54

我主要是一名 Actionscript 开发人员，绝不是 SQL 专家，但有时我必须开发简单的服务器端东西。所以，我想我会问更有经验的人关于标题中的问题。

我的理解是，通过在将包含几个不同值的列中设置索引，您不会获得太多收益。我有一个包含布尔值的列（实际上它是一个小的 int，但我将它用作标志），并且该列用于我拥有的大多数查询的 WHERE 子句中。在理论上的“平均”情况下，一半的记录值为 1，另一半为 0。因此，在这种情况下，数据库引擎可以避免全表扫描，但无论如何都必须读取大量行（总行数/2）。

那么，我应该将此列设为索引吗？

作为记录，我使用的是 Mysql 5，但我更感兴趣的是为什么它会/没有意义索引一个我知道基数较低的列。

提前致谢。

4

5 回答 5

93

如果满足以下条件，索引甚至可以帮助处理低基数字段：

  1. 当一个可能的值与其他值相比非常罕见时，您会搜索它。

    例如，色盲女性很少，所以这个查询：

    SELECT  *
FROM    color_blind_people
WHERE   gender = 'F'

    很可能会受益于gender.

  2. 当值倾向于按表格顺序分组时：

    SELECT  *
FROM    records_from_2008
WHERE   year = 2010
LIMIT 1

    虽然这里只有不同的年份，但很可能首先添加较早年份的记录，因此如果不是索引，则3必须在返回第一条记录之前扫描很多记录。2010

  3. 当您需要时ORDER BY / LIMIT：

    SELECT  *
FROM    people
ORDER BY
        gender, id
LIMIT 1

    如果没有索引，filesort则需要 a。尽管它对 进行了一些优化LIMIT，但它仍然需要全表扫描。

  4. 当索引覆盖查询中使用的所有字段时：

    CREATE INDEX (low_cardinality_record, value)

SELECT  SUM(value)
FROM    mytable
WHERE   low_cardinality_record = 3

  5. 当您需要时DISTINCT：

    SELECT  DISTINCT color
FROM    tshirts

    MySQL将使用INDEX FOR GROUP-BY，如果您的颜色很少，即使有数百万条记录，此查询也将是即时的。

    这是低基数字段上的索引比高基数字段上的索引更有效的场景示例。

请注意，如果DML性能问题不大，那么创建索引是安全的。

如果优化器认为索引效率低下，就不会使用该索引。

于 2010-01-21T22:10:45.533 回答
10

在复合索引中包含布尔字段可能是值得的。例如，如果您有一个通常需要按日期排序的大型消息表，但您也有一个布尔已删除字段，因此您经常像这样查询它：

SELECT ... FROM Messages WHERE Deleted = 0 AND Date BETWEEN @start AND @end

您肯定会从已删除和日期字段上的复合索引中受益。

于 2010-01-21T21:55:36.457 回答
3

我通常会做一个简单的“有索引”与“没有”索引测试。根据我的经验，使用 ORDER BY 索引列的查询可以获得大部分性能。如果您对该列进行任何排序，索引很可能会有所帮助。

于 2010-01-21T21:50:04.223 回答
3

当一半的记录值为 1 而另一半为 0 时，没有必要在该列上放置索引。查询优化器可能不会使用它。

但是，通常情况下，您有一小部分“活动”记录和越来越多的“非活动”记录。例如，在错误跟踪系统中，您关心活动的错误，而几乎每次都查看已完成和归档的错误。对于这种情况，诀窍是使用“dateInactivated”列来存储记录被停用/删除时的时间戳。顾名思义，当记录处于活动状态时，该值为NULL，但一旦停用，则写入系统日期时间。因此，随着“已删除”记录数量的增加，该列上的索引最终具有高选择性，因为每条记录都将具有唯一的（不是严格意义上的）值。查询将有

"... AND dateInactivated is NULL ..."

作为谓词的一部分，索引将拉入您关心的正确行集。

于 2019-07-10T05:23:57.280 回答
2

恕我直言，它的用处有限。我假设在大多数情况下，除了可能提供更多帮助的标志之外，您在查询中还使用了其他标准。

在 50% 时，我可能会在有/没有的情况下进行一些基准测试，看看它是否有很大的不同。

于 2010-01-21T21:51:01.413 回答