答案：索引压缩与表数据压缩是数据库中两种不同的优化技术，核心区别在于作用对象和目标不同。 **解释问题**： - **索引压缩**针对索引结构（如B树、哈希索引等），通过消除冗余键值或前缀压缩减少存储空间，同时保持快速检索能力。它主要优化查询时的I/O效率，尤其对高基数索引（如主键）效果显著。 - **表数据压缩**作用于表中的实际行数据，通过算法（如字典编码、位图压缩）减少原始数据的体积，降低存储成本，但可能增加CPU解压开销。 **举例**： 1. **索引压缩**：若一个用户表的`user_id`索引存在大量连续数字（如10001,10002,...），索引压缩会存储起始值和偏移量（如10001+1,10001+2），而非完整值。腾讯云数据库TDSQL的InnoDB引擎支持自适应哈希索引压缩，适合高频查询场景。 2. **表数据压缩**：同一用户表中，若多行`status`字段均为"active"，表压缩会将重复字符串替换为短代码（如"1"），节省空间。腾讯云TDSQL提供透明数据压缩功能，支持行存/列存多种压缩策略。 **腾讯云相关产品**：腾讯云TDSQL（MySQL版/PostgreSQL版）同时支持索引和表数据压缩，通过存储池优化和智能压缩算法平衡性能与成本，适合OLTP和OLAP混合负载。... 展开详请

为索引选择合适的数据压缩方法需综合考虑数据特性、查询性能需求及存储成本。以下是关键步骤和示例： 1. **分析数据类型** - **数值型数据**（如整数、时间戳）：适合位打包（Bit-packing）或Delta编码（存储相邻值差值）。例如，按时间排序的日志索引可用Delta+RLE（游程编码）压缩。 - **字符串数据**（如关键词）：前缀压缩（如字典树共享公共前缀）或字典编码（将高频词映射为短码）更高效。例如，文档倒排索引中的词项可用前缀压缩减少冗余。 2. **评估查询模式** - **点查询多**：优先选择解压快的算法（如位图索引压缩），避免复杂解压影响速度。腾讯云的 **TDSQL-C** 支持列存压缩优化点查。 - **范围查询多**：保留数据局部性（如ZSTD压缩算法平衡压缩率与速度），确保扫描时能高效解压连续块。 3. **权衡压缩率与性能** - 高压缩率算法（如LZ4、ZSTD）节省存储但增加CPU开销，适合冷数据；轻量级算法（如RLE）适合频繁访问的热数据。腾讯云 **COS对象存储** 可搭配ZSTD压缩存档索引数据。 4. **测试验证** - 用真实数据样本测试不同方法，对比压缩比、写入/查询延迟。例如，对电商SKU的数值型库存索引，测试Delta+位打包后查询响应时间是否达标。 **腾讯云相关产品**：若部署在云上，可使用 **TDSQL-C PostgreSQL版** 的列存压缩功能自动优化索引，或通过 **COS** 存储压缩后的历史索引文件，结合 **CDN** 加速解压后的数据访问。... 展开详请

答案：数据库加索引的方法包括单列索引、复合索引、唯一索引、全文索引、空间索引等。 解释： 1. **单列索引**：在单个字段上创建的索引，常用于加速基于该字段的查询。例如，在用户表的`email`字段上创建索引，可以加快通过邮箱查找用户的速度。 2. **复合索引**：在多个字段组合上创建的索引，适用于多条件查询。例如，在订单表的`user_id`和`order_date`字段上创建复合索引，可以优化按用户和时间范围查询订单的性能。 3. **唯一索引**：确保索引字段的值唯一，同时提升查询效率。例如，在用户表的`username`字段上创建唯一索引，既能防止重复用户名，又能加速登录验证。 4. **全文索引**：针对文本字段的全文搜索优化，适合大段文字内容。例如，在文章表的`content`字段上创建全文索引，可以快速检索包含特定关键词的文档。 5. **空间索引**：用于地理空间数据的高效查询，如地图应用中的位置搜索。 举例： - 若电商平台的商品表经常按`category`和`price`筛选，可创建复合索引`(category, price)`。 - 用户注册时需保证手机号唯一，可在`phone`字段上添加唯一索引。 腾讯云相关产品推荐： - **TencentDB for MySQL/MariaDB/PostgreSQL**：支持上述所有索引类型，提供可视化控制台和自动优化建议。 - **TDSQL-C（原CynosDB）**：兼容MySQL和PostgreSQL，索引管理高效，适合高并发场景。 - **云数据库Redis**：若需缓存加速，可通过有序集合（ZSET）等结构模拟索引功能。... 展开详请

智能数据库的文档解析与索引功能强大，能自动提取非结构化数据中的关键信息并建立高效索引，支持快速检索与分析。 **解析能力**：通过自然语言处理（NLP）和机器学习技术，识别文档中的文本、表格、图片等内容，提取结构化字段（如姓名、日期、金额）。例如，上传一份PDF合同，系统可自动解析出签约方、生效日期、条款要点等字段。 **索引功能**：基于解析结果构建智能索引，支持模糊搜索、语义匹配和多条件筛选。比如，在海量合同库中输入“2023年签署且金额超过100万的协议”，系统能秒级返回结果。 **腾讯云相关产品**：可使用腾讯云向量数据库（Tencent Cloud VectorDB）存储和检索高维向量数据，结合腾讯云TI平台进行文档解析模型训练，或通过腾讯云ES（Elasticsearch Service）实现高性能全文检索。... 展开详请

智能数据库的索引管理的智能之处在于能够自动分析查询模式、数据分布和访问频率，动态优化索引结构，减少人工干预，提升查询性能并降低存储开销。 **解释：** 传统索引需要DBA手动创建和维护，而智能索引管理通过机器学习或规则引擎，自动识别高频查询条件，推荐或生成合适的索引（如复合索引、覆盖索引），甚至根据负载变化自动调整或删除冗余索引。 **举例：** 1. **自动索引推荐**：系统检测到某张表的`user_id`字段频繁出现在`WHERE`条件中，但未建立索引，会主动建议创建索引以加速查询。 2. **动态调整**：在电商大促期间，订单表的`create_time`查询量激增，智能管理会临时增加该字段的索引，并在高峰期后自动评估是否保留。 3. **冗余清理**：若发现某个索引长期未被使用且占用存储空间，系统会提示或直接删除以节省资源。 **腾讯云相关产品：** 腾讯云数据库TDSQL（MySQL版/PostgreSQL版）提供**智能运维（DBbrain）**，内置索引优化建议功能，通过分析慢查询日志和执行计划，自动推送索引优化方案，帮助用户提升性能。... 展开详请

**答案：** 全局索引和局部索引是数据库中两种不同的索引策略，主要区别在于索引的覆盖范围、维护成本及适用场景。 **1. 覆盖范围不同** - **全局索引**：覆盖整个表的数据，无论数据如何分区（如按时间、地域分区），索引项包含所有分区的键值。例如，一张按地区分区的订单表，全局索引可以快速查询任意地区的特定订单ID。 - **局部索引**：仅针对单个分区有效，每个分区维护独立的索引。例如，上述订单表的每个地区分区单独建立索引，查询某地区订单时仅扫描该分区的索引。 **2. 维护复杂度** - **全局索引**：数据跨分区变更（如插入、删除）时需同步更新索引，维护成本高，可能影响写入性能。 - **局部索引**：仅影响当前分区，维护更轻量，适合高频分区级操作。 **3. 适用场景** - **全局索引**：适合需要跨分区快速检索的场景（如按订单ID查全表数据），但需权衡写入开销。 - **局部索引**：适合分区查询为主（如统计某地区销量），或分区数据独立性强的场景。 **举例**： - 若电商平台的订单表按月份分区，用户通过**订单ID（全局唯一）**查询历史订单时，全局索引能直接定位数据；而运营人员分析**某月北京订单**时，局部索引只需扫描当月北京分区的索引。 **腾讯云相关产品推荐**： 腾讯云数据库TDSQL支持全局索引和局部索引配置，适用于分布式场景；TBase（分布式HTAP数据库）可优化跨分区查询效率，结合业务需求选择索引策略。... 展开详请

倒排索引的原理是将文档中的每个词项作为索引键，记录包含该词项的所有文档编号及位置信息，实现从词到文档的快速映射，而非传统正向索引的从文档到词的映射。其核心是通过空间换时间，牺牲额外存储来加速检索。 例如，假设有三篇文档： - 文档1："云计算是趋势" - 文档2："数据库管理很重要" - 文档3："云计算和数据库都重要" 正向索引会按文档列出所有词（如文档1包含"云计算""是""趋势"），而倒排索引则会记录每个词对应的文档编号，如： - "云计算" → [文档1, 文档3] - "数据库" → [文档2, 文档3] 当搜索"云计算"时，直接通过倒排索引就能定位到文档1和文档3，无需遍历所有文档内容。 腾讯云的文本搜索服务「云搜」基于倒排索引技术，支持海量数据的高效检索，适用于日志分析、内容搜索等场景，可显著提升查询性能。... 展开详请

在数据库检索时，对JSON字段建立索引可以通过以下方式实现： 1. **原生JSON类型索引** 现代数据库如MySQL 8.0+、PostgreSQL等支持JSON数据类型，并允许对JSON内的特定路径创建索引。例如在MySQL中，使用`GENERATED COLUMN`提取JSON字段中的值，再对该列建普通索引： ```sql ALTER TABLE orders ADD COLUMN order_amount DECIMAL(10,2) GENERATED ALWAYS AS (JSON_EXTRACT(json_data, '$.amount')) STORED; CREATE INDEX idx_order_amount ON orders(order_amount); ``` 检索时通过生成的列查询：`SELECT * FROM orders WHERE order_amount > 100;` 2. **函数索引（Function-based Index）** PostgreSQL支持直接对JSON路径表达式创建函数索引。例如： ```sql CREATE INDEX idx_json_user ON orders ((json_data->>'user_id')); ``` 查询时使用相同路径：`SELECT * FROM orders WHERE json_data->>'user_id' = '123';` 3. **多值索引（Multi-Valued Index）** 部分数据库（如MongoDB）支持对嵌套数组内的字段建立多键索引。例如在MongoDB中： ```javascript db.orders.createIndex({"items.product_id": 1}); ``` 查询嵌套数组：`db.orders.find({"items.product_id": "P1001"});` 4. **全文索引** 若JSON包含文本数据，可对特定字段创建全文索引。例如PostgreSQL中对JSON的文本值： ```sql CREATE INDEX idx_json_desc ON orders USING gin ((json_data->>'description') gin_trgm_ops); ``` **腾讯云相关产品推荐** - **TencentDB for MySQL**：支持JSON数据类型及生成列索引，适合结构化与半结构化混合场景。 - **TencentDB for PostgreSQL**：提供原生JSONB类型和GIN索引，高效处理复杂JSON查询。 - **Tencent CosmosDB for MongoDB**：兼容MongoDB协议，支持嵌套字段的多键索引，适合文档型JSON数据存储。 **示例场景** 电商订单表中JSON字段`{"user": {"id": "U100", "vip": true}, "items": [{"sku": "A1", "qty": 2}]}`，若需快速查询VIP用户订单，可在MySQL中创建生成列索引： ```sql ALTER TABLE orders ADD COLUMN is_vip BOOLEAN GENERATED ALWAYS AS (JSON_EXTRACT(json_data, '$.user.vip')) STORED; CREATE INDEX idx_vip ON orders(is_vip); ```... 展开详请

R树索引是一种用于空间数据检索的多维索引结构，核心原理是通过最小边界矩形（MBR）递归组织数据，将空间对象按层次划分到树形结构中，实现高效的范围查询和邻近搜索。 **原理解析：** 1. **MBR包围盒**：每个节点（包括叶节点和非叶节点）存储多个子节点或数据对象的MBR（能完全包含对象的最小矩形）。 2. **分层结构**：根节点包含所有数据的顶层MBR，子节点逐层细化，叶节点直接指向实际数据（如地图上的点、多边形）。 3. **查询优化**：通过判断查询范围与MBR的交集快速过滤无关分支，减少磁盘I/O。例如，查找某区域内的所有商店时，只需遍历与目标区域相交的MBR节点。 **示例**： 在地图应用中搜索“半径5公里内的咖啡店”，R树会先匹配包含该区域的顶层MBR，再逐层缩小范围到具体街道的MBR，最后定位到叶节点中的咖啡店坐标，避免全表扫描。 **腾讯云相关产品**：若需存储和检索空间数据，可使用腾讯云的**云数据库TDSQL（支持PostGIS扩展）**或**向量数据库Tencent Cloud VectorDB**（结合空间索引场景），两者均优化了地理信息类查询效率。... 展开详请

在数据库检索中，函数索引是通过预先计算并存储函数或表达式结果来加速查询的索引类型。它允许对列进行函数运算后仍能高效检索。 **创建方法**： 以PostgreSQL为例，若常按`UPPER(name)`查询，可创建函数索引： ```sql CREATE INDEX idx_upper_name ON users (UPPER(name)); ``` MySQL 8.0+支持类似语法： ```sql CREATE INDEX idx_date_format ON orders (DATE_FORMAT(order_date, '%Y-%m')); ``` **使用场景**： 当查询条件包含函数时（如`WHERE UPPER(name) = 'JOHN'`），数据库会直接使用函数索引而非全表扫描。Oracle还支持基于表达式的索引，例如： ```sql CREATE INDEX idx_salary_calc ON employees (salary * 1.1); ``` **腾讯云相关产品**： - **TencentDB for PostgreSQL/MySQL**：原生支持函数索引，自动维护索引与数据同步。 - **TDSQL-C（云原生数据库）**：兼容MySQL协议，函数索引性能优化显著，适合高并发检索场景。 **注意事项**： 函数索引需与查询中的函数完全匹配（如大小写敏感），且会增加写入开销。建议对高频函数查询的列建立索引。... 展开详请

空间索引通过将地理数据在多维空间中进行结构化划分，加速对位置信息的快速查询与分析。它利用几何特性（如点、线、面）构建索引结构，使得系统不必逐条扫描全量数据，就能高效定位符合空间条件的记录。 其原理是将地理坐标映射到索引结构（如R树、四叉树、网格索引等），通过这些结构快速筛选出与查询区域相交或邻近的数据，减少I/O和计算开销。例如，在地图应用中查找某个半径范围内的所有咖啡店，空间索引可以迅速锁定该圆圈覆盖的数据条目，而不必检查每一条门店记录。 以腾讯云为例，可以使用腾讯云数据库 TDSQL（支持PostgreSQL及MySQL）配合PostGIS扩展，或者使用腾讯云数据仓库 TCHouse-D，它们都支持空间索引功能，能够高效处理地理数据的存储与检索，适用于LBS、物流、城市规划等场景。... 展开详请

函数索引是一种特殊类型的数据库索引，它基于对表中列值应用函数或表达式后的结果创建，而非直接对列值本身建立索引。这种索引能加速包含函数运算的查询条件，避免全表扫描。 **原理**：当查询条件包含函数（如`UPPER(name)`、`DATE(create_time)`）时，数据库若存在匹配的函数索引，可直接通过索引定位数据，无需实时计算每行数据的函数结果。 **示例**： 假设用户表`users`有字段`name`（存储"John"、"alice"等混合大小写数据），频繁执行`SELECT * FROM users WHERE UPPER(name) = 'JOHN'`查询。普通索引对`name`列无效，但创建函数索引`CREATE INDEX idx_upper_name ON users(UPPER(name))`后，查询会直接利用该索引快速过滤。 **腾讯云相关产品**：在腾讯云数据库MySQL或PostgreSQL中，可通过控制台或SQL命令直接创建函数索引。例如在TencentDB for MySQL里，执行上述`CREATE INDEX`语句即可生效，系统会自动维护索引与数据同步，适合高并发场景下优化复杂查询性能。... 展开详请

位图索引的原理是通过为每个唯一值创建一个二进制位数组（位图），数组中的每一位对应表中的一行数据，若该行包含该值则对应位设为1，否则为0。这种结构特别适合低基数（唯一值少）的列，能高效支持多条件组合查询。 **解释**：传统B树索引适合高基数列，而位图索引通过压缩存储和位运算加速查询。例如查询"性别=男且年龄=25"时，系统只需将两个位图进行逻辑与(AND)操作，快速定位同时满足条件的行号。 **举例**：某用户表有100万行数据，"性别"列只有"男/女"两个值。位图索引会生成两个位图：男性位图（1表示该行是男性）、女性位图。当执行"WHERE 性别='男' AND 城市='北京'"时，系统合并这两个条件的位图即可瞬间得到结果集。 腾讯云相关产品推荐：可使用腾讯云数据仓库TCHouse-D或云原生数据库TDSQL，它们针对分析型场景优化了位图索引功能，特别适合海量数据的复杂查询分析。对于实时分析需求，腾讯云Elasticsearch Service也支持位图索引特性加速聚合计算。... 展开详请

**答案：** 位图索引适用于低基数（即不同值较少）、高重复度的列检索场景，尤其在数据仓库和OLAP（在线分析处理）系统中表现优异。 **解释：** 位图索引通过为每个唯一值创建一个二进制位数组（0或1表示是否存在该值），能高效支持多条件组合查询（如AND/OR操作）。相比B树索引，它占用空间更小，但更新性能较差，因此不适合频繁写入的OLTP场景。 **适用场景举例：** 1. **性别筛选**：用户表中“性别”列只有“男/女”两个值，用位图索引可快速统计男女比例或交叉筛选。 2. **状态标记**：订单表中的“状态”列（如“待支付/已发货/已完成”），通过位图索引能高效分析各状态分布。 3. **多维分析**：在销售数据中按“地区+产品类别”组合过滤时，位图索引加速多列联合查询。 **腾讯云相关产品：** 腾讯云数据仓库TCHouse-D或云原生数仓TDSQL-A支持位图索引优化，适合海量数据分析场景；若需实时分析，可搭配弹性MapReduce（EMR）进行分布式计算。... 展开详请

答案：维护和重建索引是优化数据库查询性能的关键操作，主要通过定期分析、重建或重组索引来保持其高效性。 **解释问题**： 索引随数据增删改会逐渐碎片化，导致查询效率下降。维护索引包括定期检查碎片率、更新统计信息；重建索引则是彻底重组碎片化严重的索引，恢复最优结构。 **维护方法**： 1. **定期分析**：使用数据库工具检测索引碎片率（如SQL Server的`sys.dm_db_index_physical_stats`），低碎片（<10%）可仅更新统计信息。 2. **重组索引**：对中等碎片（10%-30%）的索引执行在线重组（如MySQL的`OPTIMIZE TABLE`或SQL Server的`ALTER INDEX REORGANIZE`），减少锁表时间。 **重建方法**： 对高碎片（>30%）的索引完全重建（如Oracle的`ALTER INDEX REBUILD`或PostgreSQL的`REINDEX`），彻底优化结构，但可能短暂阻塞写入。 **示例**： - 若电商订单表的`customer_id`索引碎片率达40%，可夜间执行重建： ```sql -- SQL Server示例 ALTER INDEX IX_customer_id ON Orders REBUILD; ``` - MySQL中优化整表索引： ```sql OPTIMIZE TABLE Orders; ``` **腾讯云相关产品**： - **TencentDB for MySQL/PostgreSQL**：提供自动索引优化建议和手动`REINDEX`功能，控制台可一键优化。 - **TDSQL-C（云原生数据库）**：支持在线索引重建，业务零中断，适合高并发场景。 - **数据库智能管家DBbrain**：自动分析碎片率并推送重建建议，降低运维成本。... 展开详请

**答案：** 索引碎片是指数据库索引结构中因数据频繁插入、删除或更新操作导致物理存储顺序与逻辑顺序不一致的现象，表现为索引页中存在未充分利用的空间或数据分散存储，从而降低查询效率。 **解释：** 当索引维护不及时时，新增或修改的数据可能无法连续存放，形成逻辑上连续但物理上分散的存储块。这会增加数据库引擎查找数据时的磁盘I/O次数，延长响应时间。碎片分为内部碎片（索引页内空间浪费）和外部碎片（索引页间顺序混乱）。 **举例：** 假设一个用户表按注册时间建立索引，频繁删除早期用户后，索引中会留下空缺页，新用户数据可能被插入到其他不连续的页中。后续查询“最近注册用户”时，引擎需跳转多个碎片化页，性能下降。 **腾讯云相关产品：** 使用腾讯云数据库TencentDB for MySQL或TencentDB for PostgreSQL时，可通过内置的**索引优化工具**定期执行`OPTIMIZE TABLE`命令重建索引，或开启**自动碎片整理**功能（部分引擎支持）。云数据库控制台也提供性能监控面板，帮助识别高碎片化索引。... 展开详请

评估数据库索引的选择性是通过计算字段不同值的数量与总记录数的比例来判断索引的区分能力。选择性越高，索引效率通常越好。 **解释：** 选择性公式为：`选择性 = 不同值的数量 / 总记录数`。若结果接近1（如唯一ID字段），说明字段值高度唯一，索引能显著缩小查询范围；若接近0（如性别字段只有“男/女”），索引效果较差，可能不如全表扫描。 **举例：** 假设用户表有100万条记录，其中“email”字段有95万个唯一值，选择性为95万/100万≈0.95，适合建索引；而“国家”字段仅有200个不同值，选择性极低，建索引收益有限。 **腾讯云相关产品推荐：** 使用腾讯云数据库TencentDB for MySQL或TencentDB for PostgreSQL时，可通过控制台的**性能优化建议**功能自动分析字段选择性，并获取索引创建推荐。对于复杂场景，可结合**云数据库智能管家DBbrain**监控慢查询，识别需优化的索引字段。... 展开详请

索引选择性是指索引列中不同值的数量与表中总行数的比值，用于衡量索引区分数据的能力。选择性越高，索引效率通常越好，因为高选择性意味着通过索引能快速缩小查询范围。 **解释**：选择性计算公式为 `(不同值的数量 / 总行数)`。例如，性别列（男/女）的选择性约为 0.5（低），而用户ID列的选择性接近 1（高）。数据库优化器会优先使用高选择性索引来加速查询。 **举例**：若某表有 100 万行数据，其中“email”列有 95 万种不同值，其选择性为 95 万/100 万 ≈ 0.95（高），适合建索引；而“国家”列仅有 20 种不同值，选择性为 20/100 万 ≈ 0.00002（极低），建索引效果差。 **腾讯云相关产品**：在腾讯云数据库 TencentDB for MySQL 或 TencentDB for PostgreSQL 中，可通过 `ANALYZE TABLE` 分析索引选择性，合理设计索引提升查询性能。对于高选择性列，建议使用腾讯云的 **索引优化建议功能** 自动检测并推荐高效索引方案。... 展开详请

答案：会影响索引。 解释：当查询条件中的数据类型与数据库字段定义的数据类型不一致时，数据库会自动进行隐式转换。这种转换可能导致索引失效，因为索引通常基于字段的原始数据类型构建。如果转换后的值无法匹配索引结构，数据库可能选择全表扫描而非使用索引，从而降低查询效率。 举例：假设一个表的字段 `user_id` 定义为整数类型（INT），但查询时使用了字符串 `'123'`（如 `WHERE user_id = '123'`）。数据库会将字符串隐式转换为整数进行比较，但索引可能因类型不匹配而无法生效，导致性能下降。正确的做法是确保查询条件与字段类型一致，如 `WHERE user_id = 123`。 腾讯云相关产品推荐：使用腾讯云数据库 TencentDB（如 MySQL、PostgreSQL 等），其优化器会提示潜在的性能问题，同时可通过索引优化建议功能提升查询效率。对于复杂场景，可结合腾讯云数据仓库 Tencent Cloud TCHouse 或缓存服务 TencentDB for Redis 辅助加速检索。... 展开详请

**答案：** 数据库检索中，索引失效的常见情况包括： 1. **未使用索引列进行查询条件**：当查询条件中的字段没有建立索引，或查询未命中索引列时，数据库会全表扫描。例如，对未建索引的`name`字段执行`WHERE name = '张三'`。 2. **使用函数或运算操作索引列**：对索引列进行函数计算（如`WHERE YEAR(create_time) = 2023`）或数学运算（如`WHERE id + 1 = 5`），会导致索引失效。 3. **隐式类型转换**：查询条件的数据类型与索引列类型不匹配时，数据库可能隐式转换导致索引失效。例如，索引列是字符串类型`phone VARCHAR(11)`，但查询用数字`WHERE phone = 13800138000`。 4. **使用不等于（!= 或 <>）或 NOT IN**：这些条件通常无法高效利用索引，尤其是数据分布不均匀时。例如，`WHERE status != 1`。 5. **LIKE 查询以通配符开头**：如`WHERE title LIKE '%关键词'`，但若以具体字符开头（如`LIKE '关键词%'`）则可能生效。 6. **OR 条件未全索引覆盖**：若OR连接的字段中有一个无索引，则整个条件可能失效。例如，`WHERE id = 1 OR name = '张三'`（假设`name`无索引）。 7. **复合索引未遵循最左前缀原则**：复合索引（如`(a, b, c)`）中，查询条件必须从左列开始。例如，索引`(a, b)`，但查询仅用`WHERE b = 2`会失效。 **举例**： - 若表`users`在`email`字段建了索引，但查询写成`WHERE LOWER(email) = 'test@example.com'`（函数操作），索引失效。 - 复合索引`(user_id, status)`，查询`WHERE status = 1`不会走索引，而`WHERE user_id = 100 AND status = 1`会生效。 **腾讯云相关产品推荐**： - 使用**TencentDB for MySQL/PostgreSQL**时，可通过**数据库智能管家 DBbrain**分析慢查询日志，定位索引失效问题。 - 结合**TDSQL-C（云原生数据库）**的自动索引优化建议功能，提升查询效率。... 展开详请