文章目錄

• • 1. 為什么需要索引
  • 2. 索引的需求定義
  • • 2.1 功能性需求
    • 2.2 非功能性需求
  • 3. 構建索引常用的數據結構
  • 4. 總結

索引這種常用的技術解決思路，底層往往會依賴哪些數據結構？

1. 為什么需要索引

實際的軟件開發(fā)中，它們的本質都可以抽象為“對數據的存儲和計算”。

• 存儲，增刪改查。一旦存儲的數據很多，性能就成了關注的重點
• “如何節(jié)省存儲空間、提高數據增刪改查的效率”，是設計的重點。不夸張地說，索引設計得好壞，直接決定了這些系統(tǒng)是否優(yōu)秀。

2. 索引的需求定義

2.1 功能性需求

• 數據是格式化數據還是非格式化數據？要構建索引的原始數據，類型有很多。分為兩類，一類是結構化數據，比如，MySQL數據；另一類是非結構化數據，比如網頁。對于非結構化數據，需要做預處理，提取出查詢關鍵詞，對關鍵詞構建索引。

• 數據是靜態(tài)還是動態(tài)？如果原始數據是靜態(tài)數據，不會有數據的增加、刪除、更新操作，所以，在構建索引的時候，只需要考慮查詢效率就可以了。大部分情況下，我們都是對動態(tài)數據構建索引，不僅要考慮到索引的查詢效率，還需要動態(tài)更新索引。

• 索引存儲在內存還是硬盤？存儲在內存，查詢速度比磁盤高。索引大的時候，內存有限，可能不得不將索引存在磁盤中。還可以一部分存在內存，一部分存在磁盤，兼顧內存消耗和查詢效率。

• 單值查找還是區(qū)間查找？

• 單關鍵詞查找還是多關鍵詞組合查找？比如，搜索引擎中構建的索引，既要支持一個關鍵詞的查找，比如“數據結構”，也要支持組合關鍵詞查找，比如“數據結構 & 算法”。對于多關鍵詞查詢來說，要分多種情況。像MySQL這種結構化數據的查詢需求，可以實現針對多個關鍵詞的組合，建立索引；對于像搜索引擎這樣的非結構數據的查詢需求，可以針對單個關鍵詞構建索引，然后通過集合操作，比如求并集、求交集等，計算出多個關鍵詞組合的查詢結果。

2.2 非功能性需求

• 不管是存在內存中還是磁盤中，索引對存儲空間的消耗不能過大。

• 考慮索引查詢效率的同時，還要考慮索引的維護成本。索引的目的是提高查詢效率，但是，基于動態(tài)數據集合構建的索引，還要考慮索引的維護成本。因為在原始數據動態(tài)增刪改的同時，也需要動態(tài)的更新索引。而索引的更新會影響到增刪改操作的性能。

3. 構建索引常用的數據結構

常用來構建索引的數據結構，就是講過的幾種支持動態(tài)數據集合的數據結構。比如，散列表、紅黑樹、跳表、B+樹。除此之外，位圖、布隆過濾器可以作為輔助索引，有序數組可以用來對靜態(tài)數據構建索引。

• 散列表增刪改查操作的性能非常好，時間復雜度是O（1）。一些鍵值數據庫，比如Redis、Memcache，就是使用散列表來構建索引的。這類索引，一般都構建在內存中。

• 紅黑樹作為一種常用的平衡二叉查找樹，數據插入、刪除、查找的時間復雜度是O（log n），也非常適合用來構建內存索引。Ext文件系統(tǒng)中，對磁盤塊的索引，用的就是紅黑樹。

• B+樹比紅黑樹來說，更適合構建存儲在磁盤中的索引。B+樹是多叉樹，對相同個數的數據構建索引，B+樹的高度要低于紅黑樹。查詢時，讀取B+樹索引，需要的磁盤IO次數更少。所以，大部分關系型數據庫索引，比如MySQL、Oracle，都是用B+樹來實現的。

• 跳表也支持快速添加、刪除、查找數據。而且，通過靈活調整索引結點個數和數據個數之間的比例，可以很好地平衡索引對內存的消耗及其查詢效率。Redis中的有序集合，就是用跳表來構建的。

• 布隆過濾器有一定的判錯率。盡管對于判定存在的數據，有可能并不存在，但是對于判定不存在的數據，那肯定就不存在。更大的特點，就是內存占用非常少。針對數據，構建一個布隆過濾器，存儲在內存中。要查詢時，先通過布隆過濾器，判定是否存在。如果判定數據不存在，就沒必要讀取磁盤中的索引了。對于數據不存在的情況，數據查詢就更加快速了。

• 有序數組也可被作為索引。如果數據是靜態(tài)的，可以把數據的關鍵詞抽取出來，組織成有序數組，然后利用二分查找來快速查找數據。

4. 總結

架構設計離不開數據結構和算法。要想成長為一個優(yōu)秀的業(yè)務架構師、基礎架構師，數據結構和算法的根基一定要打穩(wěn)。那些看似很驚艷的架構設計思路，實際上，都是來自最常用的數據結構和算法。

總結

以上是生活随笔為你收集整理的索引 Index -- 快速查找数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。