由索引引出简单实验几例 ***********************************************声明************************************************ 原创作品，出自 深蓝的blog 博客，欢迎转载，转载时请务必注明出处（http://blog.csdn.net/huangyanlong）。 表述有错误之处
由索引引出简单实验几例
***********************************************声明************************************************
原创作品，出自 “深蓝的blog” 博客，欢迎转载，转载时请务必注明出处（http://blog.csdn.net/huangyanlong）。
表述有错误之处，请您留言，不胜感激。
提醒：点击目录，更有助于您的查看。
*****************************************************************************************************
对之前的小例子重新归纳了一下，希望可以帮助对索引有进一步的理解。
【例1】数据量小不需建索引
//如果表的数据量很少，全表扫描和走索引成本相差很小，使用索引是不是就没有必要了。 实验操作： SQL> SELECT ENAME,JOB,SAL FROM SCOTT.EMP; //先找到一张小表以作实验，查看表中信息，只有14行 ENAME JOB SAL ---------- --------- ------ SMITH CLERK 800 ALLEN SALESMAN 1600 WARD SALESMAN 1250 JONES MANAGER 2975 MARTIN SALESMAN 1250 BLAKE MANAGER 2850 CLARK MANAGER 2450 SCOTT ANALYST 3000 KING PRESIDENT 5000 TURNER SALESMAN 1500 ADAMS CLERK 1100 JAMES CLERK 950 FORD ANALYST 3000 MILLER CLERK 1300 已选择14行。 SQL> SET AUTOTRACE ON SQL> SET AUTOTRACE TRACEONLY SQL> SELECT * FROM SCOTT.EMP WHERE ENAME='JAMES'; //全表扫描查找JAMES的信息 -------------------------------------------------------------------------- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time | -------------------------------------------------------------------------- | 0 | SELECT STATEMENT | | 1 | 38 | 3 (0)| 00:00:01 | |* 1 | TABLE ACCESS FULL| EMP | 1 | 38 | 3 (0)| 00:00:01 | -------------------------------------------------------------------------- SQL> CREATE INDEX IND_EMP_ENAME ON SCOTT.EMP(ENAME); //为ENAME列建索引 SQL> SELECT * FROM SCOTT.EMP WHERE ENAME='JAMES'; //走列索引查找JAMES的信息 -------------------------------------------------------------------------------- | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time | ------------------------------------------------------------------------------- | 0 | SELECT STATEMENT | | 1 | 38 | 2 (0)| 00:00:01 | | 1 | TABLE ACCESS BY INDEX ROWID| EMP | 1 | 38 | 2 (0)| 00:00:01 | |* 2 | INDEX RANGE SCAN | IND_EMP_ENAME | 1 | | 1 (0)| 00:00:01 | -------------------------------------------------------------------------------- //全表扫描成本是3%，走索引成本是2% //从以上实验发现，在表的数据量很小的情况下，全表扫描和走索引成本上相差不大。
【例2】全表扫描IO成本低于使用索引情况
**************************************************************************
举一个例子，不恰当的使用索引，比用全表扫描的的IO成本更加高。
**************************************************************************
解答：
思路：创建一组rowid是散落在多个表数据块中的索引，这样由于索引列数据的分布情况和索引中的顺序差异很大，致使通过全表扫表比走索引更能降低IO的使用成本。
操作如下：
SQL> CREATE TABLE TAB_HYL AS SELECT * FROM DBA_OBJECTS;
//创建了一个TAB_HYL表以作实验
SQL> ANALYZE TABLE TAB_HYL COMPUTE STATISTICS;
//分析这张TAB_HYL实验表
SQL> SELECT NUM_ROWS,BLOCKS FROM USER_TABLES WHERE TABLE_NAME ='TAB_HYL';
//查找出实验表上的行数、块数
NUM_ROWS BLOCKS
---------- ----------
72606 1033
SQL> SELECT 72606/1033 FROM DUAL;
//计算平均每个块中的行数为70行
72606/1033
----------
70.286544
SQL> DROP TABLE TAB_HYL PURGE;
//删除这张表，这张表就是为了计算出每块所占的行数，从而对其进行构建完成实验
SQL> CREATE TABLE TAB_HYL AS SELECT * FROM DBA_OBJECTS WHERE ROWNUM<=70;
//重新创建实验表让它装入70行形成第一个块
SQL> INSERT INTO TAB_HYL SELECT * FROM TAB_HYL;
//复制相同的70行插到实验表中,即实验表中共有140行数据，两个块
SQL> /
//再次执行相同操作，但此时基准的实验表为140行，因此第三次插入了140行数据，即现在实验表有280行数据
SQL> /
//按照上面的方法以下连续创建，形成多个块，让每个块中都有相同的键值而形成一组实验用的ROWID
SQL> /
SQL> /
SQL> /
SQL> /
SQL> COMMIT;
SQL> CREATE INDEX IND_H1 ON TAB_HYL(OBJECT_ID);
//创建实验表中OBJECT_ID列的索引，之后通过该列值进行查询，来说明查询的成本
SQL> ANALYZE TABLE TAB_HYL COMPUTE STATISTICS; //分析一下实验表
SQL> SELECT NUM_ROWS,BLOCKS FROM USER_TABLES WHERE TABLE_NAME ='TAB_HYL';
//查看一下此时实验表的行数、块数已经达到实验准备条件，可以开始试验了
NUM_ROWS BLOCKS
---------- ----------
8960 103
SQL> SET AUTOTRACE ON
SQL> SET AUTOTRACE TRACEONLY
//设定跟踪
SQL> SELECT * FROM TAB_HYL WHERE OBJECT_ID=70;
//通过上面创建了索引的列来查找，得到下面的分析结果，记住cpu的成本为30，并且数据库自动完成的是走全表扫描，说明数据库已经判断出什么方式查询，成本更低了。
----------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
----------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 128 | 10112 | 30 (0)| 00:00:01 |
|* 1 | TABLE ACCESS FULL| TAB_HYL | 128 | 10112 | 30 (0)| 00:00:01 |
----------------------------------------------------------------------
//之后我们人为让查询走索引再看一下分析结果。
SQL> SELECT /*+INDEX(TAB_HYL IND_H1)*/ * FROM TAB_HYL WHERE OBJECT_ID=70;
//强制查询走索引，输出一下结果，看到成本是102，要远高于全表扫描的成本（全表扫描是30，见上表）。
----------------------------------------------------------------------
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time
----------------------------------------------------------------------
| 0 | SELECT STATEMENT | | 128 | 10112 | 102(0)| 00:00:02 |
| 1 | TABLE ACCESS BY INDEX ROWID| TAB_HYL | 128 | 10112 | 102(0)| 00:00:02 |
|* 2 | INDEX RANGE SCAN | IND_H1 | 128 | | 1(0)| 00:00:01 |
----------------------------------------------------------------------
通过以上实验说明，当索引列数据的分布情况和索引中的顺序差异很大这种情况出现时，做索引范围扫描效率偏低。
【例3】构造表时集簇因子数分别为接近块数、接近行数
**************************************************************************
建两张表，各建一个索引。要求A表的索引集簇因子接近表块数，B表的索引集簇因子接近表行数。
**************************************************************************
（一）、创建A表：索引集簇因子接近表块数
操作：
SQL> CREATE TABLE TAB_HYL AS SELECT * FROM DBA_OBJECTS;
//先创建了一个TAB_HYL表以作实验源表，为了通过这个表分析出表中一个块所占的行数
SQL> ANALYZE TABLE TAB_HYL COMPUTE STATISTICS;
//分析这张TAB_HYL实验表
SQL> SELECT NUM_ROWS,BLOCKS FROM USER_TABLES WHERE TABLE_NAME ='TAB_HYL';
//查找出实验表上的行数、块数
NUM_ROWS BLOCKS
---------- ----------
72606 1033
SQL> SELECT 72606/1033 FROM DUAL;
//计算平均每个块中的行数为70行
72606/1033
----------
70.286544
SQL> DROP TABLE TAB_HYL PURGE;
//删除这张表
SQL> CREATE TABLE TAB_HYL AS SELECT * FROM DBA_OBJECTS WHERE ROWNUM<=70;
//重新创建实验表让它装入70行形成第一个块
SQL> INSERT INTO TAB_HYL SELECT * FROM TAB_HYL;
//复制相同的70行插到实验表中,即实验表中共有140行数据，两个块
SQL> /
//再次执行相同操作，但此时基准的实验表为140行，因此第三次插入了140行数据，即现在实验表有280行数据
SQL> /
//按照上面的方法以下连续创建，这是为了构造实验表的集簇因子
SQL> /
SQL> /
SQL> /
SQL> /
SQL> COMMIT;
SQL> CREATE TABLE TAB_A AS SELECT * FROM TAB_HYL ORDER BY OBJECT_ID;
//根据实验表创建出表A，表A是通过OBJECT_ID排序的，因此就得到了键值相同的分布较集中的块
SQL> CREATE INDEX IND_H1 ON TAB_A(OBJECT_ID);
//创建A表中OBJECT_ID列的索引
SQL> ANALYZE TABLE TAB_A COMPUTE STATISTICS;
//分析一下A表
SQL> SELECT NUM_ROWS,BLOCKS FROM USER_TABLES WHERE TABLE_NAME = 'TAB_A';
NUM_ROWS BLOCKS
---------- ----------
8960 102
SQL> SELECT BLEVEL,LEAF_BLOCKS,DISTINCT_KEYS,AVG_LEAF_BLOCKS_PER_KEY,CLUSTERING_FACTOR
2 FROM USER_INDEXES
3 WHERE INDEX_NAME = 'IND_H1';
//查看A表索引列的b-tree级别、叶的块数、不同的key值、平均每个key所占的叶块的数量、聚集的因子
BLEVEL LEAF_BLOCKS DISTINCT_KEYS AVG_LEAF_BLOCKS_PER_KEY CLUSTERING_FACTOR
------- ----------- ------------- ----------------------- -----------------
1 18 70 1 102
//得到了A表索引列的集簇因子数（102）与上面的A表的块数（102）是相同的。
（二）、创建B表：索引集簇因子接近表行数
操作：
SQL> CREATE TABLE TAB_HYL AS SELECT * FROM DBA_OBJECTS;//创建了一个实验表以作实验
SQL> ANALYZE TABLE TAB_HYL COMPUTE STATISTICS;//分析这张TAB_HYL实验表
SQL> SELECT NUM_ROWS,BLOCKS FROM USER_TABLES WHERE TABLE_NAME ='TAB_HYL';//查找出实验表上的行数、块数
NUM_ROWS BLOCKS
---------- ----------
72606 1033
SQL> SELECT 72606/1033 FROM DUAL;//计算平均每个块中的行数为70行
72606/1033
----------
70.286544
SQL> DROP TABLE TAB_HYL PURGE;//删除这张表
SQL> CREATE TABLE TAB_B AS SELECT * FROM DBA_OBJECTS WHERE ROWNUM<=70;//创建B表让它装入70行形成第一个块
SQL> INSERT INTO TAB_B SELECT * FROM TAB_B;//复制相同的70行插到B表中,即B表中共有140行数据，两个块
SQL> / //再次执行相同操作，但此时基准的B表为140行，因此第三次插入了140行数据，即现在B表有280行数据
SQL> / //按照上面的方法以下连续创建，这是为了构造B表的集簇因子
SQL> /
SQL> /
SQL> /
SQL> /
SQL> COMMIT;
SQL> CREATE INDEX IND_H2 ON TAB_B(OBJECT_ID);//创建B表中OBJECT_ID列的索引
SQL> ANALYZE TABLE TAB_B COMPUTE STATISTICS; //分析一下B表
SQL> SELECT NUM_ROWS,BLOCKS FROM USER_TABLES WHERE TABLE_NAME ='TAB_B';//查看一下此时B表的行数、块数
NUM_ROWS BLOCKS
---------- ----------
8960 103
SQL> SELECT BLEVEL,LEAF_BLOCKS,DISTINCT_KEYS,AVG_LEAF_BLOCKS_PER_KEY,CLUSTERING_FACTOR
2 FROM USER_INDEXES
3 WHERE INDEX_NAME = 'IND_H2';
//查看B表索引列的b-tree级别、叶的块数、不同的key值、平均每个key所占的叶块的数量、集簇因子
BLEVEL LEAF_BLOCKS DISTINCT_KEYS AVG_LEAF_BLOCKS_PER_KEY CLUSTERING_FACTOR
------- ----------- ------------- ----------------------- -----------------
1 18 70 1 7070
//B表索引列的集簇因子(7070)和B表中的行数(8960)相对接近.
【例4】有关索引监控
************************************************************************** 对一张表的索引开监控，看是否有使用到。 ************************************************************************** 会话A： SQL> ALTER INDEX IND_H1 MONITORING USAGE; //对上面练习中用到的IND_H1索引开监控 SQL> SELECT * FROM V$OBJECT_USAGE; //通过查看V$OBJECT_USAGE视图查看对IND_H1索引的监控信息，MON为YES代表已经开监控了，当前没有人用到 INDEX_NAME TABLE_NAME MON USE START_MONITORING END_MONITORING ------------------- ---------------------- --- --- ------------------- ------------------- IND_H1 TAB_A YES NO 03/18/2014 16:54:29 会话B： SQL> SET AUTOTRACE ON; //开监控，确认下面的操作是走索引的 SQL> SELECT * FROM TAB_A WHERE OBJECT_ID=70; //使用带索引列查询，分析结果如下 -------------------------------------------------------------------------------- | 0 | SELECT STATEMENT | | 128 | 10112 | 3 (0)| 00:0 0:01 | | 1 | TABLE ACCESS BY INDEX ROWID| TAB_A | 128 | 10112 | 3 (0)| 00:0 0:01 | |* 2 | INDEX RANGE SCAN | IND_H1 | 128 | | 1 (0)| 00:0 0:01 | -------------------------------------------------------------------------------- 会话A： SQL> SELECT * FROM V$OBJECT_USAGE; //再次通过V$OBJECT_USAGE视图查看对IND_H1索引的监控信息，MON为YES代表已经开监控了，USE为YES代表当前有人在使用 INDEX_NAME TABLE_NAME MON USE START_MONITORING END_MONITORING ------------------- ---------------------- --- --- ------------------- ------------------- IND_H1 TAB_A YES YES 03/18/2014 16:54:29
***********************************************声明************************************************
原创作品，出自 “深蓝的blog” 博客，欢迎转载，转载时请务必注明出处（http://blog.csdn.net/huangyanlong）。
表述有错误之处，请您留言，不胜感激。
提醒：点击目录，更有助于您的查看。
*****************************************************************************************************
解释InnoDB缓冲池及其对性能的重要性。Apr 19, 2025 am 12:24 AMInnoDBBufferPool通过缓存数据和索引页来减少磁盘I/O，提升数据库性能。其工作原理包括：1.数据读取：从BufferPool中读取数据；2.数据写入：修改数据后写入BufferPool并定期刷新到磁盘；3.缓存管理：使用LRU算法管理缓存页；4.预读机制：提前加载相邻数据页。通过调整BufferPool大小和使用多个实例，可以优化数据库性能。
MySQL与其他编程语言：一种比较Apr 19, 2025 am 12:22 AMMySQL与其他编程语言相比，主要用于存储和管理数据，而其他语言如Python、Java、C 则用于逻辑处理和应用开发。 MySQL以其高性能、可扩展性和跨平台支持着称，适合数据管理需求，而其他语言在各自领域如数据分析、企业应用和系统编程中各有优势。
学习MySQL：新用户的分步指南Apr 19, 2025 am 12:19 AMMySQL值得学习，因为它是强大的开源数据库管理系统，适用于数据存储、管理和分析。1）MySQL是关系型数据库，使用SQL操作数据，适合结构化数据管理。2）SQL语言是与MySQL交互的关键，支持CRUD操作。3）MySQL的工作原理包括客户端/服务器架构、存储引擎和查询优化器。4）基本用法包括创建数据库和表，高级用法涉及使用JOIN连接表。5）常见错误包括语法错误和权限问题，调试技巧包括检查语法和使用EXPLAIN命令。6）性能优化涉及使用索引、优化SQL语句和定期维护数据库。
MySQL：初学者的基本技能Apr 18, 2025 am 12:24 AMMySQL适合初学者学习数据库技能。1.安装MySQL服务器和客户端工具。2.理解基本SQL查询，如SELECT。3.掌握数据操作：创建表、插入、更新、删除数据。4.学习高级技巧：子查询和窗口函数。5.调试和优化：检查语法、使用索引、避免SELECT*，并使用LIMIT。
MySQL：结构化数据和关系数据库Apr 18, 2025 am 12:22 AMMySQL通过表结构和SQL查询高效管理结构化数据，并通过外键实现表间关系。1.创建表时定义数据格式和类型。2.使用外键建立表间关系。3.通过索引和查询优化提高性能。4.定期备份和监控数据库确保数据安全和性能优化。
MySQL：解释的关键功能和功能Apr 18, 2025 am 12:17 AMMySQL是一个开源的关系型数据库管理系统，广泛应用于Web开发。它的关键特性包括：1.支持多种存储引擎，如InnoDB和MyISAM，适用于不同场景；2.提供主从复制功能，利于负载均衡和数据备份；3.通过查询优化和索引使用提高查询效率。
SQL的目的：与MySQL数据库进行交互Apr 18, 2025 am 12:12 AMSQL用于与MySQL数据库交互，实现数据的增、删、改、查及数据库设计。1）SQL通过SELECT、INSERT、UPDATE、DELETE语句进行数据操作；2）使用CREATE、ALTER、DROP语句进行数据库设计和管理；3）复杂查询和数据分析通过SQL实现，提升业务决策效率。
初学者的MySQL：开始数据库管理Apr 18, 2025 am 12:10 AMMySQL的基本操作包括创建数据库、表格，及使用SQL进行数据的CRUD操作。1.创建数据库：CREATEDATABASEmy_first_db;2.创建表格：CREATETABLEbooks(idINTAUTO_INCREMENTPRIMARYKEY,titleVARCHAR(100)NOTNULL,authorVARCHAR(100)NOTNULL,published_yearINT);3.插入数据：INSERTINTObooks(title,author,published_year)VA
热AI工具
Undresser.AI Undress
人工智能驱动的应用程序，用于创建逼真的裸体照片
AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。
Undress AI Tool
免费脱衣服图片
Clothoff.io
AI脱衣机
AI Hentai Generator
免费生成ai无尽的。
热门文章
热工具
MinGW - 适用于 Windows 的极简 GNU
这个项目正在迁移到osdn.net/projects/mingw的过程中，你可以继续在那里关注我们。MinGW：GNU编译器集合（GCC）的本地Windows移植版本，可自由分发的导入库和用于构建本地Windows应用程序的头文件；包括对MSVC运行时的扩展，以支持C99功能。MinGW的所有软件都可以在64位Windows平台上运行。
SublimeText3汉化版
中文版，非常好用
EditPlus 中文破解版
体积小，语法高亮，不支持代码提示功能
Atom编辑器mac版下载
最流行的的开源编辑器
禅工作室 13.0.1
功能强大的PHP集成开发环境
