何时在SQL表字段(MySQL)上添加索引？

Question

我被告知如果你知道你经常使用一个字段进行连接,那么在它上面创建一个索引可能会很好.

我通常理解索引表的概念(很像纸质书中的索引允许您查找特定术语而无需逐页搜索).但我不太清楚何时使用它们.

假设我有3个表:USERS,COMMENTS和VOTES表.我想创建一个类似Stackoverflow的评论线程,其中查询返回注释以及这些注释上/下投票的数量.

USERS table
user_id user_name   
 1         tim
 2         sue
 3         bill 
 4         karen
 5         ed

COMMENTS table
comment_id topic_id    comment   commenter_id
 1            1       good job!         1
 2            2       nice work         2
 3            1       bad job :)        3

VOTES table
 vote_id    vote  comment_id  voter_id
  1          -1       1          5
  2           1       1          4
  3           1       3          1
  4          -1       2          5
  5           1       2          4

这是在topic_id = 1上返回投票的查询和SQLFiddle:

select u.user_id, u.user_name,
   c.comment_id, c.topic_id, c.comment,
   count(v.vote) as totals, sum(v.vote > 0) as yes, sum(v.vote < 0) as no,
   my_votes.vote as did_i_vote
from comments c
join users u on u.user_id = c.commenter_id
left join votes v on v.comment_id = c.comment_id
left join votes my_votes on my_votes.comment_id = c.comment_id
and my_votes.voter_id = 1
where c.topic_id = 1
group by c.comment_id, u.user_name, c.comment_id, c.topic_id, did_i_vote;

让我们假设评论和投票的数量达到数百万.为了加快查询速度,我的问题是我应该放一个索引comments.commenter_id,votes.voter_id并且votes.comment_id？

Answer 1

在SQL表中使用索引的位置并不总是很明确.但是有一些一般的经验法则可以帮助您在大多数情况下做出决定.

1. 将索引放在where子句中使用的列上
2. 将索引放在您用于加入的列上.
3. 尽量不要在同一个表中的列上使用超过4-5个索引.

您应该记住的一般概念是:

1. 您使用的任何索引都会更快地搜索这些列.
2. 您添加的任何索引导致插入此表的速度要慢一些.
3. 从前两个.您有责任决定在表上执行多少次插入和查询,以决定是否使用索引以及是否使用哪些列.

编辑

@AndrewLazarus评论非常重要,我决定将其添加到答案中:

1. 不要在只有很少不同值的列上使用索引.例如,当只有很少的状态时,保持状态的列或布尔值.不这样做的原因是索引并没有真正帮助你,因为它只会被值的数量除以,因为你只有少数几个,所以没有任何实际的好处.索引会占用更多空间,插入时预制会变慢,但查询时不会获得明显更好的性能

Answer 2

这是一些使用了http://www.sqlfiddle.com/#!2/94daa/1的密钥的更新

引擎必须将使用索引的成本与不使用索引的成本进行比较。您会注意到，我必须在其中添加更多行才能使用所使用的索引。

对于索引，引擎必须使用索引来获取匹配值，这是很快的。然后，它必须使用匹配项来查找表中的实际行。如果索引没有缩小行数，那么查找表中的所有行会更快。

我不确定mysql是否具有类似于SQL Server群集索引的内容。在这种情况下，索引和表数据具有相同的结构，因此您无需执行索引查找的第二步。

我以两种不同的方式介绍了索引，首先通过定义主键在用户表上。这将在user_id列上隐式创建一个唯一索引。唯一索引表示无法两次插入同一组值。对于单列索引，这仅意味着您不能两次拥有相同的值。

如果您想象该表的用户手册，每页一个用户，那么创建的索引将为您提供user_id的排序列表，每个列表都有该用户的页码。该列表通常以某种树形形式存储，以使快速查找特定数字成为可能。想一想在电话簿中查找姓名的方式，您不只是扫描所有页面，直到找到它，您猜测它会在哪里，然后跳过或前进几页页面，直到接近为止。 。通常，您可以在O（log ₂ n）时间中在索引中查找值，其中n是行数，并且您需要读取相似数量的索引页。

现在，如果为数据库引擎提供了查询select * from users Where user_id = 3，它有两个选择。它可以读取每个数据页，并寻找正确的值（它可能会使用一个主键在第一个键处停止的事实）。另一种方法是读取索引以获取正确的数据页，然后查找数据页。

为了具体和简单起见，假定该表具有1024个条目。假设每个条目占用一个数据页。假设索引树中的每个条目占用一个索引页。假定索引是平衡的，所以它有10个级别，总共2047页。（所有这些假设都是可疑的，但是很重要，特别是索引页几乎总是小于数据页，因为您不倾向于一次索引所有列）。

要执行表扫描方法，将需要读取1024个数据页。要使用索引，将需要读取10个索引页和一个数据页。几乎所有数据库性能都与最大程度地减少读取的页面数量有关。

多列索引允许快速查找数据集。如果您的索引带有（col1，col2），则即使只是对col1的匹配也会得到改善。

该create index语句仅说明索引了哪些列，以及是否允许重复值。

再次使用这本书的类比，Create Index ix_comment_id on votes (comment_id, voter_id)将创建一个comment_id然后带投票者ID的有序列表，并引用相应的数据行。

+------------+--------------+---------+
| comment_id | reference_id | row_ref |
+------------+--------------+---------+
|          1 |            4 |    ref1 |
|          1 |            5 |    ref2 |
|          2 |            4 |    ref3 |
|          2 |            5 |    ref4 |
|          3 |            1 |    ref5 |
+------------+--------------+---------+