与数据库索引的写入相比的读取数

Question

众所周知，如果您有大型表并且读取次数多于写入，则数据库索引才有意义，因为索引的创建会导致额外的写入开销，因为数据库中的每个修改也会导致索引的修改。

如果我们假设数据库的索引结构是 a）B +树 b）哈希表 读取次数与实现数据库索引开始有意义的写入次数相比，经验法则是什么？

有关数据库索引如何工作的信息，请查看How does database indexing work?

Answer 1

这里涉及很多因素。例如，缓存中的索引数据是？缓存中的数据块是什么？查询检索了多少行？桌子上有很多行等等  我多次被问过这个问题（或其变体）。我不愿提供数字，而是提供一些信息，以便提出问题的人可以做出明智的决定。这是信封的背面＆＃34;具有一些陈述假设的计算示例。

1. 假设该表有100M行
2. 假设一行平均为200字节
   • 表示表消耗大约19GB（忽略任何压缩）
3. 让我们假设索引已完全缓存并且时间为零
4. 让我们假设必须从磁盘读取数据，每次读取5ms
5. 让我们假设您的IO子系统可以以10 GB / s的速度提供数据

6. 让我们假设您需要从表中读取50,000行。让我们假设这些行是分散的，这样两行所需的行就存在于同一个块中。

   好的，现在我们可以做一些数学。

   场景1.使用索引

   • 索引读取为零时间
   • 数据块读取：25,000块@ 5ms，每块为125秒

   场景2.扫描表

   • 以10GB / s扫描的19GB是2s

   因此，在这种情况下，扫描数据要比使用索引快得多。

Answer 2

费用公式

没有

• insert：O（1）
• 搜索O（n）
• 成本搜索= n db查找操作
• cost insert = db insert

a）b阶b +树

• insert：O（log n）
• 搜索：O（log n）
• 费用搜索= log_b n查找操作+数据库查找
• cost insert = log_b n lookup operations + db insert
• 随着顺序的增加，查找操作的数量会减少，但每次查找操作的成本会增加

b）Hashtable

• insert：O（1）
• 搜索：O（1）
• 成本搜索=哈希计算[发生冲突时+额外的桶] + db lookup
• 成本插入=哈希计算[发生碰撞时+额外的桶] + db insert

n = 1000时的费用

没有

• 成本搜索= 1000 db查找操作
• 成本插入= 1 db insert

a1）2阶B +树

• 成本搜索= 10次查找操作+ 1次db查找
• 成本插入= 10个查找操作+ 1个数据库插入

a2）订单10的B +树

• 成本搜索= 3次查找操作+ 1次db查找
• 成本插入= 3次查找操作+ 1 db插入

b）Hashtable

• 成本搜索=哈希计算[发生冲突时+额外的桶] + db lookup
• 成本插入=哈希计算[发生碰撞时+额外的桶] + db insert

n = 1000000时的费用

没有

• 成本搜索= 1000000 db查找操作
• 成本插入= 1 db insert

a1）2阶B +树

• 成本搜索= 20次查找操作+ 1次db查找
• 成本插入= 20个查找操作+ 1个数据库插入

a2）订单10的B +树

• 成本搜索= 6次查找操作+ 1次db查找
• 成本插入= 6次查找操作+ 1次插入

b）Hashtable

• 成本搜索=哈希计算[发生冲突时+额外的桶] + db lookup
• 成本插入=哈希计算[发生碰撞时+额外的桶] + db insert

通过为随后的点击命中硬件缓存，可以获得相当大的成本收益。确切的收益取决于您的数据库安装的硬件。

成本并非易于比较。哈希计算通常比查找更昂贵，但随着n变大，它保持不变。 B树查找和顺序DB查找可能会遇到硬件缓存（由于加载了整个块）。

表越大，获得索引就越重要（参见n = 1000和n = 1000000的成本）。因此，写入与读取的数量将随着表的大小而变化。

您还应该考虑具体的问题。例如，在B树的情况下，不会对哈希表进行排序。因此，如果查询需要获取最小值和最大值之间的所有值，则B树的性能优于散列表（良好的散列均匀分布）。

通常，您必须衡量在实践中使用的查询和插入的性能。您可以在没有索引的情况下启动，然后在需要时添加一个索引。可以在以后添加索引，而无需使用数据库更改程序的查询（但查询的响应时间会发生变化，如果使用索引，读取速度会变快，写入速度会变慢）。

如果您处于加载操作且具有大量插入后跟一段读取的特定情况，您可以暂时关闭索引并在加载后重新计算它。

参考文献：

B树与哈希表：

https://cs.stackexchange.com/questions/270/hash-tables-versus-binary-trees

高速缓存

http://www.moreprocess.com/devices/computer-memory-hierarchy-internal-register-cache-ram-hard-disk-magnetic-tape

Answer 3

使用数据库的关键通常是减少在数据中查找内容所花费的时间，因此它是关于＆＃34;阅读＆＃34;。我非常确定90％的人使用数据库来阅读＆＃34;如果不是100％。

让我们想起几个案例：

• 只写，不读：重点是什么？只是为了备份？好吧， 备份将在恢复时用于读取。
• 许多写作，很少读取：我无法想到这种情况，但是当你遇到这种情况时，你更重视哪一个？迅速提出数据？或者您保存数据的速度有多快？如果您重视数据的保存速度，那么您可以删除索引并进行夜间运行以显示数据（我确定它足够大，需要夜间运行来总结数据，考虑到速度有多快数据正在被保存），因此你有近乎实时的写入，以及H + 1或更多的后期数据读取，这引起了质疑：具有这种配置的重点是什么？
• 少量写入，多次读取：这是最常见的情况
• 没有写入，只有读取：100％你不能产生这种情况，没有写入然后要读什么？

对不起我的英语，希望有所帮助