一、索引选择性是什么？
在数据库系统中，索引选择性（Index Selectivity）是衡量索引效率的重要指标。简单来说，它表示索引列中不同值的比例。选择性越高，意味着索引列的唯一性越强，查询时过滤的数据就越多，索引的效果也就越好。
举个例子，假设我们有一张用户表 users，其中包含 gender 和 user_id 两列：
gender列只有 "M" 和 "F" 两个可能的值，选择性很低。user_id列是唯一的，选择性为 1（最高）。
在这种情况下，user_id 上的索引会比 gender 上的索引更高效，因为前者能更精准地定位数据。
二、OceanBase 如何计算索引选择性？
OceanBase 提供了系统视图 __all_virtual_table_stat 和 __all_virtual_column_stat，可以用来查看表和列的统计信息，包括索引选择性。
示例：查询索引选择性
-- 查看表的统计信息（OceanBase 4.x 版本）
SELECT
table_id,
table_name,
row_count
FROM
__all_virtual_table_stat
WHERE
database_name = 'test_db';
-- 查看列的统计信息（包含不同值的数量）
SELECT
table_id,
column_name,
num_distinct
FROM
__all_virtual_column_stat
WHERE
database_name = 'test_db'
AND table_name = 'users';
通过 num_distinct 和 row_count，我们可以计算选择性：
选择性 = num_distinct / row_count
示例：计算 users 表的选择性
假设 users 表有 10000 行数据：
gender列有 2 个不同值，选择性 = 2 / 10000 = 0.0002（很低）。user_id列有 10000 个不同值，选择性 = 10000 / 10000 = 1（最高）。
这意味着，在 user_id 上建立索引更有价值。
三、如何优化索引选择？
1. 高选择性列优先
尽量在高选择性列上建立索引，例如唯一键、主键、或接近唯一的列（如手机号、邮箱）。
2. 组合索引的列顺序
如果是组合索引，应该把选择性高的列放在前面：
-- 假设 age 的选择性比 gender 高
CREATE INDEX idx_users_age_gender ON users(age, gender);
3. 避免在低选择性列上建索引
像 status、boolean 类型的列，通常只有几个可能的值，建立索引效果较差。
四、实际案例分析
假设我们有一个订单表 orders，包含以下字段：
order_id（主键）user_id（用户ID）status（订单状态：0-未支付, 1-已支付, 2-已取消）create_time（创建时间）
查询场景：
-- 高频查询：查找某个用户的所有订单
SELECT * FROM orders WHERE user_id = 1001;
-- 低频查询：查找某个状态的所有订单
SELECT * FROM orders WHERE status = 1;
索引建议：
user_id选择性较高，适合单独索引。status选择性低，不适合单独索引，但可以结合create_time建立组合索引：
CREATE INDEX idx_orders_status_time ON orders(status, create_time);
这样，查询 WHERE status = 1 AND create_time > '2024-01-01' 时可以利用索引。
五、注意事项
统计信息更新
OceanBase 不会实时更新统计信息，如果数据分布变化较大，需要手动收集：ANALYZE TABLE users COMPUTE STATISTICS;索引不是越多越好
每个索引都会增加写入开销，需要权衡查询和写入的需求。监控索引使用情况
可以通过EXPLAIN查看查询是否真正使用了索引：EXPLAIN SELECT * FROM users WHERE user_id = 1001;
六、总结
索引选择性是衡量索引效率的关键指标，OceanBase 的系统视图可以帮助我们量化评估。在实际应用中，应该：
- 优先在高选择性列上建立索引。
- 合理设计组合索引的列顺序。
- 避免在低选择性列上盲目建索引。
- 定期更新统计信息，确保优化器能做出正确决策。
通过合理利用索引选择性，可以显著提升查询性能，降低数据库负载。
评论