数据库面试时，常问的 Selectivity 和 Cardinality 到底是什么

让我们举个例子：

假设新学期报道，当你置身于班级中时，你发现大家都穿着同样颜色的衣服，无非男女款式不同，男同学长裤，女同学长裙，但都是黑色。人生地不熟的你，怎么才能确定你们的女班长在哪一堆中间（假设班长是女的，且你还不知道她长什么模样）？

当然，说句废话，只要你就读的中学不是女子中学，或者男子中学，你们班级肯定有男有女。按照性别来归类，总共只有 2 类。这两类就可以被称作 Cardinality = 2.

有人会问，知道 Cardinality = 2, 能找到班长吗？答案自然没那么简单，放在后面讲。这里先铺个垫，让大家对 Cardinality 有个形象的认识。

再来细分下同学的穿着。从服装上已经无法再细分了，大家都是黑色，长裤长裙一半一半。

但从球鞋上，还是能看出花样来。男同学，普遍的阿迪，耐克，特别一些的会穿美金龙，阿瑟士。而女同学们，则花样多了，阿迪，新百伦，斯凯奇，老爹鞋，热风，马丁靴，森马，甚至还有百丽，Coach, Miss Sixty等等。

一圈走下来，细心的你，发现一个统计数据，男同学穿4种鞋，女同学有16种品牌的鞋。按照刚才的算法， Cardinality 就等于 20.

经统计，全班总共有 50 人， 2 种性别的人，穿了 20 种品牌的鞋。

接下来，就是你挑班长的方法了：

按照男女比1：1来，你至少要从 25 个女同学里找到你的班长；

按照品牌的鞋来找，你会发现，只要从 50/20 个人里面找，就可以了。

自然，哪种方法快，就不用言说了。按照穿的鞋来找，最多只要找3个人，一问便知。

这里的依据，便是 50/20, 50/2 ， 即 总人数/总分类个数，而 Cardinality 在这里就承担总分类个数的角色，也就是同一类属性中，不同属性值的个数。

将这个公式倒过来，总分类个数/总人数，就是这类属性的 Selectivity. 值越高，表示越多样化，也就越容易找到想要的人；值越低，表示缺乏多样性，精确查找的效率就越低。

可见， Selectivity 可以帮助我们有效评估字段建立索引的价值。