创建用于复杂筛选的sql索引

Question

sql数据库中有表human 。 我有此表的用户界面和过滤器形式，如下所示：

我只能设置一些值（例如，仅年龄和州）。 如果未指定过滤器项，则不会将其添加到sql WHERE条件中。 WHERE条件在画面上描述的顺序进行组合。 因此，如果我想为所有情况创建索引以提高性能，则需要创建以下索引：

• 名字
• 姓
• 年龄
• 州
• 生日
• 性别
• 名+姓
• 名+姓+年龄
• 名+姓+年龄+州
• ...
• 州+生日
• 州+生日+性别
• ...

• 国家+性别

  对我来说不好 我应该只选择最常用的组合吗？ 你怎么看？

Answer 1

如果您有索引first name + last name + age + state ，您也不需要first name + last name + age和first name + last name和first name 。 如果您具有索引first name + last name + age + state并且用户仅搜索“名字”和“姓氏”，则数据库将能够使用该索引。 只要用户以与索引相同的顺序从左到右指定列，即使未指定每一列，数据库也将能够使用索引。

例如，如果您具有索引first name + last name + age + state ，并且用户指定了“名字”和“姓氏”，则数据库将能够使用该索引跳转到匹配的行。 但是，如果用户指定“名字”和“年龄”，或“名字”和“州”，则数据库将仅部分使用索引来跳转到具有匹配名字的行，但随后必须扫描匹配“年龄”或“州”的行。 如果您想知道为什么如此，请阅读有关数据库索引和B +树的技术细节。 这是一个很好的解释。

运行单个查询时，数据库也可以使用多个索引。 如果您有索引

`last name`
`state`
`age`

然后用户搜索“姓氏”，“州”和“年龄”，数据库将能够使用所有三个索引快速找到每个字段的匹配行，然后将结果与不包含行的行合并不匹配，将不会选择所有三个索引。 如果您查看执行计划，则可以看到它正在执行此操作。 当然，这将比其中具有每个必填字段的单个索引慢一点，但是它将阻止您拥有大量索引。

还要注意，即使存在索引，数据库也不一定会使用该索引，因为进行行扫描可能会更快。 例如，以上面的示例为例，它具有三个不同的索引，并假设用户对“姓氏”，“名字”和“州”进行搜索。 因为“姓氏”和“名字”的组合具有很高的选择性（意味着该索引中的大多数值都是唯一的），所以仅使用索引来获取与第一个匹配的所有行可能会更快名称和姓氏，然后对这些行进行简单的迭代扫描，以找到也具有匹配状态的行，而不是同时使用state索引，然后将两个索引返回的行进行连接。

在设计索引时，如果索引的选择性确实很低，那么索引将不会给您带来很多性能提升（实际上可能比进行全表扫描还差）。 例如，性别不是索引的好字段，因为您只有两个可能的值。 如果用户仅按性别进行搜索，则无论有没有索引，您都永远不会获得良好的效果，因为您将返回一半的行。

逐行全表扫描实际上比使用索引快。 原因是当数据库进行表扫描时，它可以直接跳到磁盘上的数据页。 当使用索引时，它必须经过一些中间索引页，然后才能真正到达数据在磁盘上的存储位置。 对于像“性别”这样的字段，您将选择一半的行，在表的一半行中跟随索引链接而增加的开销可能会超过不使用索引而扫描整个表的开销。

我会推荐索引

`first name, last name`
`birthdate`
`state`

如果您有经常搜索的特定字段组合，那么您也可以为其建立索引以加快处理速度。 但是，不要为每个字段组合都建立索引。

如果使用“生日”而不是“生日”，则不需要“年龄”，因为您可以基于“生日”进行计算，然后对“生日”进行一次between查询。 如果您被迫将“生日”和“年龄”的列分开，那么您也可以为“年龄”编制索引。 但是，就像下面其他用户评论的那样，您必须不断更新您的年龄。 我强烈建议您反对这种设计。

最后要考虑的一件事是是否尝试建立覆盖指数 。 覆盖索引是其中用户搜索的每个字段都属于索引的索引。 例如，假设您的表中有100个字段，但是用户通常只对根据其姓名查找某人的状态和年龄感兴趣。 因此，大部分查询看起来像这样

SELECT STATE, AGE FROM PEOPLE WHERE FIRSTNAME = 'Homer' AND LASTNAME = 'Simpson'

如果您的索引是LASTNAME, FIRSTNAME ，那么数据库将在索引中查找“ Homer”和“ Simpson”（这将涉及从磁盘读取一些索引页），使用索引指针转到数据所在的磁盘页记录被存储，读取整个数据页，将其解析为字段，然后返回状态和年龄。

现在，假设您运行相同的查询，但是索引是LASTNAME, FIRSTNAME, STATE, AGE 。 数据库引擎仍将使用索引来查找“ Homer”和“ Simpson”，但是一旦找到合适的索引记录（与上面的工作方式完全相同），该索引记录就已经具有STATE和AGE 。 因此，数据库可以直接从索引获取查询结果，而不必同时从磁盘读取数据页。

在表扫描的情况下，覆盖索引可以大大提高性能。 假设您的表中有100个字段（因此，单行的大小为几百个字节或更多）。 现在，用户运行查询

SELECT FIRSTNAME, LASTNAME, AGE FROM PEOPLE

数据库必须读取整个表（包括该查询不需要的所有100个字段）才能获得结果。 如果您有索引LASTNAME, FIRSTNAME, AGE ，则数据库可以通过扫描整个索引而不是扫描整个表来获取结果。 由于在这种情况下，单个索引元素的字节长度比单个数据行的字节长度小得多，因此查询会快得多。

在您的特殊情况下，表中的字段太少，覆盖索引可能不是很有用，因为索引中的字段与表中的字段相同，从而破坏了整个目的。 但是，对于具有数十个字段的表（通常只查询少数几个字段），覆盖索引可以是加快查询速度的一种好方法。

Answer 2

很多索引是一个“坏”主意。
各个列上的索引没有太大帮助。
一个索引是另一索引的“前缀”是多余的。
低基数（例如gender ）的标志或列上的索引将不被使用。

建议：从每列一个索引开始。 然后将第二列添加到每个索引。 根据可能要一起测试的内容选择第二列。 避免同时拥有(a,b)和(b,a)

然后观察“真实”用户生成的查询类型。 相应地调整索引列表。 此信息可能会导致一些3列索引。

Answer 3

我会采用这种方法。

在索引上具有键列非常适合于筛选出行并进行精确查找。但是对于您的表单，您需要许多键作为键列，但是具有很多键列是不好的，并且也有一个限制。

因此，如果您没有唯一的列并创建聚簇索引，那么我建议您识别一些唯一或组合索引的列，这些列的字段不会为空。

我会在生日，年龄（只是一个主意，也可以使用其他列）上创建聚簇索引，然后使用以下默认参数创建一个存储过程。

create proc usp_getformdata
(
@firstname varchar(200)= null,
@lastname varchar(200)=null,
@age int=null,
@state varchar(20)=null,
@birthday datetime =null,
@gender varchar(10)=null
)
As
Begin
select 
* from
yourtable
where 
firstname=@firstname
and 
lastname=@lastname

--do for all columns
End

Answer 4

一个索引可以用于多个where子句。 所以：

(firstname, lastname, age, state)

适用于以下条件具有相等条件的where子句：

firstname
firstname & lastname
firstname & lastname & age
firstname & lastname & age & state

我建议您为常见情况建立一组索引-三个或四个索引。 将多个键添加到索引，以便可以用于越来越多的精确搜索。 不要费心把低基数的值（例如gender作为索引的第一个关键字，因为仅使用性别过滤器的查询可能无论如何都要进行全表扫描。

如果这不能满足您的需求，则可能需要考虑其他访问数据的方法，例如全文本索引。