具有重复值的列上的数据库索引

Question

如果有一个包含员工详细信息的表，其中包含一个 Gender 列，其值可以是 M/F。现在在此列上创建索引是否有意义，它会使搜索更快吗？从逻辑上讲，如果我们使用 where 子句包含 Gender 作为列的 select 语句，它应该将搜索时间减少一半。但是我听说这种索引没有帮助，并且在执行查询时实际上会被数据库优化器忽略。但我不明白为什么？有人可以解释一下吗？

Answer 1

大概，性别有两个价值。一般来说，gender 上的索引不会有帮助。事实上，这可能是有害的。

如果您在没有索引的情况下选择性别，则查询优化器会对数据库页面进行全表扫描以满足查询。在典型的页面上，一半的条目会匹配查询，因此您会在第一次点击时开始获得结果。

在查询执行的这个阶段，索引通常用于减少正在读取的页面数量。但是，如果每一页都有“M”和“F”的记录，那么每一页仍然需要被读取。更糟糕的是，使用索引意味着您从一个随机页面读取，然后是另一个页面，然后是另一个页面，而不是仅按顺序读取值。跳转页面需要一些额外的时间。如果页面不能全部放入内存，就会出现一种称为抖动的情况，这可能需要非常非常长的时间。

一个例外是聚集索引，其中页面上的值实际上是按值排序的。在这种情况下，使用索引的查询会快 50% 左右，因为只需要读取页面。这在“存档”表中特别有效，在该表中，您有经常搜索的活动记录。此标志可能出现在 10%、1% 或 0.1% 的记录上，并且聚集索引可以显着提高速度。

在大表上运行返回一半记录的查询是很少见的。很可能，将性别与其他列结合起来将是包含在索引中的良好候选者。

Answer 2

在大多数情况下，只能使用一个索引来优化数据库查询。如果一个查询需要匹配多个索引列，查询规划器将不得不决定使用这些索引中的哪一个。每个索引都有一个基数，它大致是整个表中不同值的数量。具有较高基数的索引会更有效，因为选择与索引匹配的行将导致扫描以匹配其他条件的行数非常少。

gender 列上的索引只会将表切成两半。任何其他索引都会更有效。

作为一个类比，想想电话簿。如果您有一个完整国家/地区的电话簿，那么搜索您想要的特定人员将非常庞大且困难。所以电话簿通常只为一个城市或一个地区的几个城市制作，以使其大小合理。但如果你有一个“男性电话簿”而不是区域电话簿，它几乎就像整个国家的电话簿一样无法使用。创建新电话簿的标准是它们应该比整个国家的电话簿小得多。当您从一个巨大的尺寸开始时，减少 2 倍并不是很有用。