低基数列索引 VS 表开销

Posted 2023-04-18

【中文标题】低基数列索引 VS 表开销

【英文标题】：Low cardinality column index VS table overheads

【发布时间】：2013-08-14 18:29:50

【问题描述】：

我有一个包含 7 万行的表，计划在几个月内慢慢增长到大约 14 万行。

我有 4 个低基数列，其中包含 0/1 值，如 FALSE/TRUE。我的表开销（在优化之后）为 28 MB，表大小为 6 MB。我为这 4 列添加了 4 个单独的简单索引。我的开销降至 20 MB。

我知道索引低基数列（其中有很多行，但很少有不同的值）对查询的性能几乎没有影响，但我的开销下降了。如果没有这些索引，开销就会增加。我应该保持较低的开销还是应该保留可能毫无意义的索引？哪个对性能影响最大？

P.S.主要是读取表，负载可变，从每分钟数千次查询到每天数百次查询不等。写入主要是更新这 4 个布尔列或 1 个时间戳列。

【问题讨论】：

此时担心基数将是一个微优化。请参阅下面的答案。

【参考方案1】：

当您处理具有数千万行的表大小时，索引并非毫无意义，而且在处理您现在处理的表大小时，您只会看到查询性能的微小改进。

您最好将索引保持原样，然后重新考虑您的数据库架构。一个查询不应该使用 20+ MB 的内存，随着数据库的增长，它的性能只会滚雪球，变成更大的问题。

也就是说，从 70k 行跃升至 150k 行不是在您的典型 mysql 数据库中的巨大飞跃。如果性能已经是一个问题，那么这里已经存在一个更大的问题。例如，如果您在数据库中存储大型 blob，则最好将数据存储在文件中，并将其位置保存为表中的 varchar 字段。

另一件要考虑的事情是，如果您必须完全保持数据库架构的原样，那就是考虑对数据进行分区。您通常可以按 ID 或日期时间对表进行分区，并看到性能显着提高。

【讨论】：

我找不到合适的“MySQL InnoDB 开销”定义。我认为是除了表数据本身之外，磁盘上还存储了多少额外的数据，例如缓存和临时索引。我错了吗？那些 28 MB 的内存查询使用了吗？不久前我做了分区表，性能确实提高了（我现在有了这个，主表，表和另一个访问较少的数据，大小为 17 MB）。

你是对的！这里有一个提示：尝试在这些大查询之一之前执行“EXPLAIN EXTENDED”，以真正了解幕后发生的事情。此查询是否在执行全表扫描？您关于 SO 的下一个问题无疑是这些东西的含义，但重要的是要知道......要考虑的另一件事是数据是否首先被排序 - 即。按 X DESC 排序。首先对大数据进行排序将使用 MYSQL 中的文件排序引擎，这是另一个内存杀手。祝你好运！