数据库索引的主要种类

数据库索引好比是一本书前面的目录，能加快数据库的查询速度。索引分为聚簇索引和非聚簇索引两种，聚簇索引 是按照数据存放的物理位置为顺序的，而非聚簇索引就不一样了；聚簇索引能提高多行检索的速度，而非聚簇索引对于单行的检索很快。

根据数据库的功能，可以在数据库设计器中创建三种索引：唯一索引、主键索引和聚集索引。有关数据库所支持的索引功能的详细信息，请参见数据库文档。

提示：尽管唯一索引有助于定位信息，但为获得最佳性能结果，建议改用主键或唯一约束。

唯一索引 唯一索引是不允许其中任何两行具有相同索引值的索引。

当现有数据中存在重复的键值时，大多数数据库不允许将新创建的唯一索引与表一起保存。数据库还可能防止添加将在表中创建重复键值的新数据。例如，如果在employee表中职员的姓(lname)上创建了唯一索引，则任何两个员工都不能同姓。

主键索引

数据库表经常有一列或多列组合，其值唯一标识表中的每一行。该列称为表的主键。

在数据库关系图中为表定义主键将自动创建主键索引，主键索引是唯一索引的特定类型。该索引要求主键中的每个值都唯一。当在查询中使用主键索引时，它还允许对数据的快速访问。

聚集索引

在聚集索引中，表中行的物理顺序与键值的逻辑（索引）顺序相同。一个表只能包含一个聚集索引。

如果某索引不是聚集索引，则表中行的物理顺序与键值的逻辑顺序不匹配。与非聚集索引相比，聚集索引通常提供更快的数据访问速度。

索引列

可以基于数据库表中的单列或多列创建索引。多列索引可以区分其中一列可能有相同值的行。

如果经常同时搜索两列或多列或按两列或多列排序时，索引也很有帮助。例如，如果经常在同一查询中为姓和名两列设置判据，那么在这两列上创建多列索引将很有意义。

确定索引的有效性：

检查查询的WHERE和JOIN子句。在任一子句中包括的每一列都是索引可以选择的对象。

对新索引进行试验以检查它对运行查询性能的影响。

考虑已在表上创建的索引数量。最好避免在单个表上有很多索引。

检查已在表上创建的索引的定义。最好避免包含共享列的重叠索引。

检查某列中唯一数据值的数量，并将该数量与表中的行数进行比较。比较的结果就是该列的可选择性，这有助于确定该列是否适合建立索引，如果适合，确定索引的类型。

B树 即二叉搜索树： 1所有非叶子结点至多拥有两个儿子（Left和Right）； 2所有结点存储一个关键字； 3非叶子结点的左指针指向小于其关键字的子树，右指针指向大于其关键字的子树； 如： B树的搜索，从根结点开始，如果查询的关键字与结点的关键字相等，那么就命中；否则，如果查询关键字比结点关键字小，就进入左儿子；如果比结点关键字大，就进入右儿子；如果左儿子或右儿子的指针为空，则报告找不到相应的关键字； 如果B树的所有非叶子结点的左右子树的结点数目均保持差不多（平衡），那么B树的搜索性能逼近二分查找；但它比连续内存空间的二分查找的优点是，改变B树结构（插入与删除结点）不需要移动大段的内存数据，甚至通常是常数开销； 如： 但B树在经过多次插入与删除后，有可能导致不同的结构： 右边也是一个B树，但它的搜索性能已经是线性的了；同样的关键字集合有可能导致不同的树结构索引；所以，使用B树还要考虑尽可能让B树保持左图的结构，和避免右图的结构，也就是所谓的“平衡”问题； 实际使用的B树都是在原B树的基础上加上平衡算法，即“平衡二叉树”；如何保持B树结点分布均匀的平衡算法是平衡二叉树的关键；平衡算法是一种在B树中插入和删除结点的策略； B-树 是一种多路搜索树（并不是二叉的）： 1定义任意非叶子结点最多只有M个儿子；且M>2； 2根结点的儿子数为[2, M]； 3除根结点以外的非叶子结点的儿子数为[M/2, M]； 4每个结点存放至少M/2-1（取上整）和至多M-1个关键字；（至少2个关键字） 5非叶子结点的关键字个数=指向儿子的指针个数-1； 6非叶子结点的关键字：K[1], K[2], …, K[M-1]；且K[i] < K[i+1]； 7非叶子结点的指针：P[1], P[2], …, P[M]；其中P[1]指向关键字小于K[1]的子树，P[M]指向关键字大于K[M-1]的子树，其它P[i]指向关键字属于(K[i-1], K[i])的子树； 8所有叶子结点位于同一层； 如：（M=3） B-树的搜索，从根结点开始，对结点内的关键字（有序）序列进行二分查找，如果命中则结束，否则进入查询关键字所属范围的儿子结点；重复，直到所对应的儿子指针为空，或已经是叶子结点；B-树的特性： 1关键字集合分布在整颗树中； 2任何一个关键字出现且只出现在一个结点中； 3搜索有可能在非叶子结点结束； 4其搜索性能等价于在关键字全集内做一次二分查找； 5自动层次控制； 由于限制了除根结点以外的非叶子结点，至少含有M/2个儿子，确保了结点的至少利用率，其最底搜索性能为： 其中，M为设定的非叶子结点最多子树个数，N为关键字总数； 所以B-树的性能总是等价于二分查找（与M值无关），也就没有B树平衡的问题； 由于M/2的限制，在插入结点时，如果结点已满，需要将结点分裂为两个各占M/2的结点；删除结点时，需将两个不足M/2的兄弟结点合并； B+树 B+树是B-树的变体，也是一种多路搜索树： 1其定义基本与B-树同，除了： 2非叶子结点的子树指针与关键字个数相同； 3非叶子结点的子树指针P[i]，指向关键字值属于[K[i], K[i+1])的子树（B-树是开区间）； 5为所有叶子结点增加一个链指针； 6所有关键字都在叶子结点出现； 如：（M=3） B+的搜索与B-树也基本相同，区别是B+树只有达到叶子结点才命中（B-树可以在非叶子结点命中），其性能也等价于在关键字全集做一次二分查找； B+的特性： 1所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的； 2不可能在非叶子结点命中； 3非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层； 4更适合文件索引系统； B树 是B+树的变体，在B+树的非根和非叶子结点再增加指向兄弟的指针； B树定义了非叶子结点关键字个数至少为(2/3)M，即块的最低使用率为2/3（代替B+树的1/2）； B+树的分裂：当一个结点满时，分配一个新的结点，并将原结点中1/2的数据复制到新结点，最后在父结点中增加新结点的指针；B+树的分裂只影响原结点和父结点，而不会影响兄弟结点，所以它不需要指向兄弟的指针； B树的分裂：当一个结点满时，如果它的下一个兄弟结点未满，那么将一部分数据移到兄弟结点中，再在原结点插入关键字，最后修改父结点中兄弟结点的关键字（因为兄弟结点的关键字范围改变了）；如果兄弟也满了，则在原结点与兄弟结点之间增加新结点，并各复制1/3的数据到新结点，最后在父结点增加新结点的指针； 所以，B树分配新结点的概率比B+树要低，空间使用率更高； 小结 B树：二叉树，每个结点只存储一个关键字，等于则命中，小于走左结点，大于走右结点； B-树：多路搜索树，每个结点存储M/2到M个关键字，非叶子结点存储指向关键字范围的子结点； 所有关键字在整颗树中出现，且只出现一次，非叶子结点可以命中； B+树：在B-树基础上，为叶子结点增加链表指针，所有关键字都在叶子结点中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中； B树：在B+树基础上，为非叶子结点也增加链表指针，将结点的最低利用率从1/2提高到2/3 见：>

在“快速检索”中有十二个检索字段：“m＝题名或关键词、k＝关键词、j＝刊名、a＝作者、f＝第一作者、s＝机构、t＝题名、r＝文摘、c＝分类号、z＝作者简介、i＝基金资助、l＝栏目信息”。

在“传统检索”中有除了上述十二个外，还多两个检索字段：“u＝任意字段、y＝参考文献”。

在“高级检索”和“分类检索”中，除了“快速检索”的十二个检索字段外，只多一个：“u＝任意字段”。

扩展资料：

读秀，图书检索数据库的简介：

读秀是由海量全文数据及资料基本信息组成的超大型数据库。其以430多万种中文图书、10亿页全文资料为基础，为用户提供深入内容的章节和全文检索；

部分文献的原文试读，以及高效查找、获取各种类型学术文献资料的一站式检索，周到的参考咨询服务，是一个真正意义上的学术搜索引擎及文献资料服务平台。

数据库检索。 Internet 拥有不下一万个数据库总量。其中，“ Internet 可检索图书馆目录和数据库”就囊括了从美国国会图书馆到欧美各国许多公用图书馆和大学图书馆的几百个联机目录和数据库。

以上就是关于数据库索引的主要种类全部的内容，包括:数据库索引的主要种类、举例说明oracle数据库中B树索引的基本组织结构、请分别列举读秀，图书检索数据库的检索字段有哪些等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！