SQL中orderby/where查询的索引是什么样的？

Question

我想在一个看起来像这样的 SQLite 数据库上运行查询

SELECT a,b,c,d FROM data WHERE a IN (1,2,3) ORDER BY b,c

我应该使用什么类型/顺序的索引来使 SQLite（或者以后的 MySQL）能够快速执行此操作？ 如何轻松检查查询是否被索引增强（即如何解释 EXPLAIN）？如果我在索引中包含d，SQLite 会更快吗？

编辑： 以下是表格的特点：

• 10.000.000 行
• 60 个不同的a
• 6.000.000 不同 b
• 2.000 个不同的c
• 没有限制
• 表格是我的个人分析数据；它只写一次，然后只读

PS：有没有参考资料可以让我了解 SQLite/MySQL 何时可以使用索引？

Answer 1

当且仅当IN (1,2,3) 是一个常量列表（总是相同的值），您可以像这样使用partial index：

CREATE INDEX so ON data (b,c) WHERE a IN (1,2,3)

然后运行您的查询会给出这个计划 (explain query plan select...)：

0|0|0|SCAN TABLE data USING INDEX so
0|0|0|EXECUTE LIST SUBQUERY 1

注意：没有ORDER BY 操作。

作为反测试，让我们删除索引并像这样替换它：

CREATE INDEX so ON data (a,b,c);

新的执行计划是：

0|0|0|SEARCH TABLE data USING INDEX so (a=?)
0|0|0|EXECUTE LIST SUBQUERY 1
0|0|0|USE TEMP B-TREE FOR ORDER BY

你现在看到排序操作了吗？

我没有生成任何有意义的测试数据（只是一个空表）来验证执行速度的提高。但我想您应该在创建索引后立即看到它。

另请注意，仅自 SQLite 3.8.0（2013-08-26 发布）起支持部分索引

Answer 2

需要考虑的一个小问题是：如果您过滤a in (1, 2, 3)，会找到多少行？ 如果这是表的很大一部分，可能已经高达 15% 左右，那么使用索引甚至可能会降低性能。

将此与图书索引进行比较。假设索引是完整的，这意味着所有的词都被索引了。如果您正在寻找“and”的出现，并且您使用此索引，那么您将无法准备好从索引跳到您的文本并返回。简单地从头到尾阅读这本书，扫描“和”肯定是更快的选择。

目前尚不清楚盈亏平衡点在哪里，因为它取决于很多因素。但它比大多数人想象的要低。 （我已经提到了 15%，根据我的经验，这是一个很好的经验法则）

如果可以省略排序，则仍然可以选择使用索引。在这种情况下，树索引将包含 (b, c, a) 列。 （哈希索引在那里无济于事）。 根据数据类型和更新频率，您甚至可以考虑使用(b, c, a, d) 作为索引。 DBMS 只需要进行索引扫描，而不是表扫描。 （如果d很大，不会有太大帮助，而且会浪费很多空间；如果d更新很频繁，也可能是个坏主意，因为它会使更新的工作量增加一倍）。

物理数据库设计通常需要找到正确的折衷方案。

好的，我的很多文章在您编辑后不再适用。不过我认为答案可能会让你思考一些事情。

Answer 3

以下索引可帮助您快速获取记录 - 当然 dbms 认为使用索引比全表扫描更快。例如，如果它认为 in (1,2,3) 将获取表中 90% 的记录，它应该避免使用索引，而是简单地扫描整个表。

CREATE INDEX idx ON data(a);

以下索引可帮助您快速获取记录，甚至快速排序。同样，如果 dbms 认为使用索引是错误的，则不会使用该索引。但是使用索引的可能性更大，因为 dbms 不仅获取要访问的记录的信息，而且还会使它们已经排序。

CREATE INDEX idx ON data(a,b,c);

以下索引可帮助您快速获取记录并对其进行快速排序，甚至根本不必访问表。这里所有数据都存在于索引中，因此 dbms 没有理由不使用索引。一切都在那里：获取所需数据的标准、排序，甚至数据本身都已经存在。

CREATE INDEX idx ON data(a,b,c,d);

Answer 4

• 要过滤a in (1,2,3)，您需要一个以(a, ...) 开头的索引
• 要对b, c 进行排序，您需要一个以(b, c, ...) 开头的索引

没有一个索引可以同时满足这两个要求。