UK Data Set

虽然索引的概念是基础，但“智能索引”不仅仅是在频繁查询的列上创建索引。它涉及一种战略性和整体性的方法，考虑查询模式、数据分布、存储成本和维护开销。智能索引旨在优化全部的查询工作量，而不仅仅是单个查询。
智能索引的关键原则：
了解您的工作量：这可以说是最关键的原则。如果你不知道，就无法有效地进行索引如何您的数据正在被访问。这涉及：


识别经常执行的查询：哪些查询运行最频繁？
分析查询模式：使用哪些列在哪里条款，加入 状况， 排序依据条款，以及分组依据条款？
了解数据更新模式：数据插入、更新或删除的频率是多少？高更新率可能会因维护开销而降低索引的效率。
了解数据分布：值是均匀分布还是高度 哥斯达黎加电话营销数据 倾斜？这会影响索引选择性。
选择正确的索引类型：数据库提供各种索引类型，每种类型适用于不同的场景：


B树索引（平衡树）：最常见且默认的索引类型。非常适合相等性搜索、范围搜索和排序。它们维护平衡的树结构，确保高效的查找（复杂度为 O(logN)）。
哈希索引：非常适合相等性查找（其中列 = '值'）。它们存储索引列的哈希值，提供极快的平均查找时间（O(1)）。但是，它们不适用于范围查询或排序。
位图索引：通常用于数据仓库或 OLAP 环境中，这些环境中的列基数较低（例如性别、状态等）。它们使用位图来表示值的存在与否，从而允许使用按位运算高效地组合多个条件。
全文索引：专为在大块文本数据中进行搜索而设计（例如，字符VARCHAR，文本使用关键词和语言规则来对列进行分类。
空间索引：用于地理或几何数据，实现基于位置的有效查询（例如，“查找一定半径内的所有点”）。
列存储索引：（特定于某些数据库，例如 SQL Server、Vertica）针对分析工作负载进行了优化，以列式格式存储数据。非常适合聚合大量数据。