技术开发 频道

技术感悟:我对Oracle索引的理解

  在这篇文章里,给大家简单介绍一下本人对Oracle索引的理解,如有不妥的地方,请不吝指教。

  本文只讲最最平常最最简单的索引,就是以create index ix on tx(a,b,c);形式创建的索引,而不讲位图索引、反向键索引、倒序索引、基于函数的索引等等。其实呢,只要是基于B树的索引,不管是在Oracle, Mysql,还是其它数据库中,原理应当都是一样的。

  索引最重要的一个性质应该就是有序,索引中的每一项,是从左到右,从小到大,以严格的顺序排列好的。

  下面的讨论都以上面的索引ix(a,b,c)为例。

  把这棵索引的叶子节点画到纸上,大概是这样的:

  a1 a2 a3 ...... an

  b1 b2 b3 ...... bn

  c1 c2 c3 ...... cn

  上面这个3×n的矩阵,每一列代表了一条记录,同时这一列记录,也对应了表里的唯一一条记录。当然,在Oracle里,对于non-unique索引,需要补上rowid,才是真正唯一的。上面的索引相当于create unique index ix on tx(a,b,c,rowid); 我们把这个细节忽略掉。

  把每一列看作一个向量,vi = (ai, bi, ci),

  有序的含义就是:

  vi < vj iff i < j;

  vi < vj这么定义:

  (ai < aj) or (ai = aj and bi < bj) or (ai = aj and bi = bj and ci < cj)

  从这个基本性质,我们可以得到一些其它性质(为了打字方便,ai+k表示a(i+k),而不是a(i)+k):

  1) 如果ai, ai+1, ……, ai+k 都是相等的,那么,

  bi <= bi+1 <= …… <= bi+k

  2) 如果ai, ai+1, ……, ai+k是相等的,而且bi,bi+1, ……, bi+k也是相等的,那么

  ci <= ci+1 <= …… < ci+k

  但是从 ai, ai+1, ……, ai+k相等,我们得不到

  ci <= ci+1 <= …… <= ci+k这个结论。

  索引相关的很多问题,都和上面提到的这几个性质有关系。

  下面来看几个常见的查询:

  q1) select * from tx where a = :va and b = :vb;

  q2) select * from tx where b = :vb and c = :vc;

  q3) select * from tx where a = :va and c = :vc;

  q4) select * from tx where a = :va order by b;

  q5) select * from tx where a = :va order by b, c;

  q6) select * from tx where a = :va order by c;

  q7) select * from tx where a = :va order by b, c desc;

  q8) select * from tx where a = :va order by b desc, c desc;

  q9) select * from tx where a = :va and b <= :vb1

  qa) select * from tx where a = :va and b >= :vb

  qb) select * from tx where a = :va and c >= :vc

  qc) select * from tx where a = :va and b >= :vb order by c

  大家可以考虑一下这些查询各自会以怎样的方式执行,不同查询之间有什么区别?

  同样,为什么在索引字段上作了函数运算之后,索引不可用?

  考虑下面这个语句:

  select * from tx where f(a) = :vfa;

  首先,在字段 a上作了函数运算之后,排序的规则是否仍旧一样? a < b 与 f(a) < f(b)是否等价?

  其次,就算f(a)和a的排序规则一样,但是索引块中存的a, 但是你传给它的是经过了函数运算的值:vfa, 只有oracle知道函数f的反函数inv_f,并在vfa上做inv_f(:vfa)计算之后,才能通过索引的B树结果进行查找。

  当然,现实中f可能不是显示的,而是隐式的,如传入参数和字段类型不匹配的情况下,Oracle可能在字段上作函数运算。从语句上可能看不出索引字段上被做了函数运算,但Oracle内部已经在字段上运用了函数。这样也会导致索引不可用,这种情况下用hint强制使用索引也是没用的。

  通过dbms_xplan.display_cursor可以或许可以查看到这种隐式类型转换。

  通过v$sql_bind_metadata应当可以查看到每个绑定变量的类型,

  通过v$sql_bind_capture这个视图甚至可以看到每个绑定变量具体的值,不要把bind_capture和bind peek搞混哦,而且这里bind_cature也不会每绑定一次变量就capture一次,不然对执行量非常高,绑定频繁的语句,capture以同样频率进行的话,开销可能还是有点大的。

  上面讲到了索引的有序性,下面来讲讲索引另外一个有趣的性质,其实,我们完全可以把索引看作一张表,这张表包含和主表一样多的记录(如果不考虑null),只不过每条记录只有主表的部分字段,开个玩笑,我们是不是可以把索引叫做有序视图呢?或者精确一点,有序物化视图:)。

  那么,我在执行一些查询的时候,如果所有字段都包含在索引中,是不是只要访问索引就可以了呢?

  这些字段可以出现在select列表中,where条件中,order by字段中,也可以出现在两个表连接时的连接条件中。

  那么,根据业务的需求,我们是不是可以设计或调整索引以减少对主表的访问呢?或者,是不是可以适当的调整应用的设计或实现来满足索引呢?

  同时,考虑到索引的有序性,是不是可以利用索引来避免排序呢?

  当然,我们不能忽略null的存在。如果一条记录在索引中的所有字段上都是null的,那么oracle是不会索引这条记录的。比如如果记录ri的ai, bi, ci字段都是null的,索引中是找不到这条记录的。这会有什么问题呢?首先表中的记录和索引中的记录从数量上来说就不一样了。

  考虑一下Oracle会怎样执行下面这个查询:

  select count(*) from tx;

  这个呢,hint起作用了吗?

  select /*+ parallel(tx, 4) */ count(*) from tx;

  大家可以测试一下,怎样把count(*)这个操作并行化,从这里或许可以得到一些Oracle怎么处理hint的提示。

  最后,讲一下Oracle CBO计算索引访问成本的公式:

  cost =

  blevel +

  ceiling(leaf_blocks * effective index selectivity) +

  ceiling(clustering_factor * effective table selectivity)

  这个公式相信很多地方可以找到(我是从cost base oracle fundamentals这本书里copy出来的),简单说一下我自己对这个公式的理解:

  blevel是索引树的高度,

  leaf_blocks是索引的页子节点的个数,

  effective index selectivity (eis)怎么算呢?

  还是举几个例子,

  1. where a = :va and b = :vb c = :vc

  这里eis是 (selectivity a) * (selectivity b) * (selectivity c)

  2. where a = :va and c = :vc

  这里eis是 selectivity a

  3. where b = :vb and c = :vc

  这里eis是 1

  4. where a = :va and b >= :vb and c = :vc

  这里eis是 (selectivity a) * (selectivity range b)

  就是说按索引字段的顺序,第一个不在where条件中出现的字段,或者第一个做了范围运算的字段,之后出现的字段的selectivity是不能乘到effective index selectivity里去的。

  简单的说,ceiling(leaf_blocks * effective index selectivity)表示的是Oracle需要访问的索引叶子节点的个数。

  clustering_factor表示的是按索引的顺序,从头走到尾,需要访问多少次数据块。这里需要考虑到Oracle的一个优化:如果连续n条记录在同一个表块中,那么oracle认为只需要访问一次数据块。

  那么clustering_factor的值的范围就很容易确定了:cf >= table blocks and cf <= rows in index

  effective table selectivity,这个计算就容易了,把索引中所有字段的selectivity乘起来就可以了。

  如果查询中还有其它条件, 比如 d = :vd and e = :ve ....,但是d,e这些字段又不在索引中,那么在这些列上的过滤条件,需要回表后把这些值取出来才能判断,所以d,e这些列的selectivity是不能乘到effective table selectivity里去的。

  ceiling(clustering_factor * effective table selectivity)表示需要回表的次数。

  所以上面索引访问的cost就是走某个索引,需要访问的数据块的个数。

  当然,前面的讨论忽略了index skip scan这种情况,因为本人对index skip scan也不是很明白。

  什么情况下会走skip scan?

  select * from tx where a = :va and c = :vc 是不是会在c这个字段上也作一个skip scan呢?

  同时也没有考虑in list iterate,这些情况需要进一步研究。

0
相关文章