数据库索引设计(基础篇)

有关SQL

共 6180字,需浏览 13分钟

 ·

2020-10-10 04:42

点击蓝色“有关SQL”关注我哟

加个“星标”,天天与10000人一起快乐成长




索引在数据库中,毋庸置疑扮演了极其重要的角色。


在这篇文章中,我们即将要讨论这些和索引相关的事情:


  1. 优化器是如何选择索引的;

  2. 应该如何正确的建立索引;

  3. 如何判断优化器选择了正确的索引;

  4. 如何找出哪些已经不再被使用的索引;


简介:


索引可以帮助查询更快的定位到所需的记录上,从而避免整表扫描。如果索引引用的列,可以完全包含查询所需的字段,这类索引叫做 覆盖索引(convering index),完全不用回读(针对非聚集索引表)便可满足查询需求。一些常规需求,比如排序,分组和 distinct 都可以有效利用索引。


这里有个概念特别要注意,回读。官方给出的正式名称,叫做 bookmark lookup. 在 SQL Server 中,有两种形式的表存在:聚集索引表和堆表(clustered index 和 heap table).为表建立的非聚集索引,叶子节点存储的除了索引值,还有指向原表的 RID(file id + page id + row id)或者聚集索引值。一旦查询使用到了索引,而索引包含的列中,找不到查询需要的列,那么优化器会给出访问原表的方法,即用索引存储的 RID 或者键值,回到原表去读一边。此时的读,被称为回读,用的是随机读(random read), 一次磁头的转动假如就为一条记录,实际上却扫描了一个扇区,由此可见有多么浪费资源。



索引选用机制



B-Tree(Balanced Tree),索引引入它的目的就是为了建立快速查询的结构。索引数据页的叶子节点页,有可能并不是按照逻辑顺序排好序的,因为有碎片冲刷,长时间数据页是被打散了的。此时按照这种页码去扫描,出来的结果肯定是不对的。因此引入 B-Tree, 即确保了索引最终提供正确的逻辑顺序,也加快了速度。



(摘自:https://use-the-index-luke.com/sql/anatomy/the-tree)


上面的 [46,53,57,83]是B-Tree 中的一个节点,此节点上的数据必须保证时时刻刻都按照索引顺序排列,SQL Server 靠锁来维持对这些节点的独占。正因为这些节点保证了数据的顺序性,因此底层索引数据页就不用严格按照索引顺序排列了,由第二底层的数据页指针,指向最终存储的索引数据页,就可以保证逻辑的顺序正确了。



索引的使用,一般是和条件查询绑定的。如果想要发挥索引的作用,就必须用已经被索引的字段做条件查询。比如以下这些判断条件语句,是可以有效利用索引的:


  1. ProductID = 771

  2. UnitPrice<3.975

  3. LastName='Allen'

  4. LastName LIKE 'Brown%'


总结一下,等值比较或不等值比较,包括 =,<,>,<=,>=,!=,!<,!>,BETWEEN 和 In,执行计划都可以安排索引作为数据访问的途径。但以下表达式,却会阻扰索引的使用:


  1. ABS(ProductID)=771

  2. UnitPrice + 1 <3.975

  3. LastName LIKE '%Allen'

  4. UPPER(LastName) = 'Allen'


我们只需比较两者的执行计划,就可以知道,判断条件的字段上加了函数或者表达式,索引就无法再使用了。




Predicate 表达式中,一旦索引字段(ProductID) 加了 abs() 函数,索引就失效了。


多列组合索引,情况就会复杂一些。当前列的条件判断是否能有效利用索引,取决于前一列使用的条件判断是否是等值判断。比如下列的判断条件,SQL Server 都是可以利用索引对两列字段做 seek 操作的,前提是索引按照判断条件字段的前后顺序建立的:(

以下的场景,均假设了按顺序建立了 ProductID + SalesOrderID, LastName + FirstName 的索引)


ProductID = 771 AND SalesOrderID > 34000LastName = 'Smith' AND FirstName = 'lan' 


当第二列使用了函数或者复杂表达式,或者第一列使用了复杂表达式,那么就仅仅能使用索引去做第一列的 seek:


ProductID = 771 AND ABS(SalesOrderID) = 34000ProductID < 771 AND SalesOrderID = 34000 LastName >'Smith' AND FirstName = 'lan'


又或者前一列用了函数或者表达式,那么整个索引就失效了:


ABS(ProductID) = 771 AND SalesOrderID = 34000 LastName LIKE '%Smith' AND FirstName='lan'



看下第一列可以走索引的 seek 而第二列却不能利用 seek 的例子:


SELECT ProductID, SalesOrderID, SalesOrderDetailID FROM Sales.SalesOrderDetail WHERE ProductID = 771 AND ABS(SalesOrderID) = 45233




注意:Seek Predicates 显示有效利用了索引第一列 ProductID 的条件判断,而 Predicate 就显示索引第二列无法使用 seek 操作


数据库引擎优化顾问(The Database Engine Tuning Advisor)


大多数的商业数据库都会提供一个优化组件,帮助建立有效的索引。SQL Server 中这个组件就是数据库引擎优化顾问(The Database Engine Tunning Advisor). 理论上可以有两种架构来设计这个优化顾问,一种是新建一个成本模型估算成本,另一种是利用现有的查询优化器来估算成本。新建一个优化器除去一些复杂的操作和部署不说,基于新成本模型估算出来的执行计划,显然也不会给现有的优化器来用,现有的优化器始终还是以自己得到的执行计划去操作数据。因此,宝都押在利用现有查询优化器来做出优化评估。


SQL Server 是第一家搭载物理对象设计器的商业数据库,从 SQL Server 7.0 开始使用 Index Tuning Wizard 到 SQL Server 2005 替换成了 Database Engine Tuning Advisor( DTA). 两个产品都使用了优化器本身的成本估算模型去分析当前优化策略。目的就是为了达到高度自治和调优。除了索引以外,DTA 也可以帮助引导建立物化视图( indexed view) 和 分区(partition)。


当然优化顾问只是评估,并不会自动替人工去创建索引。那么不建立索引的情况下,优化顾问是怎么去评估,得出一个合理的索引?其实本质上优化器选择哪一个索引,完全建立在元数据以及字段的 statistics 之上,在优化的过程中,索引数据存在不存在不重要。索引一旦选择完毕,在执行的时候,一定需要索引数据必须存在。


开启优化顾问,当然会对数据库的性能有一定额影响,所以安排好适当时间。


所以在 DTA(Database Engine Tuning Advisor) 调优的过程中,SQL Server 不会真的去创建 DTA 认为完美的索引,而是给出一种叫做假设索引(hypothetical index),这类索引在 SQL Server 7 的 Index Tuning Wizard 当中也有用过。就如名字一样,hypothetical index 不是一种真实的索引,不以任何形式存在于数据库中,因为 DTA 一旦用完,这些索引就被丢弃了。他们只包含 statistics,只能用未归档的 CREATE INDEX 语句的 WITH STATISTICS_ONLY 选项来创建,且这个命令只有在 SQL Server Profiler 里面看得到。



下面看个简单的例子,用来找出索引没有正确创建的场景。


1)  创建一张新表,没有任何索引存在


SELECT *   INTO dbo.SalesOrderDetail FROM Sales.SalesOrderDetail


2)  将下面的查询保存成文件


SELECT * FROM dbo.SalesOrderDetail WHERE ProductID = 897


3)  使用 DTA 来辅助分析缺少的索引




如上图所示,打开 DTA(Database Engine Tuning Advisor),在 Workload File 选项下面,定位到刚才新建的文件;选择需要测试的数据库 AdventureWorks; 点击 Start Analysis 命令执行。





等待 DTA 完成,打开这张表分析:


SELECT * FROM msdb..DTA_reports_query


由此可见 ,DTA 帮我们推荐了个新的索引,据此索引生成的执行计划,成本只有 0.00332754. 而当前环境下,成本居然高达 1.24414. 通过打开预估执行计划窗口,这成本可以很容易得到。




我们根据 DTA 推荐的 Index Recommendations 创建索引,之后再执行上面的条件查询,很显然效率高很多。





hypothetical index 还可以通过 WITH STATISTICS_ONLY 创建:


CREATE CLUSTERED INDEX clx_ProductID ON dbo.SalesOrderDetail(ProductID)WITH STATISTICS_ONLY


查询索引的字典表:


SELECT name,type_desc,is_hypotheticalFROM sys.indexes WHERE object_id = object_id(N'dbo.SalesOrderDetail')  AND name = 'cix_ProductID'

 



这里的 is_hypothetical 是 1, 代表的是一个假设的索引,并不真正存在。



Missing Indexes Feature(特性)



除了 DTA(Database Engine Tuning Advisor), SQL Server 还提供了一种方法来检测哪些索引对当前的查询是用的。这种方法称为 Missing Index  特性。这个方法不需要 DBA 去判断是否要进行调优,不需要严格指定请求文件,它很轻量,早在 SQL Server 2005 就已经推出来了。


在优化过程中,查询优化器会自动填补一个最优的索引,如果这个索引不存在,会在 xml 执行计划或者 GUI 执行计划里突出显示出来,并且会在缓冲中一直保留到下次重启,通过查询 sys.dm_db_missing_index 动态性能视图就可以看到统计情况。当优化器提示徐亚更好的索引满足查询时,实际上它在告诉我们两件事:1)当前的执行计划不是最优的;2)应该考虑新建索引来满足当前查询。当然, missing index 有自己不足,后面会讲到,更详细的解说可以参考官方在线文档, limitations of the Missing indexes Feature.



通过下面的这个小例子,我们一起探讨下 missing index 的使用场景:


如果你是从上面的例子一路看下来的,请 drop 表 dbo.SalesOrderDetail。


1)新建表 dbo.SalesOrderDetail


SELECT *   INTO dbo.SalesOrderDetail FROM Sales.SalesOrderDetail


2) 运行下面的查询


SELECT * FROM dbo.SalesOrderDetail WHERE SalesOrderID = 43670 AND SalesOrderDetailID > 112


通过查询运行时执行计划及其属性,可知这类查询被称作 TRIVIAL optimization level.




针对 TRIVIAL 级别的计划,查询优化器并不会给出最优的索引(基于哪个列,按照什么顺序)。由上图可见, GUI 并没有提示缺少什么样的索引。


基于此,我们可以通过增加无关的索引,来避免查询优化器评定查询为 TRIVIAL 级别。如下:


CREATE INDEX IX_ProductID ON dbo.SalesOrderDetail(ProductID)


此时,我们已经可以看到 GUI 提示“缺少索引”的告警了,且 Optimization Level 为 FULL.




这里解释下,什么是 trivial plan. 一句话概括就是简单的不能再简单的查询计划。比如:


SELECT ProductID FROM dbo.SalesOrderDetail WHERE ProductID = 987


刚才我们已经在表 dbo.SalesOrderDetail 上面以 ProductID 字段为索引键,创建了索引 IX_ProductID. 因此仅查询 ProductID 且有条件表达式时,不再需要其他复杂的判断,走 index seek 即可。此时,执行计划就被称为 trivial plan.


处理了 trivial plan 的尴尬,剩下的事情,就是按照提示,我们判断这索引是不是要加,还是修改之前的索引,使其符合当下的查询:



SELECT * FROM dbo.SalesOrderDetail WHERE SalesOrderID = 43670 AND SalesOrderDetailID > 112




在 [MissingIndexes] 栏位下,我们可以看到 Impact, MissingIndex, Optimization Level 三个大栏。


  1. Impact 是指 missing index 能在多大程序上影响现有的查询;

  2. Missing Index 给出了优化器建议的索引字段和索引顺序;

  3. Optimization Level 如果显示了 FULL, 表达的意思就是有优化调整空间


按照提示,我们新建索引:


CREATE INDEX IDX_ORD_DETAIL_ID ON dbo.SalesOrderDetail(SalesOrderID,SalesOrderDetailID)


再执行上面的语句 :


SELECT * FROM dbo.SalesOrderDetail WHERE SalesOrderID = 43670 AND SalesOrderDetailID > 112


对比前后执行计划,这一次索引真排上用场了:




无用的索引(Unused Indexes)



在应用系统中,总有些表,索引,存储过程随着管理的松懈,慢慢遗留了下来。如何对这些无用(不再用)的数据库对象做处理,便成为了难题。本章讨论如何对无用的索引做处理。


为什么要处理掉这些无用的索引呢?首先,索引是表一样存在的数据库对象,占用了数据库磁盘空间;第二,在更新数据表的时候,索引会实时更新,对并发性能产生很大影响;第三,大量的索引,给优化器带来很大的运算压力。


判断索引无用的方法,核心是使用一张动态性能试图(DMV: Dynamic Management View), 即 sys.dm_db_index_usage_stats.


这张试图记录了所有 seek, scan, lookup, update 等操作的次数,还有最后一次的执行时间。除了索引(非聚集索引)使用频次统计之外,还有包括堆表和聚集表。和 sys.indexes 里面的规定一致,index_id 为 0 的即为堆表,index_id 为 1 的即为聚集索引表,大于等于 2 的为非聚集索引,这些 index_id 为 2 的索引才是我们要考虑去移除的。想想为什么?


SELECT object_name(object_id) as tblName    ,    index_id     ,    user_seeks    ,    user_scans     ,    user_lookups    ,    user_updatesFROM sys.dm_db_index_usage_stats WITH(NOLOCK)




--完--





往期精彩:


本号精华合集(二)

如何写好 5000 行的 SQL 代码

如何提高阅读 SQL 源代码的快感

我在面试数据库工程师候选人时,常问的一些题

零基础 SQL 数据库小白,从入门到精通的学习路线与书单










浏览 43
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报