跳到主要内容
版本：nightly

数据索引

GreptimeDB 提供了多种索引机制来提升查询性能。作为数据库中的核心组件，索引通过建立高效的数据检索路径，显著优化了数据的查询操作。

概述​

在 GreptimeDB 中，索引是在表创建时定义的，其设计目的是针对不同的数据类型和查询模式来优化查询性能。目前支持的索引类型包括：

  • 倒排索引（Inverted Index）
  • 跳数索引（Skipping Index）
  • 全文索引（Fulltext Index）

需要说明的是，本章节重点讨论数据值索引。虽然主键（PRIMARY KEY）和 TIME INDEX 也在某种程度上具有索引的特性，但不在本章讨论范围内。

索引类型​

倒排索引​

倒排索引主要用于优化标签列的查询效率。它通过在唯一值和对应数据行之间建立映射关系，实现对特定标签值的快速定位。

适用场景：

  • 基于标签值的数据查询
  • 字符串列的过滤操作
  • 标签列的精确查询

示例：

CREATE TABLE monitoring_data (
    host STRING,
    region STRING PRIMARY KEY,
    cpu_usage DOUBLE,
    `timestamp` TIMESTAMP TIME INDEX,
    INVERTED INDEX(host, region)
);

需要注意的是，当标签值的组合数（即倒排索引覆盖的列的笛卡尔积）非常大时，倒排索引可能会带来较高的维护成本，导致内存占用增加和索引体积膨胀。这种情况下，建议考虑使用跳数索引作为替代方案。

跳数索引​

跳数索引是专为列式存储系统（如 GreptimeDB）优化设计的索引类型。它通过维护数据块内值域范围的元数据，使查询引擎能够在进行范围查询时快速跳过不相关的数据块。与其他索引相比，跳数索引的存储开销相对较小。

适用场景：

  • 数据分布稀疏的场景，例如日志中的 MAC 地址
  • 在大规模数据集中查询出现频率较低的值

示例：

CREATE TABLE sensor_data (
    domain STRING PRIMARY KEY,
    device_id STRING SKIPPING INDEX,
    temperature DOUBLE,
    `timestamp` TIMESTAMP TIME INDEX,
);

然而，跳数索引无法处理复杂的过滤条件，并且其过滤性能通常不如倒排索引或全文索引。

全文索引​

全文索引专门用于优化字符串列的文本搜索操作。它支持基于词的匹配和文本搜索功能，能够实现对文本内容的高效检索。用户可以使用灵活的关键词、短语或模式匹配来查询文本数据。

适用场景：

  • 文本内容搜索
  • 模式匹配查询
  • 大规模文本过滤

示例：

CREATE TABLE logs (
    message STRING FULLTEXT,
    `level` STRING PRIMARY KEY,
    `timestamp` TIMESTAMP TIME INDEX,
);

使用全文索引时需要注意以下限制：

  • 存储开销较大，因需要保存词条和位置信息
  • 文本分词和索引过程会增加数据刷新和压缩的延迟
  • 对于简单的前缀或后缀匹配可能不是最优选择

建议仅在需要高级文本搜索功能和灵活查询模式时使用全文索引。

最佳实践​

  1. 根据实际的数据特征和查询模式选择合适的索引类型
  2. 只为频繁出现在 WHERE 子句中的列创建索引
  3. 在查询性能、写入性能和资源消耗之间寻找平衡
  4. 定期监控索引使用情况并持续优化索引策略

性能考虑​

索引虽然能够显著提升查询性能，但也会带来一定开销：

  • 需要额外的存储空间维护索引结构
  • 索引维护会影响数据刷新和压缩性能
  • 索引缓存会占用系统内存

建议根据具体应用场景和性能需求，合理规划索引策略。