数据库索引有哪几种,怎样建立索引

本文目录

• 数据库索引有哪几种,怎样建立索引
• 数据库索引有哪些种类
• 什么是数据库索引 有哪些类型和特点
• 数据库索引有哪几种怎样建立索引
• SQL SERVER中索引类型包括的三种类型分别是哪三种
• MYSQL数据库索引类型都有哪些
• sql索引分为几类

数据库索引有哪几种,怎样建立索引

数据库索引的种类：

1、按照索引列值的唯一性，索引可分为唯一索引和非唯一索引

非唯一索引：B树索引

create index 索引名 on 表名（列名） tablespace 表空间名;

唯一索引：建立主键或者唯一约束时会自动在对应的列上建立唯一索引

2、索引列的个数：单列索引和复合索引

3、按照索引列的物理组织方式

B树索引

create index 索引名 on 表名（列名） tablespace 表空间名;

位图索引

create bitmap index 索引名 on 表名（列名） tablespace 表空间名;

反向键索引

create index 索引名 on 表名（列名） reverse tablespace 表空间名;

函数索引

create index 索引名 on 表名（函数名(列名)） tablespace 表空间名;

删除索引

drop index 索引名

重建索引

alter index 索引名 rebuild

索引的创建格式： 

    CREATE UNIUQE | BITMAP INDEX 《schema》.《index_name》 
    ON 《schema》.《table_name》 
    (《column_name》 | 《expression》 ASC | DESC, 
     《column_name》 | 《expression》 ASC | DESC,...) 
    TABLESPACE 《tablespace_name》 
    STORAGE 《storage_settings》 
    LOGGING | NOLOGGING 
    COMPUTE STATISTICS 
    NOCOMPRESS | COMPRESS《nn》 
    NOSORT | REVERSE 
    PARTITION | GLOBAL PARTITION《partition_setting》

    UNIQUE | BITMAP：指定UNIQUE为唯一值索引，BITMAP为位图索引，省略为B-Tree索引。 
    《column_name》 | 《expression》 ASC | DESC：可以对多列进行联合索引，当为expression时即“基于函数的索引” 
    TABLESPACE：指定存放索引的表空间(索引和原表不在一个表空间时效率更高) 
    STORAGE：可进一步设置表空间的存储参数 
    LOGGING | NOLOGGING：是否对索引产生重做日志(对大表尽量使用NOLOGGING来减少占用空间并提高效率) 
    COMPUTE STATISTICS：创建新索引时收集统计信息 
    NOCOMPRESS | COMPRESS《nn》：是否使用“键压缩”(使用键压缩可以删除一个键列中出现的重复值) 
    NOSORT | REVERSE：NOSORT表示与表中相同的顺序创建索引，REVERSE表示相反顺序存储索引值 
    PARTITION | NOPARTITION：可以在分区表和未分区表上对创建的索引进行分区

    使用USER_IND_COLUMNS查询某个TABLE中的相应字段索引建立情况

    使用DBA_INDEXES/USER_INDEXES查询所有索引的具体设置情况。

    在Oracle中的索引可以分为：B树索引、位图索引、反向键索引、基于函数的索引、簇索引、全局索引、局部索引等，下面逐一讲解：

一、B树索引：

    最常用的索引，各叶子节点中包括的数据有索引列的值和数据表中对应行的ROWID，简单的说，在B树索引中，是通过在索引中保存排过续的索引列值与相对应记录的ROWID来实现快速查询的目的。其逻辑结构如图：

    

    可以保证无论用户要搜索哪个分支的叶子结点，都需要经过相同的索引层次，即都需要相同的I/O次数。

    B树索引的创建示例：

    create index ind_t on t1(id) ;

    注1：索引的针对字段创建的，相同字段不能创建一个以上的索引；

    注2：默认的索引是不唯一的，但是也可以加上unique，表示该索引的字段上没有重复值(定义unique约束时会自动创建)；

    注3：创建主键时，默认在主键上创建了B树索引，因此不能再在主键上创建索引。

二、位图索引：

    有些字段中使用B树索引的效率仍然不高，例如性别的字段中，只有“男、女”两个值，则即便使用了B树索引，在进行检索时也将返回接近一半的记录。

    所以当字段的基数很低时，需要使用位图索引。(“低”的标准是取值数量 《 行数*1%)

    

    位图索引的逻辑结构如上图所示：索引中不再记录rowid和键值，而是将每个值作为一列，用0和1表示该行是否等于该键值(0表示否;1表示是)。其中位图索引的行顺序与原表的行顺序一致，可以在查询数据的过程中对应计算出行的原始物理位置。

    位图索引的创建示例：

    create bitmap index ind_t on t1(type);

    注：位图索引不可能是唯一索引，也不能进行键值压缩。

三、反向键索引：

    考虑这个情况：某一字段的值是1-1000顺序排列，建立B树索引后依旧递增，到后来该B数索引不断在后面增加分支，会形成如下如的不对称树：

    

    反向键索引是一种特殊的B树索引，在存储构造中与B树索引完全相同，但是针对数值时，反向键索引会先反向每个键值的字节，然后对反向后的新数据进行索引。例如输入2008则转换为8002，这样当数值一次增加时，其反向键在大小中的分布仍然是比较平均的。

    反向键索引的创建示例：

    create index ind_t on t1(id) reverse;

    注：键的反转由系统自行完成。对于用户是透明的。

四、基于函数的索引：

    有的时候，需要进行如下查询：select * from t1 where to_char(date,’yyyy’)》’2007’;

    但是即便在date字段上建立了索引，还是不得不进行全表扫描。在这种情况下，可以使用基于函数的索引。其创建语法如下：

    create index ind_t on t1(to_char(date,’yyyy’));

    注：简单来说，基于函数的索引，就是将查询要用到的表达式作为索引项。

五、全局索引和局部索引：

    这个索引貌似很复杂，其实很简单。总得来说一句话，就是无论怎么分区，都是为了方便管理。

    具体索引和表的关系有三种：

    1、局部分区索引：分区索引和分区表1对1

    2、全局分区索引：分区索引和分区表N对N

    3、全局非分区索引：非分区索引和分区表1对N

    创建示例：

    首先创建一个分区表

    create table student

    (

     stuno number(5),

     sname vrvhar2(10),

     deptno number(5)

    )

    partition by hash (deptno)

    (

     partition part_01 tablespace A1,

     partition part_02 tablespace A2

    );

    创建局部分区索引(1v1)：

    create index ind_t on student(stuno)

    local(

     partition part_01 tablespace A2,

     partition part_02 tablespace A1

    ); --local后面可以不加

    创建全局分区索引(NvN)：

    create index ind_t on student(stuno)

    global partition by range(stuno)

    (

     partition p1 values less than(1000) tablespace A1,

     partition p2 values less than(maxvalue) tablespace A2

    ); --只可以进行range分区

    创建全局非分区索引(1vN)

    create index ind_t on student(stuno) GLOBAL;

数据库索引有哪些种类

1.按照索引列值的唯一性,索引可分为唯一索引和非唯一索引; 非唯一索引: create index 索引名 on 表名(列名) tablespace 表空间名; 唯一索引: 建立主键或者唯一约束时会自动在对应的列...
2.索引列的个数:单列索引和复合索引;
3.按照索引列的物理组织方式。 索引的创建格式: CREATE UNIUQE | BITMAP INDEX 《schema》.《index_name》 ON 《schema...

什么是数据库索引 有哪些类型和特点

数据库索引的作用相当于书的目录，就是提高数据的查询速度，不同的数据库索引类型不用，比如SQL SERVER就有聚集索引和非聚集索引，聚集索引提高数据的查询速度，非聚集索引对提高查询速度不利，但可以提高数据的删除或插入速度，因为它的逻辑页面和物理页面不一致

数据库索引有哪几种怎样建立索引

• 种类：

1、按照索引列值的唯一性，索引可分为唯一索引和非唯一索引；

• 非唯一索引：

create index 索引名 on 表名（列名） tablespace 表空间名；

• 唯一索引：

建立主键或者唯一约束时会自动在对应的列上建立唯一索引；

2、索引列的个数：单列索引和复合索引；

3、按照索引列的物理组织方式。

• 索引的创建格式： 

CREATE UNIUQE | BITMAP INDEX 《schema》.《index_name》     ON 《schema》.《table_name》     (《column_name》 | 《expression》 ASC | DESC,      《column_name》 | 《expression》 ASC | DESC,...)     TABLESPACE 《tablespace_name》     STORAGE 《storage_settings》     LOGGING | NOLOGGING     COMPUTE STATISTICS     NOCOMPRESS | COMPRESS《nn》     NOSORT | REVERSE     PARTITION | GLOBAL PARTITION《partition_setting》

使用USER_IND_COLUMNS查询某个TABLE中的相应字段索引建立情况

使用DBA_INDEXES/USER_INDEXES查询所有索引的具体设置情况。

在Oracle中的索引可以分为：B树索引、位图索引、反向键索引、基于函数的索引、簇索引、全局索引、局部索引等，下面逐一讲解：

一、B树索引：

最常用的索引，各叶子节点中包括的数据有索引列的值和数据表中对应行的ROWID，简单的说，在B树索引中，是通过在索引中保存排过续的索引列值与相对应记录的ROWID来实现快速查询的目的。其逻辑结构如图：

可以保证无论用户要搜索哪个分支的叶子结点，都需要经过相同的索引层次，即都需要相同的I/O次数。

B树索引的创建示例：

create index ind_t on t1(id) ;

注1：索引的针对字段创建的，相同字段不能创建一个以上的索引；

注2：默认的索引是不唯一的，但是也可以加上unique，表示该索引的字段上没有重复值(定义unique约束时会自动创建)；

注3：创建主键时，默认在主键上创建了B树索引，因此不能再在主键上创建索引。

二、位图索引：

有些字段中使用B树索引的效率仍然不高，例如性别的字段中，只有“男、女”两个值，则即便使用了B树索引，在进行检索时也将返回接近一半的记录。

所以当字段的基数很低时，需要使用位图索引。(“低”的标准是取值数量 《 行数*1%)

位图索引的逻辑结构如上图所示：索引中不再记录rowid和键值，而是将每个值作为一列，用0和1表示该行是否等于该键值(0表示否;1表示是)。其中位图索引的行顺序与原表的行顺序一致，可以在查询数据的过程中对应计算出行的原始物理位置。

位图索引的创建示例：

create bitmap index ind_t on t1(type);

注：位图索引不可能是唯一索引，也不能进行键值压缩。

三、反向键索引：

考虑这个情况：某一字段的值是1-1000顺序排列，建立B树索引后依旧递增，到后来该B数索引不断在后面增加分支，会形成如下如的不对称树：

反向键索引是一种特殊的B树索引，在存储构造中与B树索引完全相同，但是针对数值时，反向键索引会先反向每个键值的字节，然后对反向后的新数据进行索引。例如输入2008则转换为8002，这样当数值一次增加时，其反向键在大小中的分布仍然是比较平均的。

反向键索引的创建示例：

create index ind_t on t1(id) reverse;

注：键的反转由系统自行完成。对于用户是透明的。

四、基于函数的索引：

有的时候，需要进行如下查询：select * from t1 where to_char(date,’yyyy’)》’2007’;

但是即便在date字段上建立了索引，还是不得不进行全表扫描。在这种情况下，可以使用基于函数的索引。其创建语法如下：

create index ind_t on t1(to_char(date,’yyyy’));

注：简单来说，基于函数的索引，就是将查询要用到的表达式作为索引项。

五、全局索引和局部索引：

这个索引貌似很复杂，其实很简单。总得来说一句话，就是无论怎么分区，都是为了方便管理。

具体索引和表的关系有三种：

1、局部分区索引：分区索引和分区表1对1

2、全局分区索引：分区索引和分区表N对N

3、全局非分区索引：非分区索引和分区表1对N

创建示例：

首先创建一个分区表

create table student

(

stuno number(5),

sname vrvhar2(10),

deptno number(5)

)

partition by hash (deptno)

(

partition part_01 tablespace A1,

partition part_02 tablespace A2

);

创建局部分区索引(1v1)：

create index ind_t on student(stuno)

local(

partition part_01 tablespace A2,

partition part_02 tablespace A1

); --local后面可以不加

创建全局分区索引(NvN)：

create index ind_t on student(stuno)

global partition by range(stuno)

(

partition p1 values less than(1000) tablespace A1,

partition p2 values less than(maxvalue) tablespace A2

); --只可以进行range分区

创建全局非分区索引(1vN)

create index ind_t on student(stuno) GLOBAL;

根据具体问题类型，进行步骤拆解／原因原理分析／内容拓展等。
具体步骤如下：／导致这种情况的原因主要是……

SQL SERVER中索引类型包括的三种类型分别是哪三种

三种索引类型分别是：

1、主键索引：不允许具有索引值相同的行，从而禁止重复的索引或键值。系统在创建该索引时检查是否有重复的键值，并在每次使用 INSERT 或 UPDATE 语句添加数据时进行检查。

2、聚集索引：指数据库表行中数据的物理顺序与键值的逻辑（索引）顺序相同。一个表只能有一个聚集索引，因为一个表的物理顺序只有一种情况。

3、非聚集索引：索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。非聚集索引的叶层不包含数据页。 相反，叶节点包含索引行。

扩展资料

聚集索引对于那些经常要搜索范围值的列特别有效。使用聚集索引找到包含第一个值的行后，便可以确保包含后续索引值的行在物理相邻。

例如，如果应用程序执行的一个查询经常检索某一日期范围内的记录，则使用聚集索引可以迅速找到包含开始日期的行，然后检索表中所有相邻的行，直到到达结束日期。

频繁更改的列 这将导致整行移动，因为 SQL Server 必须按物理顺序保留行中的数据值。这一点要特别注意，因为在大数据量事务处理系统中数据是易失的。来自聚集索引的键值由所有非聚集索引作为查找键使用，因此存储在每个非聚集索引的叶条目内。

参考资料来源：百度百科-非聚集索引

参考资料来源：百度百科-聚集索引

参考资料来源：百度百科-唯一索引

MYSQL数据库索引类型都有哪些

在满足语句需求的情况下，尽量少的访问资源是数据库设计的重要原则，这和执行的 SQL 有直接的关系，索引问题又是 SQL 问题中出现频率最高的，常见的索引问题包括：无索引（失效）、隐式转换。
1. SQL 执行流程看一个问题，在下面这个表 T 中，如果我要执行 select * from T where k between 3 and 5; 需要执行几次树的搜索操作，会扫描多少行？mysql》 create table T (    -》 ID int primary key,    -》 k int NOT NULL DEFAULT 0,    -》 s varchar(16) NOT NULL DEFAULT ’’,    -》 index k(k))    -》 engine=InnoDB;mysql》 insert into T values(100,1, ’aa’),(200,2,’bb’),\      (300,3,’cc’),(500,5,’ee’),(600,6,’ff’),(700,7,’gg’);
这分别是 ID 字段索引树、k 字段索引树。 

这条 SQL 语句的执行流程：

1. 在 k 索引树上找到 k=3，获得 ID=3002. 回表到 ID 索引树查找 ID=300 的记录，对应 R33. 在 k 索引树找到下一个值 k=5，ID=5004. 再回到 ID 索引树找到对应 ID=500 的 R4

5. 在 k 索引树去下一个值 k=6，不符合条件，循环结束

这个过程读取了 k 索引树的三条记录，回表了两次。因为查询结果所需要的数据只在主键索引上有，所以必须得回表。所以，我们该如何通过优化索引，来避免回表呢？
2. 常见索引优化2.1 覆盖索引覆盖索引，换言之就是索引要覆盖我们的查询请求，无需回表。

如果执行的语句是 select ID from T wherek between 3 and 5;，这样的话因为 ID 的值在 k 索引树上，就不需要回表了。

覆盖索引可以减少树的搜索次数，显著提升查询性能，是常用的性能优化手段。

但是，维护索引是有代价的，所以在建立冗余索引来支持覆盖索引时要权衡利弊。

2.2 最左前缀原则

B+ 树的数据项是复合的数据结构，比如 (name,sex，age) 的时候，B+ 树是按照从左到右的顺序来建立搜索树的，当 (张三,F,26) 这样的数据来检索的时候，B+ 树会优先比较 name 来确定下一步的检索方向，如果 name 相同再依次比较 sex 和 age，最后得到检索的数据。

• # 有这样一个表 P

• mysql》 create table P (id int primary key, name varchar(10) not null, sex varchar(1), age int, index tl(name,sex,age)) engine=IInnoDB;

• mysql》 insert into P values(1,’张三’,’F’,26),(2,’张三’,’M’,27),(3,’李四’,’F’,28),(4,’乌兹’,’F’,22),(5,’张三’,’M’,21),(6,’王五’,’M’,28);

• # 下面的语句结果相同

• mysql》 select * from P where name=’张三’ and sex=’F’;     ## A1

• mysql》 select * from P where sex=’F’ and age=26;         ## A2

• # explain 看一下

• mysql》 explain select * from P where name=’张三’ and sex=’F’;

• +----+-------------+-------+------------+------+---------------+------+---------+-------------+------+----------+-------------+

• | id | select_type | table | partitions | type | possible_keys | key  | key_len | ref         | rows | filtered | Extra       |

• +----+-------------+-------+------------+------+---------------+------+---------+-------------+------+----------+-------------+

• |  1 | SIMPLE      | P     | NULL       | ref  | tl            | tl   | 38      | const,const |    1 |   100.00 | Using index |

• +----+-------------+-------+------------+------+---------------+------+---------+-------------+------+----------+-------------+

• mysql》 explain select * from P where sex=’F’ and age=26;

• +----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+--------------------------+

• | id | select_type | table | partitions | type  | possible_keys | key  | key_len | ref  | rows | filtered | Extra                    |

• +----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+--------------------------+

• |  1 | SIMPLE      | P     | NULL       | index | NULL          | tl   | 43      | NULL |    6 |    16.67 | Using where; Using index |

• +----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+--------------------------+

• 可以清楚的看到，A1 使用 tl 索引，A2 进行了全表扫描，虽然 A2 的两个条件都在 tl 索引中出现，但是没有使用到 name 列，不符合最左前缀原则，无法使用索引。所以在建立联合索引的时候，如何安排索引内的字段排序是关键。评估标准是索引的复用能力，因为支持最左前缀，所以当建立（a，b）这个联合索引之后，就不需要给 a 单独建立索引。原则上，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。上面这个例子中，如果查询条件里只有 b，就是没法利用（a，b）这个联合索引的，这时候就不得不维护另一个索引，也就是说要同时维护（a，b）、（b）两个索引。这样的话，就需要考虑空间占用了，比如，name 和 age 的联合索引，name 字段比 age 字段占用空间大，所以创建（name，age）联合索引和（age）索引占用空间是要小于（age，name）、(name）索引的。

2.3 索引下推

• 以人员表的联合索引（name, age）为例。如果现在有一个需求：检索出表中“名字第一个字是张，而且年龄是26岁的所有男性”。那么，SQL 语句是这么写的mysql》 select * from tuser where name like ’张%’ and age=26 and sex=M;


• 通过最左前缀索引规则，会找到 ID1，然后需要判断其他条件是否满足在 MySQL 5.6 之前，只能从 ID1 开始一个个回表。到主键索引上找出数据行，再对比字段值。而 MySQL 5.6 引入的索引下推优化(index condition pushdown)，可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。这样，减少了回表次数和之后再次过滤的工作量，明显提高检索速度。

2.4 隐式类型转化

• 隐式类型转化主要原因是，表结构中指定的数据类型与传入的数据类型不同，导致索引无法使用。所以有两种方案：
• 修改表结构，修改字段数据类型。

• 修改应用，将应用中传入的字符类型改为与表结构相同类型。

• 3. 为什么会选错索引3.1 优化器选择索引是优化器的工作，其目的是找到一个最优的执行方案，用最小的代价去执行语句。在数据库中，扫描行数是影响执行代价的因素之一。扫描的行数越少，意味着访问磁盘数据的次数越少，消耗的 CPU 资源越少。当然，扫描行数并不是唯一的判断标准，优化器还会结合是否使用临时表、是否排序等因素进行综合判断。

3.2 扫描行数

• MySQL 在真正开始执行语句之前，并不能精确的知道满足这个条件的记录有多少条，只能通过索引的区分度来判断。显然，一个索引上不同的值越多，索引的区分度就越好，而一个索引上不同值的个数我们称为“基数”，也就是说，这个基数越大，索引的区分度越好。# 通过 show index 方法，查看索引的基数mysql》 show index from t;+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| t     |          0 | PRIMARY  |            1 | id          | A         |       95636 |     NULL | NULL   |      | BTREE      |         |               || t     |          1 | a        |            1 | a           | A         |       96436 |     NULL | NULL   | YES  | BTREE      |         |               || t     |          1 | b        |            1 | b           | A         |       96436 |     NULL | NULL   | YES  | BTREE      |         |               |+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+


• MySQL 使用采样统计方法来估算基数：采样统计的时候，InnoDB 默认会选择 N 个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面数，就得到了这个索引的基数。而数据表是会持续更新的，索引统计信息也不会固定不变。所以，当变更的数据行数超过 1/M 的时候，会自动触发重新做一次索引统计。

在 MySQL 中，有两种存储索引统计的方式，可以通过设置参数 innodb_stats_persistent 的值来选择：

• on 表示统计信息会持久化存储。默认 N = 20，M = 10。

• off 表示统计信息只存储在内存中。默认 N = 8，M = 16。

• 由于是采样统计，所以不管 N 是 20 还是 8，这个基数都很容易不准确。所以，冤有头债有主，MySQL 选错索引，还得归咎到没能准确地判断出扫描行数。

可以用 analyze table 来重新统计索引信息，进行修正。

• ANALYZE [LOCAL | NO_WRITE_TO_BINLOG] TABLE tbl_name [, tbl_name] ...


• 3.3 索引选择异常和处理1. 采用 force index 强行选择一个索引。2. 可以考虑修改语句，引导 MySQL 使用我们期望的索引。3. 有些场景下，可以新建一个更合适的索引，来提供给优化器做选择，或删掉误用的索引。

sql索引分为几类

不同数据库中提供了不同的索引类型，SQLServer中的索引有两种：聚集索引(CLUSTERED）和非聚集索引(NONCLUSTERED）。
索引区别：
聚集索引：
聚集索引基于数据行的键值，在表内排序和存储这些数据行。每个表只能有一个聚集索引，应为数据行本分只能按一个顺序存储。
在聚集索引中，表中各行的物理顺序与索引键值的逻辑（索引）顺序相同。聚集索引通常可加快UPDATE和DELETE操作的速度，因为这两个操作需要读取大量的数据。创建或修改聚集索引可能要花很长时间，因为执行这两个操作时要在磁盘上对表的行进行重组。
非聚集索引：
因为一个表中只能有一个聚集索引，如果需要在表中建立多个索引，则可以创建为非聚集索引。表中的数据并不按照非聚集索引列的顺序存储，但非聚集索引的索引行中保存了非聚集键值和行定位器，可以快捷地根据非聚集键的值来定位记录的存储位置。
延伸阅读：
无论是聚集索引，还是非聚集索引，都可以是唯一索引(UNIQUE)
。在SQL Server中，当唯一性是数据本身的特点时，可创建唯一索引，但索引列的组合不同于表的主键。例如，如果要频繁查询表a（该表主键为列a_id）的列a_name，而且要保证姓名是唯一的，则在列a_name上创建唯一索引。如果用户为多个员工输入了相同的姓名，则数据库显示错误，并且不能保存该表。