索引查找

   为了快速随机存取文件中的记录，可使用索引结构。不论是从字面意思来说，仍是从生活的其余领域来说，索引均可以被解释为快速定位。

一.汇集索引和非汇集索引

    1.汇集索引：包含记录的文件按照某个搜索码指定的顺序排序，那该搜索码对应的索引称为汇集索引；也称为主索引；

    2.非汇集索引：搜索码指定的顺序与文件中记录的物理顺序不一样的索引；也称为辅助索引；

这里“索引”是个抽象的概念，或者说是一个状态概念，而不是具体的某个索引文件；在某个搜索码上创建了索引，咱们就说某个属性有索引。因此说，记录文件和索引文件是不一样的概念，下面咱们来讲明

二.索引记录和索引顺序文件

    1.索引记录（索引项）是由一个搜索码值和指向具备该搜索码值得一个或多个记录的指针构成，是在某个搜索码上创建了索引以后生成的；

这里的指针指向的是磁盘空间（磁盘块的标识，标识磁盘块内内记录的块内偏移量）；

    2.索引顺序文件是指在某个搜索码上有汇集索引的文件；

因此能够说，索引记录是在记录文件（简单理解为一个表）的某个属性上创建了索引而生成的；

三.顺序索引的分类

    1.稠密索引：文件中每一个搜索码值都有一个索引记录；

    2.稀疏索引：相对于稠密索引，稀疏索引只为某些搜索码值创建索引记录；在搜索时，找到其最大的搜索码值小于或等于所查找记录的搜索码值的索引项，而后从该记录开始向后顺序查询直到找到为止。

分状况看利弊，若是记录量适中，用稠密索引能够得到较好的响应时间；

若是记录量不少，百万级的，用稠密索引，索引（文件）自己就很难以去维护，由于搜索索引时的跨磁盘块数就相当重要（由于处理数据库请求的主要时间开销就是把块从磁盘读到主存的时间），而索引在磁盘上以顺序文件存储，对数量不少的索引记录的查询就会涉及到多个块，这是咱们不但愿的。可是对每一个块创建稀疏索引已是公认的利远远大于弊的作法。

对于上述庞大稠密索引的解决办法之一就是创建多级索引，因而就引出了B+树索引的理念。两个概念很像，可是也有不一样；

四.B+树索引

索引顺序文件组织最大的缺点就在于，随着文件的增大，索引查找性能和数据扫描性能都会降低。

B+树索引结构是使用最为普遍的，在数据插入和删除的状况下仍能保持执行效率的几种索引结构之一。

B+树索引中的B就是Balance，顾名思义，平衡树，是B树的一种变形；

B+树索引虽然在有数据插入和删除时效率不高，可是，用本身的话来讲，就是B+树能作到一步到位，一劳永逸，加上其在查找上的高效，因此才能受到追捧。

上图是一个B+树示意图，叶子节点直接存储记录，在搜索时按照稀疏索引的搜索方法，找到大于最小（至关于小于等于）的那个节点，一级一级往下搜索。

关于B+树的增删致使的节点变更这里再也不说了，具体内容可参照数据结构。

五.散列索引

　　顺序文件组织的一个缺点是咱们必须访问索引结构来定位数据，或者使用二分搜索，致使过多的I/O，基于散列的文件组织使咱们可以避免访问索引结构，直接定位数据。

      散列技术大致上是依赖散列函数，把搜索码值直接映射到磁盘（桶）上的一系列操做；这是一种文件系统中的文件组织和管理技术。

      桶（bucket）表示能存储一条或多条记录的一个存储单位；一般一个桶就是一个磁盘块。

      散列函数应该具备的性质：

      1.使搜索码分布均匀；

      2.使搜索码随机分布；即在通常状况下，每一个桶分配到的搜索码不该该与搜索码值以外的任何可见排序相关，而且分配到每一个桶的搜索码数目应该几乎相同。

例如，若是咱们把某些商标或名字的首字母映射到对应的26个桶中，这个映射就不符合上述性质，由于不少人倾向于取前几个字母做为名字的首字母，这样就致使数据的分布不均；

一.静态散列

    这种散列技术在数据库设计初期就肯定了散列函数和桶的数量；这就是所谓的静态；

    一个紧临的问题就是，若是在数据库壮大的过程当中桶或桶内空间不够用了怎么办？这就是牵扯到桶溢出处理，桶溢出的发生可能有一下几个缘由；

    1.桶不足：桶的数目小于记录总数/一个桶能存放的记录数；

    2.偏斜：某些桶分配到的记录比其余桶多，因此即便其余同仍有空间，某个通仍多是溢出的。

为了减小第一种可能，通常多取20%的桶。至于第二种可能，咱们用溢出桶解决。溢出桶就是在已满的桶后面连接一个新的桶，从而把这个链上的全部桶当作是一个桶，在插入数据时向后顺延。

     静态散列索引将搜索码及其相应的指针组织成散列文件结构；具体的作法是，将散列函数做用于搜索码以肯定对应的桶，而后将此搜索码以及相应的指针存入此桶中。

     通常，使用散列索引来表示散列文件结构。因此，是一种文件结构。

二.动态散列

    这是一种从构建开始就与静态散列不一样的散列技术。

    首先来看静态散列存在的一个严重问题就是要固定桶地址集合，可是大多数数据库是随时间变大的，而三种解决方案也不尽人意：1.根据初始文件大小选择散列函数——将来的性能降低；2.根据预计文件大小选择散列函数——前期的空间浪费；3.周期性重组——重组期间数据库几乎不可用；

    动态散列即容许散列函数动态改变，以适应数据库的增大或缩小。可扩展散列是其中一种：