這里想把之前的索引學習筆記總結一下：
首先明白為什么索引會增加速度，DB在執行一條Sql語句的時候，默認的方式是根據搜索條件進行全表掃描，遇到匹配條件的就加入搜索結果集合。如果我們對某一字段增加索引，查詢時就會先去索引列表中一次定位到特定值的行數，大大減少遍歷匹配的行數，所以能明顯增加查詢的速度。那么在任何時候都應該加索引么？這里有幾個反例：1、如果每次都需要取到所有表記錄，無論如何都必須進行全表掃描了，那么是否加索引也沒有意義了。2、對非唯一的字段，例如“性別”這種大量重復值的字段，增加索引也沒有什么意義。3、對于記錄比較少的表，增加索引不會帶來速度的優化反而浪費了存儲空間，因為索引是需要存儲空間的，而且有個致命缺點是對于update/insert/delete的每次執行，字段的索引都必須重新計算更新。
那么在什么時候適合加上索引呢？我們看一個Mysql手冊中舉的例子，這里有一條sql語句：
SELECT c.companyID, c.companyName FROM Companies c, User u WHERE c.companyID = u.fk_companyID AND c.numEmployees >= 0 AND c.companyName LIKE '%i%' AND u.groupID IN (SELECT g.groupID FROM Groups g WHERE g.groupLabel = 'Executive')
這條語句涉及3個表的聯接，并且包括了許多搜索條件比如大小比較，Like匹配等。在沒有索引的情況下Mysql需要執行的掃描行數是 77721876行。而我們通過在companyID和groupLabel兩個字段上加上索引之后，掃描的行數只需要134行。在Mysql中可以通過 Explain Select來查看掃描次數。可以看出來在這種聯表和復雜搜索條件的情況下，索引帶來的性能提升遠比它所占據的磁盤空間要重要得多。
那么索引是如何實現的呢？大多數DB廠商實現索引都是基于一種數據結構——B樹。因為B樹的特點就是適合在磁盤等直接存儲設備上組織動態查找表。B樹的定義是這樣的：一棵m(m>=3)階的B樹是滿足下列條件的m叉樹：
1、每個結點包括如下作用域(j, p0, k1, p1, k2, p2, ... ki, pi) 其中j是關鍵字個數，p是孩子指針
2、所有葉子結點在同一層上，層數等于樹高h
3、每個非根結點包含的關鍵字個數滿足[m/2-1]=j=m-1
4、若樹非空，則根至少有1個關鍵字，若根非葉子，則至少有2棵子樹，至多有m棵子樹
看一個B樹的例子，針對26個英文字母的B樹可以這樣構造：
可以看到在這棵B樹搜索英文字母復雜度只為o(m)，在數據量比較大的情況下，這樣的結構可以大大增加查詢速度。然而有另外一種數據結構查詢的虛度比B樹更快——散列表。Hash表的定義是這樣的：設所有可能出現的關鍵字集合為u，實際發生存儲的關鍵字記為k，而|k|比|u|小很多。散列方法是通過散列函數h將u映射到表T[0,m-1]的下標上，這樣u中的關鍵字為變量，以h為函數運算結果即為相應結點的存儲地址。從而達到可以在o(1)的時間內完成查找。
然而散列表有一個缺陷，那就是散列沖突，即兩個關鍵字通過散列函數計算出了相同的結果。設m和n分別表示散列表的長度和填滿的結點數，n/m為散列表的填裝因子，因子越大，表示散列沖突的機會越大。
因為有這樣的缺陷，所以數據庫不會使用散列表來做為索引的默認實現，Mysql宣稱會根據執行查詢格式嘗試將基于磁盤的B樹索引轉變為和合適的散列索引以追求進一步提高搜索速度。我想其它數據庫廠商也會有類似的策略，畢竟在數據庫戰場上，搜索速度和管理安全一樣是非常重要的競爭點。
基本概念介紹：
索引
使用索引可快速訪問數據庫表中的特定信息。索引是對數據庫表中一列或多列的值進行排序的一種結構，例如 employee 表的姓（lname）列。如果要按姓查找特定職員，與必須搜索表中的所有行相比，索引會幫助您更快地獲得該信息。
索引提供指向存儲在表的指定列中的數據值的指針，然后根據您指定的排序順序對這些指針排序。數據庫使用索引的方式與您使用書籍中的索引的方式很相似：它搜索索引以找到特定值，然后順指針找到包含該值的行。
在數據庫關系圖中，您可以在選定表的“索引/鍵”屬性頁中創建、編輯或刪除每個索引類型。當保存索引所附加到的表，或保存該表所在的關系圖時，索引將保存在數據庫中。有關詳細信息，請參見創建索引。
注意;并非所有的數據庫都以相同的方式使用索引。有關更多信息，請參見數據庫服務器注意事項，或者查閱數據庫文檔。
作為通用規則，只有當經常查詢索引列中的數據時，才需要在表上創建索引。索引占用磁盤空間，并且降低添加、刪除和更新行的速度。在多數情況下，索引用于數據檢索的速度優勢大大超過它的。
索引列
可以基于數據庫表中的單列或多列創建索引。多列索引使您可以區分其中一列可能有相同值的行。
如果經常同時搜索兩列或多列或按兩列或多列排序時，索引也很有幫助。例如，如果經常在同一查詢中為姓和名兩列設置判據，那么在這兩列上創建多列索引將很有意義。
確定索引的有效性：
- 檢查查詢的 WHERE 和 JOIN 子句。在任一子句中包括的每一列都是索引可以選擇的對象。
- 對新索引進行試驗以檢查它對運行查詢性能的影響。
- 考慮已在表上創建的索引數量。最好避免在單個表上有很多索引。
- 檢查已在表上創建的索引的定義。最好避免包含共享列的重疊索引。
- 檢查某列中唯一數據值的數量，并將該數量與表中的行數進行比較。比較的結果就是該列的可選擇性，這有助于確定該列是否適合建立索引，如果適合，確定索引的類型。
索引類型
根據數據庫的功能，可以在數據庫設計器中創建三種索引：唯一索引、主鍵索引和聚集索引。有關數據庫所支持的索引功能的詳細信息，請參見數據庫文檔。
提示：盡管唯一索引有助于定位信息，但為獲得最佳性能結果，建議改用主鍵或唯一約束。
唯一索引
唯一索引是不允許其中任何兩行具有相同索引值的索引。
當現有數據中存在重復的鍵值時，大多數數據庫不允許將新創建的唯一索引與表一起保存。數據庫還可能防止添加將在表中創建重復鍵值的新數據。例如，如果在 employee 表中職員的姓 (lname) 上創建了唯一索引，則任何兩個員工都不能同姓。
主鍵索引
數據庫表經常有一列或列組合，其值唯一標識表中的每一行。該列稱為表的主鍵。
在數據庫關系圖中為表定義主鍵將自動創建主鍵索引，主鍵索引是唯一索引的特定類型。該索引要求主鍵中的每個值都唯一。當在查詢中使用主鍵索引時，它還允許對數據的快速訪問。
聚集索引
在聚集索引中，表中行的物理順序與鍵值的邏輯（索引）順序相同。一個表只能包含一個聚集索引。
如果某索引不是聚集索引，則表中行的物理順序與鍵值的邏輯順序不匹配。與非聚集索引相比，聚集索引通常提供更快的數據訪問速度。
建立方式和注意事項
最普通的情況，是為出現在where子句的字段建一個索引。為方便講述，我們先建立一個如下的表。
CREATE TABLE mytable (
id serial primary key,
category_id int not null default 0,
user_id int not null default 0,
adddate int not null default 0
);
如果你在查詢時常用類似以下的語句：
SELECT * FROM mytable WHERE category_id=1;
最直接的應對之道，是為category_id建立一個簡單的索引：
CREATE INDEX mytable_categoryid
ON mytable (category_id);
OK.如果你有不止一個選擇條件呢？例如：
SELECT * FROM mytable WHERE category_id=1 AND user_id=2;
你的第一反應可能是，再給user_id建立一個索引。不好，這不是一個最佳的方法。你可以建立多重的索引。
CREATE INDEX mytable_categoryid_userid ON mytable (category_id,user_id);
注意到我在命名時的習慣了嗎？我使用"表名_字段1名_字段2名"的方式。你很快就會知道我為什么這樣做了。
現在你已經為適當的字段建立了索引，不過，還是有點不放心吧，你可能會問，數據庫會真正用到這些索引嗎？測試一下就OK，對于大多數的數據庫來說，這是很容易的，只要使用EXPLAIN命令：
EXPLAIN
SELECT * FROM mytable
WHERE category_id=1 AND user_id=2;
This is what Postgres 7.1 returns (exactly as I expected)
NOTICE: QUERY PLAN:
Index Scan using mytable_categoryid_userid on
mytable (cost=0.00..2.02 rows=1 width=16)
EXPLAIN
以上是postgres的數據，可以看到該數據庫在查詢的時候使用了一個索引（一個好開始），而且它使用的是我創建的第二個索引。看到我上面命名的好處了吧，你馬上知道它使用適當的索引了。
接著，來個稍微復雜一點的，如果有個ORDER BY字句呢？不管你信不信，大多數的數據庫在使用order by的時候，都將會從索引中受益。
SELECT * FROM mytable
WHERE category_id=1 AND user_id=2
ORDER BY adddate DESC;
很簡單，就象為where字句中的字段建立一個索引一樣，也為ORDER BY的字句中的字段建立一個索引：
CREATE INDEX mytable_categoryid_userid_adddate
ON mytable (category_id,user_id,adddate);
注意: "mytable_categoryid_userid_adddate" 將會被截短為
"mytable_categoryid_userid_addda"
CREATE
EXPLAIN SELECT * FROM mytable
WHERE category_id=1 AND user_id=2
ORDER BY adddate DESC;
NOTICE: QUERY PLAN:
Sort (cost=2.03..2.03 rows=1 width=16)
-> Index Scan using mytable_categoryid_userid_addda
on mytable (cost=0.00..2.02 rows=1 width=16)
EXPLAIN
看看EXPLAIN的輸出，數據庫多做了一個我們沒有要求的排序，這下知道性能如何受損了吧，看來我們對于數據庫的自身運作是有點過于樂觀了，那么，給數據庫多一點提示吧。
為了跳過排序這一步，我們并不需要其它另外的索引，只要將查詢語句稍微改一下。這里用的是postgres，我們將給該數據庫一個額外的提示--在 ORDER BY語句中，加入where語句中的字段。這只是一個技術上的處理，并不是必須的，因為實際上在另外兩個字段上，并不會有任何的排序操作，不過如果加入，postgres將會知道哪些是它應該做的。
EXPLAIN SELECT * FROM mytable
WHERE category_id=1 AND user_id=2
ORDER BY category_id DESC,user_id DESC,adddate DESC;
NOTICE: QUERY PLAN:
Index Scan Backward using
mytable_categoryid_userid_addda on mytable
(cost=0.00..2.02 rows=1 width=16)
EXPLAIN
現在使用我們料想的索引了，而且它還挺聰明，知道可以從索引后面開始讀，從而避免了任何的排序。
以上說得細了一點，不過如果你的數據庫非常巨大，并且每日的頁面請求達上百萬算，我想你會獲益良多的。不過，如果你要做更為復雜的查詢呢，例如將多張表結合起來查詢，特別是where限制字句中的字段是來自不止一個表格時，應該怎樣處理呢？我通常都盡量避免這種做法，因為這樣數據庫要將各個表中的東西都結合起來，然后再排除那些不合適的行，搞不好開銷會很大。
如果不能避免，你應該查看每張要結合起來的表，并且使用以上的策略來建立索引，然后再用EXPLAIN命令驗證一下是否使用了你料想中的索引。如果是的話，就OK。不是的話，你可能要建立臨時的表來將他們結合在一起，并且使用適當的索引。
要注意的是，建立太多的索引將會影響更新和插入的速度，因為它需要同樣更新每個索引文件。對于一個經常需要更新和插入的表格，就沒有必要為一個很少使用的where字句單獨建立索引了，對于比較小的表，排序的開銷不會很大，也沒有必要建立另外的索引。
以上介紹的只是一些十分基本的東西，其實里面的學問也不少，單憑EXPLAIN我們是不能判定該方法是否就是最優化的，每個數據庫都有自己的一些優化器，雖然可能還不太完善，但是它們都會在查詢時對比過哪種方式較快，在某些情況下，建立索引的話也未必會快，例如索引放在一個不連續的存儲空間時，這會增加讀磁盤的負擔，因此，哪個是最優，應該通過實際的使用環境來檢驗。
在剛開始的時候，如果表不大，沒有必要作索引，我的意見是在需要的時候才作索引，也可用一些命令來優化表，例如MySQL可用"OPTIMIZE TABLE"。
綜上所述，在如何為數據庫建立恰當的索引方面，你應該有一些基本的概念了。
