tencent cloud

TDSQL-C MySQL 版

动态与公告
产品动态
产品公告
新手指引
产品简介
产品概述
产品优势
应用场景
产品架构
产品规格
实例类型
产品功能列表
数据库版本
地域和可用区
常用概念
使用限制
使用规范建议
自研内核
内核概述
内核版本更新动态
内核优化版本
功能类特性
性能类特性
安全类特性
稳定性特性
分析引擎特性
内核问题检查与修复
购买指南
计费概述
产品价格
创建集群
变配说明
续费说明
欠费说明
退费说明
按量转包年包月
按量转 Serverless
增值服务计费说明
查看费用账单
快速入门
数据库审计
简介
查看审计实例列表
开通审计服务
查看审计日志
日志投递
配置事后告警
修改审计规则
修改审计服务
关闭审计服务
审计规则模板
查看审计任务
授权子用户使用数据库审计
Serverless 服务
Serverless 简介
创建和管理 Serverless 版集群
弹性管理工具
Serverless 资源包
多可用区部署
配置变更
常见问题
Serverless 成本预估器
操作指南
操作总览
控制台切换集群页面视图
数据库连接
实例管理
配置变更
实例形态管理
集群管理
只读实例管理
数据库代理
账号管理
数据库管理
数据库管理工具(DMC)
参数配置
多可用区部署
全球数据库
备份与恢复
操作日志
迁移数据
并行查询
列存索引 CSI
分析引擎
数据库安全和加密
监控与告警
SQL 基本操作
使用 SCF 连接 TDSQL-C MySQL 版
标签
实践教程
TDSQL-C MySQL 版数据库审计等保实践
通过 DTS 升级数据库版本 MySQL5.7至8.0
TDSQL-C MySQL 版使用规范
新版本控制台
数据库代理多连接地址实现多 RO 组
数据库代理的优势
如何选择存储空间计费模式
通过 DTS 构建异地灾备
为集群创建 VPC
如何进行数据恢复
如何解决 CPU 使用率高的问题
如何授权子用户查看监控
白皮书
安全白皮书
性能白皮书
故障处理
连接相关
性能相关
API 文档
History
Introduction
API Category
Making API Requests
Instance APIs
Multi-Availability Zone APIs
Other APIs
Audit APIs
Database Proxy APIs
Backup and Recovery APIs
Parameter Management APIs
Billing APIs
serverless APIs
Resource Package APIs
Account APIs
Performance Analysis APIs
Data Types
Error Codes
常见问题
基础概念
购买与计费
兼容与格式
连接与网络
功能特性
控制台操作
数据库表
性能与日志
数据库审计
TDSQL-C MySQL 版和云数据库 MySQL 有什么区别
相关协议
服务等级协议
服务条款
TDSQL-C 政策
隐私政策
数据处理和安全协议
通用参考
标准与认证
词汇表
联系我们

列存二级索引

PDF
聚焦模式
字号
最后更新时间: 2026-02-05 14:47:05

索引介绍

索引是数据库查询加速的一项重要能力。为充分满足不同用户的查询需求、提升整体数据库性能,只读分析引擎全面支持了基于列存的二级索引能力。目前只读分析引擎支持的索引有三种类型:Zonemap Index、Bloom Filter Index、Bitmap Index。
通常来说,建立索引对高基数列且低选择率的谓词查询,能大幅减少查询数据量,从而显著优化查询速度。
注意:
目前仅2.2410.4.0及以后的版本支持索引创建语句的能力,同时创建索引需要用户具备 INDEX 权限,如需使用该能力,请先为账号添加此权限。
列存二级索引功能仅针对“只读分析引擎”生效,分析集群不支持该功能。

Zonemap Index

Zonemap Index 属于系统内置索引,用户无需对其特别关注。它会自动维护每一列的统计信息,会针对每一个数据块记录其最大值、最小值以及是否有 NULL 等信息。
对于等值查询、范围查询、IS NULL 这些场景,可以使用最大值、最小值等信息来判断数据文件和数据块是否包含满足条件的数据。如果不包含则跳过不读对应的文件或数据块。通过这种方式,能够减少不必要的 I/O 操作,从而有效加速查询过程。

Bloom Filter Index

Bloom Filter Index 是基于 Bloom Filter 的一种跳数索引。它的原理是利用 Bloom Filter 跳过等值查询指定条件不满足的数据块,以达到减少 I/O,查询加速的效果。
Bloom Filter 是由 Bloom 在1970年提出的一种多哈希函数映射的快速查找算法。通常应用在一些需要快速判断某个元素是否属于集合,但是并不严格要求100%正确的场景,Bloom Filter 具备以下特点:
空间效率高的概率型数据结构,用来检查一个元素是否在一个集合中。
对于一个元素检测是否存在的调用,Bloom Filter 会告诉调用者两个结果之一:可能存在或者一定不存在。

适用场景

Bloom Filter Index 能够对等值查询(包括 = 和 IN)加速,对高基数字段效果比较好。

限制条件

Bloom Filter Index 对 = 和 IN 之外的查询没有效果,比如 !=,NOT INT,>,< 等。
Bloom Filter Index 仅支持:最大长度为256的 INT 类型、String 类型、最大长度为256的 Decimal 类型、Time、Date、DateTime 字段类型。
不支持对表达式创建索引,也不支持多列联合索引。
单主键列或者多字段联合主键中的第一列不支持创建 Bloom Filter Index。

使用索引

在执行 SQL 时,如果 where 条件中的等值谓词或者 IN 谓词中的字段创建了 Bloom Filter Index,那么查询时将自动应用索引进行查询加速。

相关命令

索引创建语句
CREATE INDEX IF NOT EXISTS 索引名称 USING BLOOM_FILTER ON 表名(列名);
索引删除语句
DROP INDEX 索引名称 ON 表名;
索引查询语句
SHOW CREATE TABLE 表名;

Bitmap Index

Bitmap Index 是用位图表示的索引,对列的每个键值建立一个位图。相对于其它索引,Bitmap Index 的优点是占用的存储空间非常小,创建和使用非常快,缺点是修改操作锁粒度大,不适合频繁更新的场景。

适用场景

适合建在值重复度高的列上,建议在100到100000之间,例如:职业、地级市等。重复度过高则对比其他类型的索引没有明显优势,重复度过低,则空间效率和性能会大大降低。
特定类型的查询例如 count、or、and 等逻辑操作只需要进行位运算。例如:通过多个条件组合查询,select count(*) from table where city = '南京市' and job = '医生' and Type = 'iphone' and gender ='男'。类似这种场景,如果在每个查询条件列上都建立了 Bitmap Index,则数据库可以进行高效的 bit 运算,能够精确定位到需要的数据,减少磁盘 I/O,并且筛选出的结果集越小,Bitmap Index 的优势越明显。
适用于即席查询、多维分析等分析场景。如果有一张表有100列,用户会使用其中的20个列作为查询条件(任意使用这20个列上的 N 的列),在这些列上创建20个 Bitmap Index,那么所有的查询都可以应用到索引。

不适用场景

值重复度低的列,例如:身份证号码、手机号码等。
重复度过高的列,例如:性别,可以建立 Bitmap Index,但不建议单独作为查询条件使用,建议与其他条件共同过滤。
经常需要更新修改的列。

限制条件

Bitmap Index 支持 =、!=、>、<、>=、<=、in、is null、is not null 等表达式,但多个谓词间只能是 and 连接。
Bitmap Index 仅支持:最大长度为256的 INT 类型、String 类型、最大长度为256的 Decimal 类型、Time、Date、DateTime 字段类型。
不支持对表达式创建索引,也不支持多列联合索引。
单主键列或者多字段联合主键中的第一列不支持创建 Bitmap Index。

相关命令

索引创建语句
CREATE INDEX IF NOT EXISTS 索引名称 USING BITMAP ON 表名(列名);
索引删除语句
DROP INDEX 索引名称 ON 表名;
索引查询语句
SHOW CREATE TABLE 表名;

帮助和支持

本页内容是否解决了您的问题?

填写满意度调查问卷,共创更好文档体验。

文档反馈