具有70％空值的列的索引：使用空值还是空值？

Question

我们目前正在优化一个MySQL表（InnoDB），它可能会超过1亿行。

在一列中，我们存储IP地址（VARCHAR 45）。我们需要在此列上放置一个索引，因为我们必须能够检索每个特定IP地址的所有行。

但是，

70％的所有行都不会存储IP地址（空）。

我们的问题：我们应该将这些空值存储为NULL ，从而在此列上允许NULL（将为每一行添加1个字节）。 或我们不允许NULL并将那些空值存储为＆＃39;＆＃39; （空字符串）？

什么是最佳表现？

我们永远不必搜索空的行（=＆＃39;＆＃39;）或null（IS NULL），只搜索特定的IP地址（=＆＃39; 123.456.789.123＆＃39;。）

更新：SO上确实存在许多解决类似情况的问题。但是，有些答案似乎是矛盾的，或者说它依赖于＃34;我们将运行一些测试并在此处针对我们的具体方案发布我们的发现。

Answer 1

对于IPv4（旧格式，没有更多可用值）和IPv6，

View就足够了。

如果70％的值相同（''或NULL），优化器可能会搞砸。我建议您有另一张表格，其中包含IP和一张用于加入原始表格的ID。通过在第二个表中没有“空”IP，优化器更有可能“做正确的事情”。

有了这个，VARCHAR(39)可以用来查看是否有IP。

IPv6可以存储在BINARY（16）中以节省空间。

Answer 2

使用NULL值。 InnoDB没有NULL的空间成本，NULL值从索引中排除，因此您可以更快地查找存在的值。

至于你如何存储IP本身（字符串verus编号），这似乎是一个不那么重要的优化点。

Answer 3

NULL和空字符串之间的主要区别与 比较值。两个空字符串被认为是相等的。两个NULL 价值观不是。例如，如果要基于连接两个表 IP值列，对于NULL和结果将是完全不同的 空字符串，很可能你想要NULL的行为。

如果您只想搜索特定的IP地址，请使用NULL 或空字符串应该无关紧要。如果索引IP值列， 优化器将从InnoDB获得估计数量 具有特定值的行。一般统计数量 在这种情况下，不会使用每个值的行数。

当70％时，避免使用NULL值将为1亿行节省30 MB 的行是NULL。 （对于值为空字符串的行， 你不会保存任何空间，因为你需要一个字节来存储 而不是长度信息。）与存储时可以节省的相比 IP值作为二进制字符串，这没什么，我不这么认为 存储开销是一个有效的问题。