连接表的最佳 SQL 索引

Question

考虑到性能改进，我想知道哪些索引对连接表有帮助（特别是在 Rails 3 has_and_belongs_to_many 上下文中使用）。

模型和表格设置

我的模型是Foo 和Bar，根据rails 约定，我有一个名为bars_foos 的连接表。没有主键或时间戳使该表中的旧字段bar_id:integer 和foo_id:integer。我有兴趣了解以下哪些索引是最好的并且没有重复：

1. 复合索引：add_index :bars_foos, [:bar_id, :foo_id]
2. • 两个索引
   • A. add_index :bars_foos, :bar_id
   • 乙。 add_index :bars_foos, :foo_id
3. 1 和 2-B 的组合

基本上，我不确定复合索引是否足够，假设它有助于开始。我相信复合索引可以用作第一项的单个索引，这就是为什么我漂亮确信使用所有三行肯定会导致不必要的重复。

可能的用途

最常见的用法是模型Foo的实例，我将使用foo.bars的RoR语法询问其关联的bars，反之亦然，bar.foos是模型@的实例987654333@.

这些将分别生成SELECT * FROM bars_foos WHERE foo_id = ? 和SELECT * FROM bars_foos WHERE bar_id = ? 类型的查询，然后将这些结果ID 用于SELECT * FROM bars WHERE ID in (?) 和SELECT * FROM foos WHERE ID in (?)。

如果我不正确，请在 cmets 中纠正我，但我不相信，在 Rails 应用程序的上下文中，它会尝试执行一个查询，其中指定两个 ID，如 SELECT * FROM bars_foos where bar_id = ? AND foo_id = ?。

数据库

如果有特定于数据库的优化技术，我很可能会使用 PostgreSQL。但是，其他使用此代码的人可能希望根据他们的 Rails 配置在 MySQL 或 SQLite 中使用它，因此所有答案都值得赞赏。

Answer 1

答案

经常重复的答案是“视情况而定”，这种情况往往总是如此。更具体地说，这取决于您的数据是什么以及如何使用。

tl;dr 解释

我的具体案例（并涵盖所有未来的基础）的简短 tl;dr 答案是 选择 #2，这是我所怀疑的。但是，选择 #3 可以正常工作，因为根据我对数据的使用情况，创建复合索引所用的额外时间和空间可能会减少未来的查询查找。

完整解释

这样做的原因是数据库试图变得聪明，并试图尽可能快地做事，而不管程序员的输入如何。添加索引时要考虑的最基本的项目是是否会通过此键查找此对象。如果是，索引可能有助于加快速度。但是，这个索引是否被使用都归结为选择性和字段的基数。

由于外键通常是另一个 AR 类的 ID，因此基数通常会很高。但同样，这取决于您的数据。在我的示例中，如果有很多Foos 但很少有Bars，我的连接表中的许多条目将具有类似的bar_ids。由于bar_ids 具有低基数，bar_id 上的索引可能永远不会被使用，并且可能会因为每次有新的bars_foos 条目时让数据库投入时间和资源* 来添加到该索引而受到阻碍创建的。许多Bars 和少数Foos 以及两者都很少。

一般的教训是，在考虑表上的索引时，要确定条目是否都将由该字段查找，以及该字段是否具有高基数。也就是说，这个字段有很多不同的值吗？在大多数连接表的情况下，“这取决于”，我们必须更仔细地考虑数据代表什么以及关系本身。就我而言，我将都拥有许多Foos 和Bars，并且将通过它们关联的bars 查找Foos，反之亦然。

我在办公室得到的另一个好答案是，“你为什么要担心你的索引？构建你的应用程序！”

脚注

* 在一个类似的问题on indexes on STI 中指出索引的成本非常低，所以如果有疑问，只需添加它。

Answer 2

取决于您将如何查询数据。

假设您要搜索所有这些...

• WHERE bar_id = ?
• WHERE foo_id = ?
• WHERE bar_id = ? AND foo_id = ?

...那么您可能应该使用{bar_id, foo_id} 上的索引和{foo_id} 上的索引。

虽然您也可以在{bar_id} 上创建第三个索引，但维护额外索引的代价可能会超过在较小索引中使用更好的clustering 所带来的好处。

---

另外，您打算如何使用索引来cover 您的查询？一些替代方案，例如...

• {foo_id, bar_id} 和 {bar_id}
• {foo_id, bar_id} 和 {bar_id, foo_id}

...可能更好地涵盖某些类型的查询。

覆盖是一种平衡行为 - 有时仅出于覆盖目的将字段添加到索引是合理的，有时则不然。在您衡量真实的数据量之前，您不会知道。

（免责声明：我不熟悉 Ruby。这个答案纯粹是从数据库的角度来看。）