数据库索引是一种数据结构，用于对数据库表中的一列或多列的值进行排序，以便快速访问表中的特定信息。索引的主要目的是加快检索表中数据的速度，提高系统的性能。可以将其类比为一本书的目录，通过目录可以快速定位到书中的特定章节，而无需逐页翻阅。 

索引通过维护一个有序的数据结构（如B树、哈希表等），使得数据库系统能够在查询时快速定位到所需的数据行。在创建索引时，数据库系统会为索引列创建一个额外的数据结构，该结构包含了指向实际数据行的指针。当执行查询操作时，数据库系统首先会在索引中查找匹配的记录，然后通过指针快速定位到实际的数据行。 

数据库索引的类型 

从加速的查询和原理来看，ApacheDoris的索引分为点查索引和跳数索引两大类。 

点查索引：常用于加速点查，原理是通过索引定位到满足WHERE条件的有哪些行，直接读取那些行。点查索引在满足条件的行比较少时效果很好。ApacheDoris的点查索引包括前缀索引和倒排索引： 

1、前缀索引：ApacheDoris按照排序键以有序的方式存储数据，并每隔1024行数据创建一个稀疏前缀索引。索引中的Key是当前1024行中第一行中排序列的值。如果查询涉及已排序列，系统将找到相关1024行组的第一行并从那里开始扫描。 

2、倒排索引：对创建了倒排索引的列，建立每个值到对应行号集合的倒排表。对于等值查询，先从倒排表中查到行号集合，然后直接读取对应行的数据，而不用逐行扫描匹配数据，从而减少I/O加速查询。倒排索引还能加速范围过滤、文本关键词匹配，算法更加复杂但是基本原理类似。（备注：之前的BITMAP索引已经被更强的倒排索引取代） 

跳数索引：常用于加速分析，原理是通过索引确定不满足WHERE条件的数据块，跳过这些不满足条件的数据块，只读取可能满足条件的数据块并再进行一次逐行过滤，最终得到满足条件的行。跳数索引在满足条件的行比较多时效果较好。ApacheDoris的跳数索引包括ZoneMap索引、BloomFilter索引、NGramBloomFilter索引： 

1、ZoneMap索引：自动维护每一列的统计信息，为每一个数据文件（Segment）和数据块（Page）记录最大值、最小值、是否有NULL。对于等值查询、范围查询、ISNULL，可以通过最大值、最小值、是否有NULL来判断数据文件和数据块是否可以包含满足条件的数据，如果没有则跳过不读对应的文件或数据块减少I/O加速查询。 

2、BloomFilter索引：将索引对应列的可能取值存入BloomFilter数据结构中，它可以快速判断一个值是否在BloomFilter里面，并且BloomFilter存储空间占用很低。对于等值查询，如果判断这个值不在BloomFilter里面，就可以跳过对应的数据文件或者数据块减少I/O加速查询。 

3、NGramBloomFilter索引：用于加速文本LIKE查询，基本原理与BloomFilter索引类似，只是存入BloomFilter的不是原始文本的值，而是对文本进行NGram分词，每个词作为值存入BloomFilter。对于LIKE查询，将LIKE的pattern也进行NGram分词，判断每个词是否在BloomFilter中，如果某个词不在则对应的数据文件或者数据块就不满足LIKE条件，可以跳过这部分数据减少I/O加速查询。 

各种类型索引特点对比 

倒排索引是什么 

倒排索引，是信息检索领域常用的索引技术，将文本分成一个个词，构建词->文档编号的索引，可以快速查找一个词在哪些文档出现。 

从2.0.0版本开始，Doris支持倒排索引，可以用来进行文本类型的全文检索、普通数值日期类型的等值范围查询，快速从海量数据中过滤出满足条件的行。 

在Doris的倒排索引实现中，Table的一行对应一个文档、一列对应文档中的一个字段，因此利用倒排索引可以根据关键词快速定位包含它的行，达到WHERE子句加速的目的。 

与Doris中其他索引不同的是，在存储层倒排索引使用独立的文件，跟数据文件一一对应、但物理存储上文件相互独立。这样的好处是可以做到创建、删除索引不用重写数据文件，大幅降低处理开销。 

倒排索引案例分享： 

倒排索引在数据仓库应用案例查看： 从Elasticsearch到SelectDB，观测云实现日志存储与分析的10倍性价比提升（https://www.selectdb.com/blog/122） 

#倒排索引#

原文链接： 数据库索引有哪几种类型，倒排索引是什么