1、湖北大学本科毕业论文（设计）外文翻译 外文翻译： 索 引 原文来源 ： Thomas Kyte Expert Oracle Database Architecture 2nd Edition 译文正文 ： 什么情况下使用 B*树索引 ? 我并不盲目地相信“法则” （任何法则都有 例外 ）， 对于什么时候该用 B*索引，我没有经验可以告诉你。为了证明为什么这个方面我无法提供 任何经验， 下面给出两种等效作法 ： 使用 B*树索引，如果你想通过索引的方式去获得表中所占比例很小的那些行。 使用 B *树索引，如果你要处理的表和索引许多可以代替表中使用的行 。 这些规则似乎提供相互矛盾的意见，但在现实
2、中，他们不 是这样的 ，他们只是涉及两个极为不同的情况。有两种方式使用上述意见给予索引 ： 作为获取表中某些行的手段。你将读取索引去获得表中的某一行。在这里你想获得表中所占比例很小的行。 作为获取查询结果的手段。 这个索引包含足够信息来回复整个查询 ，我们将不用去查询全表。 这个索引将作为该表的一个 瘦 版本。 还有其他方式 例如，我们使用索引去检索表的所有行，包括那些没有建索引的列。这似乎违背了刚提出的两个规则。这种方式获得将是一个真正的交互式 应用 程序。 该应用中，其中你 将获取 其中的某些行， 并展示它们，等等。你想获取的是针对初始响应时间的查询优化，而不是针对整个查询吞吐量的。 在第
3、一种情况（也就是你想通过索引获得表中一小部分的行）预示着如果你有一个表 T（使用与早些时候使用过的相一致的表 T） ,然后你获得一个像这样查询的执行计划： ops$tkyte%ORA11GR2 set autotrace traceonly explain ops$tkyte%ORA11GR2 select owner, status 2 from t 3 where owner = USER； Execution Plan - Plan hash value: 1049179052 - | Id | Operation | Name | Rows | Bytes | - | 0 | SELE
4、CT STATEMENT | | 2120 | 23320 | | 1 | TABLE ACCESS BY INDEX ROWID |T | 2120 | 23320 | | *2 | INDEX RANGE SCAN | DESC_T_IDX | 8 | | - Predicate Information (identified by operation id): - 2 - access(SYS_OP_DESCEND(OWNER)=SYS_OP_DESCEND(USER!) filter(SYS_OP_UNDESCEND(SYS_OP_DESCEND(OWNER)=USER!) 你应该访问
5、到该表的一小部分。这个问题在这里看是 INDEX (RANGE SCAN) 紧跟在湖北大学本科毕业论文（设计）外文翻译 TABLE ACCESS BY INDEX ROWID 之后。这也意味着 Oracle 先读取索引，然后获取索引项。该索引项将执行一个数据库块读（逻辑或者物理的 I/O）去获取行数据。如果你 想通过索引去访问数据表 T 中的大部分数据，这不是最高效的方式 （我们将很快定义什么是大部分的数据） 。 第二种情况，（也就是你想通过索引去代替表），你将通过索引去处理 100%（事实上可以是任何比例）的行。也许你想通过索引索引去获得一个缩小版的表。接下来的查询证明了这种方式： ops$
6、tkyte%ORA11GR2 select count(*) 2 from t 3 where owner = user； Execution Plan - Plan hash value: 293504097 - |Id | Operation. | Name | Rows | Bytes .| Cost (%CPU)| Time | - | 0 | SELECT STATEMENT | | 1 | 6 | 17 (0) | 00:00:01 | | 1 | SORT AGGREGAT E | | 1 | 6 | . | .| | * 2 | INDEX RANGE SCAN | T_IDX
7、 | 2 120 | 12720 | 17 (0) | 00: 00: 01 | - Predicate Information (identified by operation id): - 2 - access(OWNER=USER!) 这里 ，仅仅是使用索引去作为查询的返回集 -现在再也不在乎我们 只通过索引的方式， 想访问多少比例的 行。从执行计划中可以看到，查询语句从未访问过表，仅仅扫描 索引结构本身。 理解两种概念的区别很重要。当 执行 TABLE ACCESS BY ROWID 操作 时，我们必须确保仅访问表中一小部分的块，也就相当于仅访问一小部分的行或者是尽量块地获取第一的数据
8、。（最终的用户将会为了这几行数据等得不耐烦的）。如果想通过访问比较高比例的行（所占比例高于 20%），使用 B*索引的话，它将花费比全表扫描更多的时间。 使用第二种查询方式，那些在索引中可以找到所需结果的，情况就完全不同了。我们读取索引块，然后拾取其中的很多行 进行处理 ， 如此继续下一个索引块，从不访问表。某些情况下，还可以在索引上执行一个快速全面扫描。快速全面扫描是指，数据库不按特定的顺序读取索引块，只是开始读取它们。这里不再是将索引只当一个索引，此时更像是一个表。如果采用全表扫描，将不会按索引项来顺序获取行。 一般来讲， B*树索引将会被放在查询时频繁使用的列上。而且我们希望从表中只返回
9、少量的数据或者最终用户的请求想立即得到反馈。在一个瘦表（也就是一个含有很少 的列或者列很小） 中，这个比例 可能很小。 一个查询 ,使用该索引应该 可以在表中取回约 2% 3%或更少的行。在一个胖表（也就是含有很多列或者列很宽） 中，这个比例将一直上升到该表的 20%25%。以上建议并不对每个人都有作用。这个比例并不直观，但很精确。索引根据索引键进行排序存储。索引会按键的有序顺序进行访问。索引指向的块都随机存储在堆中。因此，我们通过索引访问表时，会执行大类分散、随机的 I/O。这里的“分散”是指，索引会告诉我们读取块 1，然后是块1000,块 205，块 1，块 1032，块 1 等等。它们不
10、会要求我们按 照块 1，块 2 然后块 3 的方式。我们将以一种非常随意的方式读取和重新读取块，这种块 I/O 可能非常慢。 湖北大学本科毕业论文（设计）外文翻译 让我们看一下简化版的例子，假设我们通过索引读取一个瘦表，而且要读取表中的 20%的行。若这个表中有 100000 行，这个表得 20%就是 20000 行。如果行大小约为 80 个字节，在一个块大小为 8KB 的数据库中，我们将在每个块中获得 100 行数据。这也就意味着这个表有 1000 个块。 了解这些，计算起来就很容易了。我们想通过索引去读取 2000 行，这也就意味着几乎相当于 20000 次的 TABLE ACCESS B
11、Y ROWID 操作。这将导致执行这个操作要处理 20000 个表块。不过，这个表总共才只有 1000 块。我们将对表的每个块要执行读和处理 20 次。即时把行的大小提高到一个数量级，达到每行 800 字节，这样每块有 10 行，那样这个表现在有 10000 块。要通过索引 20000 行，仍要求我们把每一块平均读取 2 次。在这种情况下，全表扫描就比使用索引高效得多。因为每个块只会命中一次。如果把查询使用这个索引 来访问数据，效率都不会高，除非对应 800 字节的行，平均只访问表中不到 5%的数据（这样一来，我们访问的大概为 5000 块），如果是 80 字节的行，则 访问的数据应当只占更小
12、的百分比（大约 0.5%或更少）。 什么情况下使用位图索引 ? 位图索引是最适合于低相异基数数据的情形（也就是说，与整个数据集得基数相比，这个数据只有很少几个不同的值）。对此作出量化是不太可能的 换句话说，就是很难定义这个低相异基数数据有到底多么不同。在一个有几千条记录的数据集中， 2 就是一个低相异基数，但是在一个只有两行记录的数据表中， 2 就不再是低相异基数了。而在一个上千万或者上亿条记录的表中，甚至 100,000 都能作为一个低相异基数。所以，多大才算是低相异基数，这要相对于结果集得大小来说。这里是指行集中不同项的个数除以行数应该是一个很小的数（接近于 0）。例如， GENDER 列
13、可能取值为 M、 F 和 NULL。如果一个表中有 20,000 条员工记录，那么你将会发现 3/20,000=0.00015。同样地， 10,000,000 中 100,000 个不同值得比例为 0.01, 同样 ， 值很小。这些列就可以建立位图索引。他们可能不合适建立 B*树索引，因为每个值可能会获取表中的大量数据。如同前面所述， B*数索引一般来讲是选择性的。位图索引 不带有选择性的 相反，一般是“没有选择性”的。 位图索引 在有很多即时 查询的时候极其有用，尤其是在查询涉及很多列或者会生成诸如COUNT 之类的聚会。例如，假设有一个含有 GENDER， LOCATION，和 AGE_G
14、ROUP 三个字段的大表。在这个表中， GENDER 的值为 M 或者 F， LOCATION 可以选取 1 到 50 之间的值，AGE_GROUP 为代表 18 岁及以下， 19-25， 26-30， 31-40，和 40 岁及以上的代码。现在不得不通过以下的方式执行大量的即时查询： Select count(*) from T where gender = M and location in ( 1, 10, 30 ) and age_group = 41 and over； select * from t where ( ( gender = M and location = 20 ) or ( gender = F and location = 22 ) and age_group = 18 and under； select count(*) from t where location in (11,20,30)； select count(*) from t where age_group = 41 and over and gender = F；
