11、表的访问方式（索引）_1

表访问方式

对于oracle数据库来说：
1、数据库里面就是一张一张的表，表里是一行行的数据
2、最核心的工作就是用户往数据库里存表
3、修改表里的数据，删除数据
4、访问表里的数据

对于oracle数据库来说，最核心的就是对表的操作（访问表）

表的两种访问方式

以select为例，看select如何从表中取数据？

从表里取数据可以有两种方式：
1、全表扫描
2、走索引

1、全表扫描（filter）

以SQL语句：select name from t where id = 5；为例：
就是把t表里面的数据，从头到尾，全部访问一遍，每访问一行，都用id = 5去过滤（filter）一下，假设过滤了3行出来

因为有100万行，只取了3行出来，效率就很低

2、走索引（access）

索引

图解：
在表的某个列上建索引，比如：在id列上建索引：
1、就是把这个id列拿出来，把这个id列拿出来的同时，也把每个id对应的行的地址拿出来了，地址这一列叫做rowid；
2、把id列拿出来以后，进行排序（sort）；
排序有什么好处呢？
当查找条件id = 5时，在排好序的id列里面找，找到id = 5时，后面一个是6，就不往后面找了，因为后面不可能有5了，终点好确定，但是起点又不好确定了；这时候，如果id = 5在最后一行，就要把所有的扫描一遍，这样就不好了；
3、所以呢，我们在id这个列上建一棵树，我们要找id = 5的，就从根，找到其中一个分支（1~5的分支），然后再找到id = 5

走索引，就是通过索引来访问表（access），通过索引来访问表有两块成本：1、索引访问的成本，2、通过索引来访问表的成本

索引的特点：
1、有树
2、叶子是排好序的
3、带着rowid

现在感觉走索引效果好，其实呢，有时候全表扫描好，有时候走索引好，大体上有一个原则（这只是一个经验值，具体情况要具体对待）：
例：对于SQL语句：select name from t where id = 5；来说：
根据where id = 5这个条件，一般情况：
1、假设要访问的数据 <5%，t表里有100万行数据，id = 5的数据有100行，100/100万 <5%，这时候走索引效果最好；
2、然后呢，假设要访问的数据在5%~20%之间，100万行数据要取10万行，取10%的数据，这时候就要具体情况具体对待了；
3、再有，假设要访问的数据 >20%，100万行数据要取50万行，这时候全表扫面更好一些

集群因子（cluster factor）

集群因子反映的是：这个表在id列上的一个有序度：如果这个表在存储的时候，是按照id列的顺序来存储的，它的集群因子是最小的；如果这个表存储的时候，没有按id列的顺序来存储的，杂乱无章的，它的集群因子就很大了

集群因子还反映了：通过索引来访问表的成本，集群因子小的话，通过索引来访问表的成本就很低；集群因子很大的话，通过索引来访问表的成本就很高

集群因子的特点：
1、对每一个索引，都有一个集群因子
2、集群因子是一个数字
3、集群因子，最小等于表的块数
4、集群因子，最大等于索引的行数

怎么计算集群因子呢？

图解：
1、在数据库里面存储着表，表里有一行行的数据，其实，表的实际存储情况是：表存储在一个一个块里面，块有块的地址，行有行的地址；
2、把索引的id列扫描一遍，索引的第一行，集群因子等于0，根据rowid对应块里面的一行；然后，索引的第二行的rowid对应的行和索引第一行对应的行在同一个块里，集群因子再加上0；再然后，索引的第三行的rowid对应的行和索引第二行对应的行不在同一个块里，集群因子再加上1；以此类推......
3、集群因子也就是，把索引扫描一遍，然后比较下一行跟上一行所对应的行在不在同一个块里；如果，索引里面的下一行和上一行所对应的行在同一个块里，集群因子加上0；如果，索引里面的下一行和上一行所对应的行不在同一个块里，集群因子加上1；
4、假设id索引有100万行，表有10万个块，对于id列这个索引来说，它的集群因子：最小 = 10万，最大 = 100万，也就是集群因子，最小等于表的块数，最大等于索引的行数

计算访问表的成本

图解：
假设，SQL语句：select name from t where id = 5；中的t表100万行，id = 5的数据有1万行，这就是取1%的数据，这时候走索引效果更好，那么走索引的成本是多少呢？
1、根到分支再到索引，索引里面id = 5的数据有1万行，索引里面每一个块里有1000行，这就有10个块
2、然后呢，这个表的集群因子非常高，等于表的行数，这里取1万行，每一行对应一个块；
全表扫描的成本是多少呢？
假设表里有100万行数据，一个块里面有100行，那就是1万个块，这相对于走索引的10012个块来说，反而相对好一点

如果，假设集群因子很低呢？
走索引的成本是多少呢？1、索引访问的成本12个块是不变的，通过索引来访问表，这个表一共有10000个块，取1%的数据，通过索引来访问表的成本就是1/100*10000 = 100个块，所以最后需要的成本是112个块
对于全表扫描，还是需要1万个块，这时候走索引是最好的

记住：索引来访问表，这个索引的访问效率到底高不高呢，取决于几个点：
1、在索引里面到底返回多少行，比如：id = 5在索引里返回多少行，如果返回一行的话，效率就很好；
2、集群因子

通过索引来访问表，这个索引到底好不好，通过索引来访问表的效率高不高，取决于：
1、索引的选择性：t表有100万行，就返回1行，这时候就说索引的选择性很高，这个索引好
索引的选择性很高：唯一值的数量/索引的行数 = 100%
2、集群因子