一组历史记录的性能最高的表索引是什么？

Question

我有一个简单的历史表，我正在开发一个新的查找表。我想知道添加到该表中的最佳索引（如果有的话）是什么，以便尽可能快地查找。

历史表是一组简单的操作记录。每个动作都有一个类型和一个动作日期（以及一些其他属性）。系统每天都会生成一组新的操作记录。

相关的伪模式是：

TABLE history
    id int,
    type int,
    action_date date
    ...
INDEX
    id
    ...

注意：该表没有在type 或action_date 上编入索引。

新的查找功能旨在检索在特定操作日期发生的特定类型的所有记录。

我最初的想法是定义一个由type 和action_date 组成的复合键。

但是，在我的情况下，会有许多具有相同类型和日期的操作。此外，每天的行动数量将大致均匀分布。

鉴于以上所有情况：(a) 是一个值得的索引； (b) 如果是，首选索引是什么？

我正在使用 MySQL，但我认为我的问题并非特定于此 RDBMS。

Answer 1

索引上的第一个字段应该是在应用条件后为大多数查询提供最小数据集的字段。

根据您的业务需求，您可以请求特定日期或特定日期范围（很可能是日期范围）。所以日期应该是索引上的最后一个字段。很可能您将始终拥有日期条件。

一个常见的答案是拥有 (type,date) 索引，但如果您在查询中查询了多个类型值或只有几种类型（例如少于 5 个），则应该只考虑日期索引) 并且它们分布不均。

比如你有type 1 70%的表，type 2,3,4,...不到百分之几的表，而且你经常查询type 1，你最好有单独的日期索引，和类型索引（用于查询类型 2、3、4 的情况），而不是复合（类型、日期）索引。

Answer 2

INDEX(type, action_date)，不管任一列的基数或分布。这样做将最大限度地减少需要查看的索引 BTree 的“行”数。 （是的，我不同意 Sergiy 的回答。）

即使WHERE type IN (2,3) AND action_date ... 也可以使用该索引。

为了检查日期范围，比如 2 周，我推荐这种模式：

AND action_date >= '2016-10-16`
AND action_date  < '2016-10-16` + INTERVAL 2 WEEK

一种查看查询需要多少“工作”的方法：

FLUSH STATUS;
SELECT ...;
SHOW SESSION STATUS LIKE 'Handler%';

显示的数字会让您了解需要触及多少索引（或数据）行。这可以很容易地查看两个可能的查询/索引中哪一个效果更好，即使表太小而无法获得可靠的计时。

Answer 3

是的，索引是值得的。特别是如果您搜索表的一小部分。

如果您的搜索将匹配 20% 或更多的表（大约），MySQL 优化器会认为索引比它的价值更麻烦，即使索引可用，它也会进行表扫描。

如果您搜索一个特定的type 值和一个特定的date 值，（类型、日期）上的索引或（日期、类型）上的索引是一个不错的选择。您首先列出哪一列并不重要。

如果您搜索 多个 类型值或 多个 日期，那么列的顺序很重要。遵循本指南：

• 索引的最左边的列应该是您进行相等性比较的列。相等比较是与一个值完全匹配的比较（即使该值在许多行中都存在）。

  WHERE type = 2 AND date = '2016-10-19' -- both equality
  

• 索引的下一列可以是范围比较的一部分。范围比较匹配多个值。例如，> 或 IN( ) 或 BETWEEN 或 !=。

  WHERE type = 2 AND date > '2016-10-19' -- one equality, one range
  

  只有一个这样的列受益于索引。如果您对多列进行范围比较，则只有索引的第一列将使用索引来支持查找。随后的列将不得不“艰难地”搜索那些匹配的行。

  WHERE type IN (2, 3, 4) AND date > '2016-10-19' -- multiple range
  

• 如果您有时使用type 上的范围条件和date 上的相等性进行搜索，则需要创建第二个索引。

  WHERE type IN (2, 3, 4) AND date = '2016-10-19' -- make index on (date, type)
  

  WHERE 子句中的术语顺序无关紧要。 SQL 查询优化器将找出并重新排序它们以匹配索引中定义的正确列。