tencent cloud

云数据库 MySQL

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
数据库架构
隔离策略
经济型实例
产品功能列表
数据库实例
高可用性(多可用区)
地域和可用区
自研内核
内核概述
内核版本更新动态
功能类特性
性能类特性
安全类特性
稳定类特性
TXRocks 引擎
内核问题检查与修复
购买指南
计费概述
选型指南
购买方式
续费说明
欠费说明
退费说明
按量转包年包月
调整实例费用说明
备份空间收费说明
数据库审计计费说明
数据库代理商业化计费和活动说明
数据库代理计费周期说明
查看费用账单
快速入门
入门概述
创建 MySQL 实例
连接 MySQL 实例
SQL 洞察(原数据库审计)
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
SQL 审计规则(旧版)
查看审计任务
授权子用户使用数据库审计
MySQL 云盘版
MySQL 云盘版概述
创建 MySQL 云盘版实例
维护管理实例
查看实例监控
调整实例配置
其他功能相关操作
迁移或升级至 MySQL 云盘版
操作指南
使用限制
操作总览
维护管理实例
升级实例
CPU 弹性扩容
只读/灾备实例
数据库代理
数据库管理(DMC)
账号管理
参数配置
备份与回档
数据迁移
网络与安全
监控与告警
日志中心
只读分析引擎
标签
实践教程
腾讯云 MySQL 帮助实现 MySQL 5.7升级至 MySQL 8.0
MySQL 5.6升级到 MySQL 5.7方法和说明
云数据库 MySQL 数据库审计等保实践
构建全场景高可用架构
云数据库 MySQL 使用规范
应用程序配置自动重连功能
MySQL 主实例参数修改的影响
MyISAM 自动转换为 InnoDB 引擎限制
为云数据库 MySQL 创建 VPC
使用云数据库 MySQL 提高业务负载能力
两地三中心灾备建设
读写分离扩展云数据库 MySQL 性能
使用 DTS 将 InnoDB 数据迁移至 RocksDB
构建 LAMP 堆栈 Web 应用程序
构建 Drupal 网站
通过 Python 语言使用 MySQL API
主备实例查询数据不一致
白皮书
性能白皮书
安全白皮书
故障处理
连接相关
性能相关
实例数据同步延迟
设置大小写不敏感失败
通过命令获取 slow_query_log_file 失败
API 文档
History
Introduction
API Category
Instance APIs
调用方式
Data Import APIs
Database Proxy APIs
数据库审计相关接口
Security APIs
Task APIs
Backup APIs
Account APIs
Rollback APIs
Parameter APIs
Database APIs
Monitoring APIs
Log-related API
Data Types
Error Codes
常见问题
选型相关
计费相关
备份相关
回档相关
连接登录
参数修改
升级相关
账号权限
性能内存
运维相关
数据迁移
功能特性
控制台相关
日志相关
事件相关
数据库审计
实例切换影响
API 2.0 切换 3.0 指引
相关协议
服务等级协议
服务条款
通用参考
标准与认证
联系我们
词汇表

列存二级索引

PDF
聚焦模式
字号
最后更新时间: 2025-05-09 11:51:24

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,只读分析引擎从2.2410.1.0版本起(包含2.2410.1.0版本)支持基于列存的二级索引能力。
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。
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。
注意:
目前暂未放开自行创建索引的能力,如果您想要体验索引功能,请 提交工单

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。

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。

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