分布式数据库索引能力大调研

索引，是数据库中非常重要的一类对象。在数据库中增加索引，是常见的一种优化手段，特别是对于查询语句的优化，很多都可以通过增加索引方式来解决。在分布式数据库情况下，索引又有所不同，其较单机或集中式数据库在设计、管理、优化方面有一定的差异。本文针对国内主流的一些分布式数据库，针对索引功能做了个小调研，希望对大家能有所帮助。这里特别感谢来自奥神贝斯、平凯星辰、阿里云、腾讯云、金篆信科、万里开源老师的协助。

1. 索引概述

1).索引优点与缺点

索引作为一种可选的数据结构，可有效提升基于索引字段的查询性能，用户可根据业务自身需求进行选择。其优点非常明显，即在不修改SQL语句的前提下可以加速查询，其原理是因为通过扫描索引减少了对原表的访问，进而节省了查询IO，提升性能。但索引也不是什么“银弹”，其缺点非常明显，索引作为一种数据库的结构，只要占据存储空间并会导致数据维护成本的提高。此外，随着业务调整变化，原索引也需要人工维护。

2).分布式下索引特殊性

在分布式数据库中，数据是采用分片方式存储，即表中的数据存在在不同节点上。在索引中需要记录索引列及对应在原表中的位置，故其使用维护成本是比较高的。而且数据的拆分情况下，数据规模减少了很多，是否还需要通过索引加速访问也值得商榷。很多单机或集中式数据库迁移到分布式数据库时，其对应的索引策略是不建议直接平移过来，需要结合分片设计做单独考虑。

3).索引使用建议

如何更好地使用索引，有一些通用的建议：

• 索引建立，应遵循最左前缀原则。
• 尽量选择基数较高的字段，所谓索引字段。
• 为经常参加过滤、关联、排序的字段创建索引。
• 可以利用覆盖索引，有效避免回表操作。
  针对分布式数据库中的索引，有些不同的建议：
• 减少不必要的全局索引，因为其维护代价很高。
• 在数据分片下，数据规模进一步缩小，需考虑创建索引的必要性。

2. 索引能力大对比

近些年来，国内涌现出一大批分布式数据库产品，其架构不同、功能各异。用户在使用时，面临一个普遍问题就是选型，作为重要的考察功能之一，索引也是大家非常关注的一点。这里针对国内的一些主流分布式数据库在索引功能上的情况，做了个简单调研。

[1] TiDB中的索引都被认为是全局索引，故不存在本地索引说法

1).索引类型

这里谈的索引类型，是指索引是否有独立的数据分布模式。也就是说，索引是否是按照跟表相同的数据分布方式，还是自己独立一套。前者通常被称为本地索引、局部索引，后者则被称为全局索引、二级索引等。对于本地索引而言，由于其数据分布与表相同，因此如果想使用使用是需要配合分区键的，能精确定位到分区的场景。对于全局索引而言，则没有这个限制，可以按照非分区键的维度进行查询。通常全局索引也是使用在不包含分区键的多维度查询场景。当然其付出的代价也很大，每一笔数据都有可能会演化为跨机的分布式事务，对数据库的吞吐、延时等都会造成影响。这里可参考下网上一篇评测报告。因此通常建议严格区分场景，优先使用本地索引来解决，确实不能解决的再考虑全局索引，但也要严格控制全局索引的个数。从产品上来看，大部分分布式数据库产品都支持了全局索引，这也是为了迎合用户之前基于单机/集中式数据库的使用习惯。当然这里还是强调下，在分布式数据库中不能一味迁就原有的结构设计，为了获得性能与效率的平衡，是需要考虑在应用侧做些妥协的。这里需要注意的是 TiDB，因其数据天然具备的自动拆分特点，其索引都可被视为全局索引。

2).支持表类型

在分布式数据库中，索引支持在哪些表中创建。很多分布式数据库支持创建分区表(或叫分片表)，也支持创建非分区表。对应的索引是否支持在不同类型的表上创建。一般情况下，分区表上可以创建分区索引(可能是全局的或本地的)，非分区表没有创建分区索引的意义。从产品来看，大部分产品都支持在不同类型的表上创建索引。TiDB 因其自身技术设计，其表都为分区表，因此不涉及这个问题。

3).索引唯一性

唯一索引可以确保表中的某个字段(或组合)的唯一性。在分布式数据库中，由于数据分片存储，确保唯一性是个挺难的事。因此大多数情况下，唯一索引是包含分区键的组合索引，这样维护的代价相对较小。从产品上看，上述产品都支持了索引的唯一性。

4).索引列个数

索引字段可支持一个或多个。从产品上看，上述产品都支持单键索引和复合索引。

5).索引有序

索引作为一种有序的数据存储结构，可以按照数据升序顺序存储，也可以按降序存储，因此创建的索引就有升序索引和降序索引。在进行数据排序类访问时(如Order By)，可利用索引的有序性来提升访问性能。当访问操作需要按照不同于索引排序的方式访问时(如对索引列降序访问，但只存在升序索引)，有的数据库是可以利用升序索引来解决，有的则只能退化为表扫描方式解决。例如在MySQL 8.0中就支持“Backward index scan”来解决此问题。从产品来看，部分产品支持降序索引，部分产品还不支持。

6).特殊索引

除了常规的 BTree 索引外，有些数据库还支持特殊类型的索引，这里举例如空间索引和函数索引。前者是一种用于加速空间数据的查询的特殊索引类型，主要应用于地理信息系统（GIS）和空间数据处理领域；后者则是支持对函数或者表达式做索引。这些能力无疑会扩展索引的使用范围。从产品上看，厂商能力参差不齐，特别是针对空间索引。

7).其他能力

索引的其他能力，这里列举了几种常见的。一是索引提示，针对复杂数据访问场景或优化器尚不稳定时，提示是一种有效的应急/规避手段。上述产品也都支持了此功能。索引合并，是指 Index Merge 功能，大部分产品已经支持，少数产品还不行。索引可见性则是指优化器是否忽略该索引，这对于索引维护、系统优化有一定帮助，上述产品也都支持了。最后则是索引强一致，这也是对索引的最基本要求，也是数据库与中间件产品的差异，上述产品也都支持。