JAVA与数据库：为数据库建立索引

　　就象许多的PHP开发者一样，在刚开始建立动态网站的时候，我都是使用相对简单的数据结构。PHP在连接数据库方面的确实是十分方便（译者注：有些人认为 PHP在连接不同数据库时没有一个统一的接口，不太方便，其实这可以通过一些扩展库来做到这一点），你无需看大量的设计文档就可以建立和使用数据库，这也是PHP获得成功的主要原因之一。

　　前些时候，一位颇高级的程序员居然问我什么叫做索引，令我感到十分的惊奇，我想这绝不会是沧海一粟，因为有成千上万的开发者（可能大部分是使用MySQL的）都没有受过有关数据库的正规培训，尽管他们都为客户做过一些开发，但却对如何为数据库建立适当的索引所知较少，因此我起了写一篇相关文章的念头。

　　最普通的情况，是为出现在where子句的字段建一个索引。为方便讲述，我们先建立一个如下的表。

[code]　　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
　　);[/code]

　　很简单吧，不过对于要说明这个问题，已经足够了。如果你在查询时常用类似以下的语句：

[code]　　　SELECT * FROM mytable WHERE category_id=1;[/code]

　　最直接的应对之道，是为category_id建立一个简单的索引：

[code]　　　CREATE INDEX mytable_categoryid
　　　　　ON mytable (category_id);[/code]

　　OK，搞定？先别高兴，如果你有不止一个选择条件呢？例如：

[code]　　　SELECT * FROM mytable WHERE category_id=1 AND user_id=2;[/code]

　　你的第一反应可能是，再给user_id建立一个索引。不好，这不是一个最佳的方法。你可以建立多重的索引。

[code]　　CREATE INDEX mytable_categoryid_userid ON mytable (category_id,user_id);[/code]

　　注意到我在命名时的习惯了吗？我使用"表名_字段1名_字段2名"的方式。你很快就会知道我为什么这样做了。

　　现在你已经为适当的字段建立了索引，不过，还是有点不放心吧，你可能会问，数据库会真正用到这些索引吗？测试一下就OK，对于大多数的数据库来说，这是很容易的，只要使用EXPLAIN命令：

[code]　　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[/code]

以上是postgres的数据，可以看到该数据库在查询的时候使用了一个索引（一个好开始），而且它使用的是我创建的第二个索引。看到我上面命名的好处了吧，你马上知道它使用适当的索引了。


　　接着，来个稍微复杂一点的，如果有个ORDER BY字句呢？不管你信不信，大多数的数据库在使用order by的时候，都将会从索引中受益。

[code]　　　SELECT * FROM mytable
　　　　WHERE category_id=1 AND user_id=2
　　　　　ORDER BY adddate DESC;[/code]

有点迷惑了吧？很简单，就象为where字句中的字段建立一个索引一样，也为ORDER BY的字句中的字段建立一个索引：

[code]　　　CREATE INDEX mytable_categoryid_userid_adddate
　　　　　ON mytable (category_id,user_id,adddate);[/code]

　　　注意: "mytable_categoryid_userid_adddate" 将会被截短为

[code]　　 "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[/code]

　　看看EXPLAIN的输出，好象有点恐怖啊，数据库多做了一个我们没有要求的排序，这下知道性能如何受损了吧，看来我们对于数据库的自身运作是有点过于乐观了，那么，给数据库多一点提示吧。

　　为了跳过排序这一步，我们并不需要其它另外的索引，只要将查询语句稍微改一下。这里用的是postgres，我们将给该数据库一个额外的提示--在 ORDER BY语句中，加入where语句中的字段。这只是一个技术上的处理，并不是必须的，因为实际上在另外两个字段上，并不会有任何的排序操作，不过如果加入， postgres将会知道哪些是它应该做的。

[code]　　　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[/code]

??现在使用我们料想的索引了，而且它还挺聪明，知道可以从索引后面开始读，从而避免了任何的排序。

??以上说得细了一点，不过如果你的数据库非常巨大，并且每日的页面请求达上百万算，我想你会获益良多的。不过，如果你要做更为复杂的查询呢，例如将多张表结合起来查询，特别是where限制字句中的字段是来自不止一个表格时，应该怎样处理呢？我通常都尽量避免这种做法，因为这样数据库要将各个表中的东西都结合起来，然后再排除那些不合适的行，搞不好开销会很大。

　　如果不能避免，你应该查看每张要结合起来的表，并且使用以上的策略来建立索引，然后再用EXPLAIN命令验证一下是否使用了你料想中的索引。如果是的话，就OK。不是的话，你可能要建立临时的表来将他们结合在一起，并且使用适当的索引。

　　要注意的是，建立太多的索引将会影响更新和插入的速度，因为它需要同样更新每个索引文件。对于一个经常需要更新和插入的表格，就没有必要为一个很少使用的where字句单独建立索引了，对于比较小的表，排序的开销不会很大，也没有必要建立另外的索引。

　　以上介绍的只是一些十分基本的东西，其实里面的学问也不少，单凭EXPLAIN我们是不能判定该方法是否就是最优化的，每个数据库都有自己的一些优化器，虽然可能还不太完善，但是它们都会在查询时对比过哪种方式较快，在某些情况下，建立索引的话也未必会快，例如索引放在一个不连续的存储空间时，这会增加读磁盘的负担，因此，哪个是最优，应该通过实际的使用环境来检验。

　　在刚开始的时候，如果表不大，没有必要作索引，我的意见是在需要的时候才作索引，也可用一些命令来优化表，例如MySQL可用"OPTIMIZE TABLE"。

　　综上所述，在如何为数据库建立恰当的索引方面，你应该有一些基本的概念了。