sqlserver索引

SQL中的索引分为两种,一种为聚集索引和非聚集索引,下面介绍两者的异同。



一、聚集索引与非聚集索引:



1、聚集索引: 聚集索引的意思可以理解为顺序排列,比如一个主键自增的表即为聚集索引,即id为1的存在于第一条,id为2的存在于第二条...假使数据库中是使用数组来存放的这张表中的数据,那么如果我需要查找第100条,那么直接第一条数据的地址加上100即为第一百条的地址,一次就能查询出来。 因为数据库中的数据只能按照一个顺序进行排列,所以聚集索引一个数据库只能有一个。在mysql中,不能自己创建聚集索引,主键即为聚集索引,如果没有创建主键,那么默认非空的列为聚集索引,如果没有非空的列那么会自动生成一个隐藏列为聚集索引。 所以一般在mysql中,我们创建的主键即为聚集索引,数据是按照我们的主键顺序进行排列。所以在根据主键进行查询时会非常快。 2、非聚集索引: 非聚集索引可以简单理解为有序目录,是一种以空间换取时间的方法。举个例子,在一个user表中,有一个id_num,即身份号,此不为主键id,那么这些数据在存储的时候都是无序的,比如 id为1的id_num为100,id为2的id_num为97,id为3的id_num为98,id为4的id_num为99,id为5的id_num为96。。。id为67的id_num为56。。。 那么如果我要查找id_num为56的人,那么只能一条一条的遍历,n条就需要查询n次,时间复杂度为O(n),这是非常耗费性能的。


所以,现在就需要为id_num增加非聚集索引,添加了非聚集索引后,会给id_num进行排序(内部使用结构为B+树),并且排序后,我只需要查询此目录(即查询B+树),很快就知道为id为56的在数据库中的第67条,而不需要在去遍历表中的所有数据。


所以,在非聚集索引中,不重复的数据越多,那么索引的效率越高。



二、索引的操作:


我们平常在数据库中使用的索引一般非聚集索引,下面介绍其使用方法:


1、创建索引: 1.1、创建普通索引: 模式: CREATE INDEX 索引名 ON 表名(列名1,列名2,...); 或者 修改表: ALTER TABLE 表名ADD INDEX 索引名 (列名1,列名2,...); 或者 创建表时指定索引:CREATE TABLE 表名 ( [...], INDEX 索引名 (列名1,列名 2,...) );


eg: CREATE INDEX name_index ON index_test(name); 此为在index_test表上的name列上创建一个索引name_index。


测试的表为: CREATE TABLE index_test ( id INT NOT NULL, name VARCHAR(50), idNum INT, PRIMARY KEY (id) );


1.2、创建唯一索引: 表示唯一的,不允许重复的索引,如果该字段信息保证不会重复例如身份证号用作索引时,可设置为unique 下面三种模式都可以创建唯一索引: 1、创建索引:CREATE UNIQUE INDEX 索引名 ON 表名(列的列表); 2、在表上增加索引:ALTER TABLE 表名ADD UNIQUE 索引名 (列的列表); 3、创建表时指定索引:CREATE TABLE 表名( [...], UNIQUE 索引名 (列的列表) ); eg: CREATE UNIQUE INDEX id_num_index ON index_test(idNum); 也可以写成下面的形式: ALTER TABLE index_test ADD UNIQUE id_num_index(idNum); 此为在index_test表的idNum列上创建一个唯一索引id_num_index


在创建了唯一索引之后,列中即不能重复,比如,现在我给表中插入一条重复的值,会报: Error Code: 1062. Duplicate entry '3' for key 'id_num_index' 即在id_num_index唯一索引上出现了重复。


2、删除索引: 以下两种模式都可以删除索引:


DROP INDEX index_name ON talbe_name ALTER TABLE table_name DROP INDEX index_name


eg: DROP INDEX name_index ON index_test; 此为删除在index_test表上的name_index索引


3、查看索引: SHOW INDEX FROM index_test; 即返回index_test表中的所有索引。


在返回的字段中,


Table:表的名称


Non_unique:是否不唯一,0为唯一,1不为唯一


Key_name:索引的名称


Seq_in_index:索引中的列序列号,从1开始


Column_name:列名称


Collation:列以什么方式存储在索引中。在MySQL中,有值‘A’(升序)或NULL(无分类)。


Cardinality:索引中唯一值的数目的估计值。通过运行ANALYZE TABLE或myisamchk -a可以更新。基数根据被存储为整数的统计数据来计数,所以即使对于小型表,该值也没有必要是精确的。基数越大,当进行联合时,MySQL使用该索引的机会就越大。


Sub_part:如果列只是被部分地编入索引,则为被编入索引的字符的数目。如果整列被编入索引,则为NULL。


Packed:指示关键字如何被压缩。如果没有被压缩,则为NULL。


Null:如果列含有NULL,则含有YES。如果没有,则该列含有NO。


Index_type:用过的索引方法(BTREE, FULLTEXT, HASH, RTREE)。


Comment:更多评注。



三、索引的选择原则:


非聚集索引在数据库创建、增加、删除、修改的时候都需要作出相应的修改,所以,使用索引也是有一定的原则,即:


1、较频繁的作为查询条件的字段应该创建索引 2、重复太多的字段不适合单独创建索引,即使频繁作为查询条件 3、不会出现在WHERE子句中的字段不应该创建索引


以下两种情况不建议使用索引:


1、表的记录比较少,比如只有几百,一千条记录,那么没必要建立索引,直接全表查询即可。


2、不重复的字段越多,那么索引的价值越高,查看不重复的字段占总体的比例可以使用下面的sql语句:


SELECT count(DISTINCT(name))/count(*) AS Selectivity FROM index_test;


比如上面这个sql就是判断index_test表中name字段中不重复的值占整体的比例,这个比例应该在(0,1]之间,这个数值越大,越应该使用索引。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,542评论 6 504
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,822评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,912评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,449评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,500评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,370评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,193评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,074评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,505评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,722评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,841评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,569评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,168评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,783评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,918评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,962评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,781评论 2 354

推荐阅读更多精彩内容