- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术一号位指南(小诚信驿站)
系统设计：索引
如果有人跟你谈索引，是不是你会第一时间想到数据库，那么索引解决了什么问题？比如查询SQL慢了，发生这种情况时，首先要做的事情之一是查看是否慢SQL走了数据库索引。 因此，当我们在表的列上创建索引时，我们将该列和指向索引中整行的指针存储在索引中。 索引是实现这一点的最佳方法。 索引为什么会降低写性能？ 索引可以极大地加快数据检索速度，但由于额外的键，索引本身可能很大，这会减慢数据插入和更新的速度。 题外笔者补充 谷歌系统设计指南指定了我们说的索引的好处和坏处，那么其实深层次去思考，索引是解决的读问题，数据存储是解决的写问题，而在我们设计系统，中间件的过程中，你会发现大量的设计都是读写分开的，比如写磁盘是顺序写 所以是否使用索引的目的在于我们进行权衡，索引是否对我们有帮助，如果只有一条数据记录那么没有索引也可以。如果数据非常庞大，构建了很多冗余索引那么无疑是给我们写入的性能增加了难度。
1.6K61发布于 2021-08-26 - 来自专栏圣杰的专栏
索引设计指南
Sql Server索引设计指南——脑图链接 参考资料： SQL Server 索引设计指南 Clustered and Nonclustered Indexes Described
40120发布于 2019-09-12 - 来自专栏爱可生开源社区
第21期：索引设计（函数索引）
本篇主要介绍 MySQL 的函数索引（也叫表达式索引）。 通常来讲，索引都是基于字段本身或者字段前缀（第 20 篇），而函数索引是基于字段本身加上函数、操作符、表达式等计算而来。 如果将表达式或者操作符也看做函数的话，简单来说，这样的索引就可以统称函数索引。 -----------------+ | id | r1 | +----+---------------------+ | 1 | {"x": "1", "y": 10 函数索引替代前缀索引？ 之前讲过前缀索引，可能会有这样的疑问。前缀索引能不能被函数索引替代？当然是不行的！ 下面例子用来模拟下是否可以用函数索引替代前缀索引。示例表 t3，一个前缀索引和两个函数索引实现的目的一样，但是实际查询的时候 SQL 语句并不一样。
1K10发布于 2021-02-26 - 来自专栏爱可生开源社区
第20期：索引设计（前缀索引）
这里主要介绍 MySQL 的前缀索引。从名字上来看，前缀索引就是指索引的前缀，当然这个索引的存储结构不能是 HASH，HASH 不支持前缀索引。 先看下面这两行示例数据： 你是中国人吗？ 那面对这样的数据，我们该如何建立索引呢？ 大致有以下 3 种方法： 拿整个串的数据来做索引 这种方法来的最简单直观，但是会造成索引空间极大的浪费。 把前面 6 个字符截取出来的子串做一个索引 能否不拆分字段，又能避免太多重复值的冗余？我们今天讨论一下前缀索引。 前缀索引 前缀索引就是基于原始索引字段，截取前面指定的字符个数或者字节数来做的索引。 字符类型基于前缀字符长度，f1(10) 指的前 10 个字符； 二进制类型基于字节大小，f1(10) 指的是前 10 个字节长度； TEXT/BLOB 类型只支持前缀索引，不支持整个字段建索引。 select count(*) from t1 where r1 like 'sa%'； # SQL 6 select count(*) from t1 where r1 like 's%'; 那可否设计一个合适的前缀索引来让以上
89920发布于 2021-02-01 - 来自专栏苏三说技术
索引夺命 10 连问
联合索引到底该怎么设计才合理？ 别急，今天我就通过10个问题，带你彻底搞懂索引的奥秘！ 希望对你会有所帮助。 一、什么是索引？为什么需要索引？ 1.1 索引的本质 简单来说，索引就是数据的目录。 ON users(name); SELECT * FROM users WHERE name = '苏三'; -- 通过索引快速定位 1.2 索引的工作原理 索引的底层结构（B+树）： 二、索引的10 v$object_usage WHERE index_name = 'IDX_NAME'; 10.不同数据库的索引有什么差异？ INDEX idx_name_lower ON users (LOWER(name)); 三、索引设计最佳实践 3.1 索引设计原则 按需创建：只为经常查询的字段创建索引 选择合适类型：根据场景选择B-Tree 权衡利弊：索引不是越多越好，要权衡查询性能和写成本。 好的索引设计是数据库性能的基石。 不要盲目添加索引，要基于实际查询需求和数据分布来科学设计。
27411编辑于 2025-09-02 - 来自专栏码上遇见你
MySQL索引设计原则
MySQL索引的设计原则： 索引设计原则一： 针对sql语句中的where,order by,group by条件设计索引。 并且注意where,order by,group by后面跟的字段的顺序，是不是某个联合索引的最左侧字段开始的部分字段 索引设计原则二： 需要考虑字段基数的问题,一般建立索引尽量使用那些基数较大的字段， 举个例子，有一个字段它一共在10万行数据里有10万个值对吧？结果呢？这个10万值，要不然就是0，要不然就是1，那么他的基数就是2，为什么？因为这个字段的值就俩选择，0和1。 索引设计原则三 尽量对那些字段类型较小的字段来设计索引。 对于前缀索引，仅仅包含部分字符到索引树中，where查询是可以使用的，但是order by和group by就用不上了 索引设计原则四 设计索引需要考虑到数据插入更新时索引树也会进而更新，以及主键一定要是自增的
40720编辑于 2023-06-28 - 来自专栏IT技术精选文摘
MySQL索引设计概要
在关系型数据库中设计索引其实并不是复杂的事情，很多开发者都觉得设计索引能够提升数据库的性能，相关的知识一定非常复杂。 本文会介绍 数据库索引设计与优化 中设计索引的一些方法，让各位读者能够快速的在现有的工程中设计出合适的索引。 ，只需要知道估算出的 10ms 就可以了。 索引的设计 作者相信文章前面的内容已经为索引的设计提供了充足的理论基础和知识，从总体来看如何减少随机读取的次数是设计索引时需要重视的最重要的问题，在这一节中，我们将介绍 数据库索引设计与优化 一书中归纳出的设计最佳索引的方法 总结 在单表上对索引进行设计其实还是非常容易的，只需要遵循固定的套路就能设计出一个理想的三星索引，在这里强烈推荐 《数据库索引设计与优化》 这本书籍，其中包含了大量与索引设计与优化的相关内容；在之后的文章中读者也会分析介绍书中提供的几种估算方法
1.9K60发布于 2018-01-30 - 来自专栏爱可生开源社区
第26期：索引设计（索引下推）
索引下推（INDEX CONDITION PUSHDOWN，简称 ICP）是 MySQL 5.6 发布后针对扫描二级索引的一项优化改进。 MySQL 索引扫描：根据指定索引过滤条件（比如 where id = 1) ，遍历索引找到索引键对应的主键值后回表过滤剩余过滤条件。 4. MySQL 索引过滤：通过索引扫描并且基于索引进行二次条件过滤后再回表。 ICP 就是把以上索引扫描和索引过滤合并在一起处理，过滤后的记录数据下推到存储引擎后的一种索引优化策略。 ，再在这个区间的记录上使用包含索引键的其他过滤条件进行过滤，之后规避掉不满足的索引记录，只根据满足条件的索引记录回表取回数据上传到 MySQL 服务层。 主键索引本身即是表数据，不存在下推操作。 4. ICP 不支持基于虚拟列上建立的索引，比如函数索引。 5. ICP 不支持引用子查询的条件。
77330发布于 2021-04-23 - 来自专栏爱可生开源社区
第31期：索引设计（索引数量探讨）
一般提到索引，大家都只关注索引的优点，一个优秀的索引的确会让查询请求的效率大幅提升、亦或是大幅提升带有索引键进行过滤的写入请求（update、delete)效率。 为了维护索引数据的准实时性而让优化器基于索引做出更优化的执行计划，数据库会自动更新索引数据分布，比如带来索引页的拆分与合并等。 那索引的存在对写入请求影响到底有多大？ 这里用来测试索引数量的表有 10 个，分别为 t1 到 t10 ，除了每张表索引数量不一样外，字段定义等都一样：t1 有 1 个索引，t2 有个 2 个，依次类推，t10 有 10 个索引，字段类型都是整形 张表，并且分别加上对应的索引： root@debian-ytt1:~# for i in `seq 1 10`;do mysql --login-path=root_ytt -e "use ytt;create DELETE 操作最这 10 张表的时间对比： 删除前，先看下每张表对应磁盘文件大小，也是按照索引数量多少依次由小到大排列，所以数量越少，占用磁盘空间越小。
40220发布于 2021-07-16 - 来自专栏爱可生开源社区
第17期：索引设计（主键设计）
InnoDB 表是索引组织表，主键既是数据也是索引。 主键的设计原则 1. 举个例子，假设武汉市每个区都有自己的医保数据，并且以前每个区都是自己独立设计的数据库，现在医保要升级为全市统一，以市为单位设计新的数据库模型。 那基于原始表 ID 与原始表名的映射关系建立一个多值索引。 可以新建一个自增主键或者 uuid_short() 函数字段，实际业务字段非主键设计，变为普通唯一索引。 但是如果有与业务不相关的主键，只需要更改业务字段（二级索引）就可以，不需要更改依赖这张表的子表。 关于 MySQL 主键的设计思路大致介绍到此，有问题欢迎留言，欢迎指正本篇任何不足之处。 ----
82210发布于 2020-12-14 - 来自专栏小雨的CSDN
10.MySQL索引（必考要点）
1.索引 1）索引概念 索引 ：好比书的目录，是为了加快查找的效率，如果数据库中没有索引，此时查找的时候就需要把整个表都遍历一遍，就有点像“顺序表查找”，针对数据库进行查找，数据库在磁盘上，磁盘访问速度很慢 2.索引也会占用一定的磁盘空间和内存空间（空间换时间） 3.给具体表中的每一列来加索引的时候，加在主键上的索引和加在其他列上的索引不同 4）索引应用场景 主要用在查找很频繁，但是插入、删除、修改都不频繁的场景 5）索引的使用 创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）（关联到哪个列就在哪个列建立索引）时，会自动创建对应列的索引。 a.查看索引： show index from 表名; b.创建索引： create index 索引名 on 表名(字段名); 例：create index idx_classes_name on classes(name); c.删除索引： （主键的索引不能删) drop index 索引名 on 表名; 例如：drop index idx_classes_name on classes
27020编辑于 2022-10-26 - 来自专栏往期博文
MySQL学习10：视图&事务&索引
开启事务 begin; 或者 start transaction; 提交事务 commit; 回滚事务 rollback; 索引 Index 索引目的 类似字典前的目录，索引用来加快查找的速度。 索引原理 基层原理不作深究，表面上索引就是加速查找用到的树结构。 查看索引 show index from 表名 创建索引 若指定字段是字符串，需要指定长度，最好长度保持一致。 create index 索引名称 on 表名(字段名称(长度))； 删除索引 drop index 索引名称 on 表名; 索引注意事项 1.主键，外键默认就是索引。 2.不需要频繁查找的字段无需建立索引。索引过多会影响数据更新的速度(更新数据的同时要更新索引)
75810编辑于 2022-06-14 - 来自专栏机器学习/数据可视化
Pandas的10大索引
认识Pandas的10大索引 索引在我们的日常中其实是很常见的，就像： 一本书有自己的目录和具体的章节，当我们想找某个知识点，翻到对应的章节即可； 也像图书馆中的书籍被分类成文史类、技术类、小说类等，再加上书籍的编号 因此，基于实际需求出发创建的索引对我们的业务工作具有很强的指导意义。在Pandas中创建合适的索引则能够方便我们的数据处理工作。 官网学习地址：https://pandas.pydata.org/docs/reference/api/pandas.Index.html 下面通过实际案例来介绍Pandas中常见的10种索引，以及如何创建它们 In [9]: pd.RangeIndex(0,8) # 指定start和stop Out[9]: RangeIndex(start=0, stop=8, step=1) 改变步长为2： In [10 ]: pd.RangeIndex(0,8,2) Out[10]: RangeIndex(start=0, stop=8, step=2) In [11]: list(pd.RangeIndex(0,8,2
1K30编辑于 2023-08-23 - 来自专栏全栈测试技术
MySql基础-笔记10-索引
1、说明索引可以大大提高MySQL的检索速度；索引分单列索引和组合索引。单列索引，即一个索引只包含单个列，一个表可以有多个单列索引，但这不是组合索引。 组合索引，即一个索引包含多个列；创建索引时，需要确保该索引是应用在SQL 查询语句的条件(一般作为 WHERE 子句的条件)；索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录；过多的使用索引将会造成滥用 ，虽然索引大大提高了查询速度，同时却会降低更新表的速度；建立索引会占用磁盘空间的索引文件。 DROP INDEX [indexName] ON mytable; 3、唯一索引它与前面的普通索引类似，不同的就是：索引列的值必须唯一，但允许有空值。 删除主键时只需指定PRIMARY KEY，但在删除索引时，你必须知道索引名。6、显示索引信息你可以使用 SHOW INDEX 命令来列出表中的相关的索引信息。可以通过添加 \G 来格式化输出信息。图片
31750编辑于 2023-01-31 - 来自专栏机器学习/数据可视化
Pandas中的10种索引
-MORE--> 官网学习地址：https://pandas.pydata.org/docs/reference/api/pandas.Index.html 下面通过实际案例来介绍Pandas中常见的10 种索引，以及如何创建它们。 step=1) In 9: pd.RangeIndex(0,8) # 指定start和stop Out9: RangeIndex(start=0, stop=8, step=1) 改变步长为2： In 10 : pd.RangeIndex(0,8,2) Out10: RangeIndex(start=0, stop=8, step=2) In 11: list(pd.RangeIndex(0,8,2)) 将结果用 01",periods=6, freq="3M") Out38: DatetimeIndex( ['2022-01-31', '2022-04-30', '2022-07-31','2022-10
4.8K00编辑于 2022-03-20 - 来自专栏爱可生开源社区
第29期：索引设计（监测全文索引）
接着讲 MySQL 全文索引，这篇主要探讨 MySQL 全文索引的监测。 MySQL 有很完整的元数据表来监测全文索引表的插入，更新，删除；甚至全文索引表以及辅助表的数据追踪。 第一部分， 全文索引监测相关参数： innodb_ft_aux_table ：动态设置被监测的全文索引表名。这个参数必须显式设置，才能对全文索引正常监测。 第二部分，全文索引数据监测元数据表： MySQL 目前提供以下字典表，用来监测全文索引信息 INNODB_FT_CONFIG ：存放全文索引元数据以及相关内部处理数据。 ----------------------+-------+ | optimize_checkpoint_limit | 180 | | synced_doc_id | 10 2 | 2 | 6 | | oracle | 2 | 6 | 2 | 6 | 10
67920发布于 2021-06-16 - 来自专栏爱可生开源社区
第28期：索引设计（使用全文索引）
上一篇介绍了全文索引的基本原理，这篇来讲讲如何更好的使用全文索引。 全文索引的检索和普通检索的语法不同，普通检索一般类似下面SQL： select * from tb1 where id in (1,2); select * from tb1 where id < 10 NATURAL LANGUAGE MODE WITH QUERY EXPANSION | IN BOOLEAN MODE | WITH QUERY EXPANSION } 本篇采用的示例表如下，表记录数10W SQL 10 涉及到的操作符为"+","-"," ",分别代表“and","not","or"。 ，后面会继续讲解如何提高全文索引结果的准确性以及全文索引的优化与中文插件的使用。
86630发布于 2021-06-16 - 来自专栏爱可生开源社区
第16期：索引设计（MySQL 的索引结构）
上一章（第15期：索引设计（索引组织方式 B+ 树））讲了数据库基本上都用 B+ 树来存储索引的原因：适合磁盘存储，能够充分利用多叉平衡树的特性，磁盘预读，并且很好的支持等值，范围，顺序扫描等。 MYISAM，memory 等引擎的表索引都是非聚集索引。简单点说，就是索引与行数据分开存储。一张表可以有多个二级索引。 INNODB 表这样设计的优点有两个： 1. 数据按照主键顺序存储。主键的顺序也就是记录行的物理顺序，相比指向数据行指针的存放方式，避免了再次排序。我们知道，排序消耗最大。 二级索引由于同时保存了主键值，体积会变大。特别是主键设计不合理的时候，比如用 UUID 做主键。下一篇我详细介绍如何设计合理的主键。 2. 对二级索引的检索需要检索两次索引树。 本篇主要介绍 MySQL 常见的两种引擎 MYISAM 和 INNODB 的索引组织方式以及各自的优缺点。有问题欢迎批评指正，下一篇我来介绍 MySQL 如何很好的对主键进行设计。
1.1K20发布于 2020-11-19 - 来自专栏格姗知识圈
MySQL索引原理及设计
引擎的 MySQL 索引的相关概念，以及如何针对 InnoDB 进行索引的设计和使用，以及三星索引的概念，会从我所了解到的知识去解释为什么需要这样，如果有错误的地方还请指出。 主索引和辅助索引 在 InnoDB 存储引擎中，每一个索引都对应一棵 B+ Tree，InnoDB 的索引主要分为主索引和辅助索引： 主索引：包含记录的文件按照某个 key 制定的顺序排序，这个 key 就是主索引，也就是主键，也被称为聚簇索引。 employees 表，表结构如下： Column Type Usage Index id bigint Primary Key primary_index employee_id varchar(10 所以如果想让这个查询命中索引，得单独为 age 添加索引或者添加 age 为前缀的联合索引。
91530发布于 2019-07-19 - 来自专栏飞鸟的专栏
Elasticsearch 性能优化-索引设计
在使用 Elasticsearch 进行搜索时，索引的设计非常关键，它可以对搜索性能和数据质量产生重要影响。 索引设计原则在进行索引设计时，我们需要考虑以下几个方面：索引的存储需求在设计索引时，我们需要考虑到所需的存储空间，尤其是在存储大规模数据集时。 索引的查询需求在设计索引时，我们还需要考虑到所需的查询需求，包括搜索查询、聚合查询、排序查询等。 索引设计实践下面我们将通过一个实际的例子来介绍 Elasticsearch 索引设计的实践。假设我们有一个数据集包含用户信息，包括用户 ID、用户名、性别、年龄、所在城市、注册时间等字段。 索引的字段设计在进行索引设计时，我们需要先考虑索引的字段设计。根据上述查询需求，我们可以设计以下字段：id: 用户 ID，使用 keyword 类型存储。
842101编辑于 2023-05-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号