具有重複值的列上的數據庫索引

Question

如果存在包含僱員詳細信息的表，其中包含列值爲M/F的列Gender。現在在這一列上創建一個索引是否有意義，它會使搜索更快？從邏輯上講，如果我們用含有性別的where子句作爲列激發select語句，它應該將搜索時間縮短一半。但是我聽說這種索引不會幫助，並且在執行查詢時實際上會被數據庫優化器忽略。但我不明白爲什麼？有人可以解釋一下嗎？

Answer 1

在大多數情況下，只有一個索引可用於優化數據庫查詢。如果查詢需要匹配多個索引列，則查詢計劃員將必須決定使用哪些索引。每個索引具有基數，這大致是整個表中不同值的數量。具有較高基數的索引將更有效，因爲選擇與索引匹配的行將導致極少數行掃描以匹配其他條件。

gender列上的索引只會將表格減半。其他任何指數都會更有效。

作爲比喻，請考慮電話簿。如果您在整個國家都有一本電話簿，那麼搜索您想要的特定人員將會非常困難。所以電話簿通常只是爲了一個城市或某個地區的一些城市而製作的，以使它們的尺寸合理。但是如果你有一個「男性電話簿」而不是地區電話簿，那它幾乎與整個國家的電話簿一樣無法使用。創建新電話簿的標準是，它們應該遠遠小於整個國家的一本書。當你以巨大的尺寸開始時，減少2倍並不是很有用。

Answer 2

大概，性別具有兩個價值。一般來說，gender上的索引不會有幫助。事實上，這可能是有害的。

如果您選擇性別而沒有索引，則查詢優化器會對數據庫頁面執行全表掃描以滿足查詢。在一個典型的頁面上，一半條目將與查詢匹配，所以您將開始在第一個匹配時獲得結果。

在查詢執行的這個階段，索引通常用於減少正在讀取的頁數。但是，如果每個頁面都有「M」和「F」的記錄，則每個頁面都必須被讀取。更糟糕的是，使用索引意味着您從一個隨機頁面讀取，然後再讀取另一個，而不是僅僅依次讀取值。跳過頁面需要多一點時間。如果這些頁面並不全都適合記憶，那麼就會出現一種叫做抖動的情況，這可能需要很長時間。

對此的一個例外是聚集索引，其中頁面上的值實際上是按值排序的。在這種情況下，使用索引的查詢速度將快大約50％，因爲只需要讀取頁面。這可以在「檔案」表格中特別有效，在該表格中您有經常搜索的活動記錄。這個標誌可能出現在記錄的10％，1％或0.1％，並且聚集索引可以顯着提高速度。

在大表上運行返回一半記錄的查詢是很少見的。很可能，與其他專欄相結合的性別將成爲納入索引的一個很好的候選人。