关的表之间做Join操作。在需要Join的列上使用索引可以显著提升性能，并可以在另一个表中快速找到一个匹配的值。 优点 索引大大减少了服务器需要扫描的数据量 索引可以帮助服务器避免排序和临时表 索引可以将随机IO变为顺序IO

MySQL5.5后，默认存储引擎是InnoDB，5.5之前默认是MyISAM。 InnoDB（事务性数据库引擎）和MyISAM的区别补充： InnoDB是聚集索引，数据结构是B+树，叶子节点存K-V，V存的是 数据页 。MyISAM是非聚集索引，V上存的是主键值，查到后还需要再聚集索引上再查一次。 InnoDB是具有事务(commit)、回滚(rollback)和崩溃修复能力(crash recovery capabilities)的事务安全(transaction-safe (ACID compliant))型表。适合存在大量insert、update场景。 MyISAM强调的是性能，不支持事务，最大缺陷就是崩溃后无法安全恢复，更适合读密集的小型应用。 只有InnoDB支持MVCC（多版本控制）。应对高并发事务, MVCC比单纯的加锁更高效，所以InnoDB更适合高并发场景。 常用命令 //查所有引擎 mysql> show engines; //查当前引擎 mysql> show variables like '%storage_engine%'; 来源： https://www.cnblogs.com/ChengzhiYang/p/12402630.html

在 sosobt.com 网站准备采用Lucence.net来进行索引处理搜索慢问题的时候，突然发现常用的分页获取数据的row_number也支持不住了，后期查到200多万的时候非常慢(总数据有500万)，经过网上查询分析一些资料后，基本上搞明白是什么原因导致的，顺便纪录一下解决方案。 －－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－ 网上找的几种sqlserver2005高效分页sql查询语句 top方案： sql codeselect top 10 * from table1 where id not in(select top 开始的位置 id from table1) max: sql codeselect top 10 * from table1 where id>(select max(id) from (select top 开始位置 id from table1order by id)tt) row: sql codeselect * from ( select row_number()over(order by tempcolumn)temprownumber,* from (select top 开始位置+10 tempcolumn=0,* from table1)t )tt where temprownumber>开始位置 3种分页方式