第四章 索引结构.pptVIP

第四章 索引结构 Previous 数据元素的表示 字节序列表示数据项 固定格式定长记录的表示 变长记录的表示 记录首部和块首部 缓冲区管理 索引 一、顺序文件上的索引 顺序文件 记录按查找键排序 1、密集索引(Dense Indexes) 每个记录都有一个索引项 索引项按查找键排序 1、密集索引(Dense Indexes) 1、密集索引(Dense Indexes) 1、密集索引(Dense Indexes) 为什么使用密集索引？ 记录通常比索引项要大 索引可以常驻内存 要查找键值为K的记录是否存在，不需要访问磁盘数据块 2、稀疏索引(Sparse Indexes) 仅部分记录有索引项 一般情况：为每个数据块的第一个记录建立索引 2、稀疏索引(Sparse Indexes) 2、稀疏索引(Sparse Indexes) 有何优点？ 节省了索引空间 对同样的记录，稀疏索引可以使用更少的索引项 有何缺点？ 对于“是否存在键值为K的记录？”，需要访问磁盘数据块 3、多级索引(Multi-level Index) 索引上再建索引 二级索引、三级索引…… 3、多级索引(Multi-level Index) 3、多级索引(Multi-level Index) 多级索引的好处？ 一级索引可能还太大而不能常驻内存 二级索引更小，可以常驻内存 减少磁盘I/O次数 3、多级索引(Multi-level Index) 3、多级索引(Multi-level Index) 当一级索引过大而二级索引可常驻内存时有效 二级索引仅可用稀疏索引 思考：二级密集索引有用吗？ 一般不考虑三级以上索引 维护多级索引结构 有更好的索引结构——B＋树 二、辅助索引(Secondary Index) 主索引（Primary Index） 顺序文件上的索引 记录按索引属性值有序 根据索引值可以确定记录的位置 辅助索引 数据文件不需要按查找键有序 根据索引值不能确定记录在文件中的顺序 1、辅助索引概念 Name上创建了主索引，记录按name有序 Address上创建辅助索引 1、辅助索引概念 辅助索引只能是密集索引 稀疏的辅助索引有意义吗？ 1、辅助索引概念 2、辅助索引设计 2、辅助索引设计 问 题 重复键值怎么处理？ 3、辅助索引中的间接桶 Indirect Bucket 重复键值 采用密集索引浪费空间 间接桶 介于辅助索引和数据文件之间 3、辅助索引中的间接桶 4、倒排索引(Inverted Index) 应用于文档检索，与辅助索引思想类似 不同之处 记录?文档 记录查找? 文档检索 查找键? 文档中的词 思想 为每个检索词建立间接桶 桶的指针指向检索词所出现的文档 4、倒排索引(Inverted Index) 4、倒排索引(Inverted Index) Where we are？ 顺序文件上的索引结构 非顺序文件上的辅助索引 (Secondary Indexes) B+树 散列表 (Hash Tables) 三、B＋树 一种树型的多级索引结构 树的层数与数据大小相关，通常为3层 所有结点格式相同：n个值，n＋1个指针 所有叶结点位于同一层 适用于主索引，也可用于辅助索引 1、叶结点 2、中间结点 B＋树结点例子 3、B＋树查找 从根结点开始 沿指针向下，直到到达叶结点 在叶结点中顺序查找 4、B＋树插入 查找插入叶结点 若叶结点中有空闲位置（键），则插入 若没有空间，则分裂叶结点 叶结点的分裂可视作是父结点中插入一个子结点 递归向上分裂 分裂过程中需要对父结点中的键加以调整 例外：若根结点分裂，则需要创建一个新的根结点 B＋树插入例子 (a) Insert key = 32 B＋树插入例子 (b) Insert key = 7 B＋树插入例子 (c) Insert key = 160 B＋树插入例子 (d) New root, insert 45 5、B＋树删除 查找要删除的键值，并删除之 若结点的键值填充低于规定值，则调整 若相邻的叶结点中键填充高于规定值，则将其中一个键值移到该结点中 否则，合并该结点与相邻结点 合并可视作在父结点中删除一个子结点 递归向上删除 若删除的是叶结点中的最小键值，则需对父结点的键值加以调整 B＋树删除例子 (a) Simple delete Delete 30 B＋树删除例子 (b) Coalesce with sibling Delete 50 B＋树删除例子 (c) Redistribute keys Delete 50 6、B＋树的效率 访问索引的I/O代价＝树高（B＋树不常驻内存）或者0（常驻内存） 树高通常不超过3层，因此索引I/O代价不超过3（总代价不超过4） 通常情况下，根节点常驻内存，因此索引I/O