聚集索引的并行处理与优化

21/24聚集索引的并行处理与优化第一部分分区和范围划分策略优化 2第二部分并发访问与死锁控制 5第三部分索引维护和更新策略 8第四部分预取技术与并行查询处理 10第五部分内存管理和缓冲池优化 14第六部分查询优化器与代价估算 16第七部分统计信息收集与维护 18第八部分索引选择性与基数估计 21

第一部分分区和范围划分策略优化关键词关键要点【分区和范围划分策略优化】：

1.合理选择分区键：分区键的选择对分区和范围划分的性能有重要影响。分区键应具有良好的散列特性，以确保数据均匀分布在各个分区上。同时，分区键还应具有单调性，以减少范围划分的开销。

2.优化分区数量：分区数量的多少会影响分区和范围划分的性能。分区数量过多会增加分区管理的开销，而分区数量过少则会导致数据分布不均匀。因此，在选择分区数量时需要考虑数据量、数据分布情况、查询模式等因素。

3.使用范围划分：范围划分可以将数据进一步细分为更小的范围，从而减少查询的范围。范围划分的粒度越细，查询的性能就越好，但同时也可能增加分区管理的开销。因此，在选择范围划分粒度时需要权衡查询性能和分区管理开销。

【联合索引优化】：

#分区和范围划分策略优化

分区和范围划分策略优化是聚集索引并行处理与优化中的重要环节。分区和范围划分的优化可以有效提高聚集索引的并行处理能力，并减少索引维护的开销。

分区优化

分区是将数据表划分为多个互斥的子集，每个子集称为一个分区。分区可以根据多种策略进行划分，常用的分区策略包括：

*哈希分区:

哈希分区根据数据记录的某个值（称为分区键）来计算分区号，并将记录分配到相应的分区中。哈希分区可以避免数据倾斜，并保证每个分区中数据分布均匀。

*范围分区:

范围分区将数据记录划分为多个连续的范围，每个范围称为一个分区。范围分区可以保证每个分区中数据是连续的，从而提高查询性能。

*复合分区:

复合分区是将哈希分区和范围分区结合起来使用。复合分区可以综合利用哈希分区和范围分区的优点，进一步提高数据分布的均匀性和查询性能。

分区优化可以带来以下好处：

*提高并行处理能力:

通过将数据表划分为多个分区，可以并行处理每个分区的数据，从而提高整体的查询性能。

*减少索引维护开销:

分区可以减少索引维护的开销。当数据表发生插入、更新或删除操作时，只需要维护受影响分区的索引，而不需要维护整个索引。

*提高数据局部性:

分区可以提高数据局部性。当查询只涉及到某个分区的数据时，只需要从该分区的存储设备中读取数据，而不需要从整个数据表中读取数据，从而减少了磁盘IO开销。

范围划分优化

范围划分是将每个分区划分为多个连续的子集，称为范围。范围划分可以根据多种策略进行划分，常用的范围划分策略包括：

*相等范围划分:

相等范围划分将每个分区划分为多个相等范围，每个范围包含具有相同值的数据记录。相等范围划分可以提高查询性能，因为查询只需要扫描与查询条件相等的范围。

*范围范围划分:

范围范围划分将每个分区划分为多个重叠的范围，每个范围包含具有不同值的数据记录。范围范围划分可以提高查询性能，因为查询只需要扫描与查询条件相交的范围。

*复合范围划分:

复合范围划分是将相等范围划分和范围范围划分结合起来使用。复合范围划分可以综合利用相等范围划分和范围范围划分的优点，进一步提高查询性能。

范围划分优化可以带来以下好处：

*提高查询性能:

通过将每个分区划分为多个范围，可以并行处理每个范围的数据，从而提高查询性能。

*减少索引维护开销:

范围划分可以减少索引维护的开销。当数据表发生插入、更新或删除操作时，只需要维护受影响范围的索引，而不需要维护整个索引。

*提高数据局部性:

范围划分可以提高数据局部性。当查询只涉及到某个范围的数据时，只需要从该范围的存储设备中读取数据，而不需要从整个分区中读取数据，从而减少了磁盘IO开销。

分区和范围划分策略优化方法

分区和范围划分策略优化可以通过以下方法进行：

*确定合适的分区策略和范围划分策略:

分区策略和范围划分策略的选择需要根据数据表的特点和查询模式来确定。对于具有均匀分布的数据，可以使用哈希分区策略；对于具有连续分布的数据，可以使用范围分区策略；对于具有复杂分布的数据，可以使用复合分区策略。对于查询模式简单的查询，可以使用相等范围划分策略；对于查询模式复杂第二部分并发访问与死锁控制关键词关键要点并发访问与死锁控制

1.数据库并发访问的概念：

-指多个用户/进程同时访问和操作数据库，同时进行增删改查等操作。

-并发访问对数据库的处理性能和事务完整性提出严峻挑战，如若控制不当，将导致数据错误、系统崩溃等问题。

2.死锁的概念和危害：

-死锁是指两个或多个进程因互相等待对方释放资源而导致无限期等待的现象。

-死锁会导致系统资源浪费、降低吞吐量、降低数据库效率，甚至可能导致数据库崩溃。

3.死锁控制的策略及其比较：

-死锁预防:在运行过程中采取措施来防止死锁发生。

-死锁检测和恢复:在死锁发生后检测并采取措施恢复系统。

-死锁超时:为每个事务设置一个超时时间，若事务在超时时间内没有完成，则将其回滚并释放占用的资源。

-提交顺序:采用某种机制强制事务按照某种顺序进行提交，以避免死锁的发生。

死锁检测与恢复策略

1.死锁检测算法：

-等待图法：将进程和资源表示成图，如果图中存在环路，则表示存在死锁。

-资源分配图法：将进程和资源表示成表格，如果表格中存在循环，则表示存在死锁。

2.死锁恢复策略：

-回滚：选择一个或多个进程回滚到上一个安全状态，并释放其占用的资源。

-抢占：从一个进程中抢占一个资源并将其分配给另一个进程，以打破死锁。

-超时：在每个事务上设置一个超时时间，如果事务在超时时间内没有完成，则将其回滚并释放占用的资源。

3.死锁检测与恢复策略的比较：

-死锁检测与恢复策略各有优缺点，在不同的场景下使用不同策略。

-死锁检测算法通常会消耗较多的系统资源，而死锁恢复策略则可能会影响事务的完整性。并发访问与死锁控制

聚集索引的并行处理中，可能会出现并发访问和死锁问题。并发访问是指多个事务同时访问同一数据页，死锁是指多个事务相互等待对方的资源，导致所有事务都无法继续执行。

并发访问控制

为了控制并发访问，数据库系统通常使用锁机制。锁是一种用来控制对资源访问的机制，它可以防止多个事务同时修改同一数据页。在聚集索引的并行处理中，常用的锁类型包括：

*共享锁(S)：允许多个事务同时读取同一数据页，但不允许修改数据页。

*排他锁(X)：允许一个事务独占地修改数据页，其他事务不能访问该数据页。

当一个事务需要访问数据页时，它需要先获取相应的锁。如果数据页已经被其他事务锁住，则该事务必须等待，直到其他事务释放锁。

死锁控制

死锁是指多个事务相互等待对方的资源，导致所有事务都无法继续执行。在聚集索引的并行处理中，死锁可能发生在以下情况：

*死锁检测：数据库系统可以通过死锁检测算法来检测死锁。当检测到死锁时，数据库系统会选择一个事务回滚，以打破死锁。

*死锁预防：数据库系统可以通过死锁预防算法来防止死锁的发生。死锁预防算法通常通过给每个事务分配一个优先级，并按照优先级顺序执行事务。

聚集索引的并行处理优化

为了优化聚集索引的并行处理，可以采取以下措施：

*减少锁争用：通过使用更细粒度的锁，可以减少锁争用。例如，可以将数据页分成更小的块，并对每个块单独加锁。

*增加并发度：通过增加并发度，可以提高聚集索引的并行处理效率。并发度是指同时执行的事务数量。可以增加并发度的方法包括：

*使用更多核心的处理器。

*使用更快的存储设备。

*优化事务处理代码。

*优化查询计划：通过优化查询计划，可以减少聚集索引的并行处理时间。查询计划是指数据库系统用来执行查询的策略。可以优化查询计划的方法包括：

*使用更好的索引。

*使用更合适的连接算法。

*使用更有效的排序算法。第三部分索引维护和更新策略关键词关键要点【索引维护和更新策略】：

1.并发控制：

•了解索引更新时并发控制机制的重要性，以确保数据integridadyconsistencia。

•探索广泛使用的并发控制方法，如锁，事务和多版本并发控制（MVCC）。

•分析每种并发控制方法的优点和缺点，并在相应的场景中进行选择。

2.索引重组：

•理解索引重组的必要性和好处，包括提高查询性能和减少索引碎片。

•评估不同的索引重组策略，如在线重组和离线重组，以选择最适合的策略。

•掌握索引重组的最佳实践，包括安排重组任务，监控重组过程，并评估重组结果。

3.索引失效：

•识别索引失效的常见原因，如索引列数据类型更改或索引列数据值更改。

•了解索引失效对查询性能的影响，以及可能导致不准确的结果。

•探讨如何防止索引失效，以及如何及时检测和修复索引失效。

【索引维护和更新策略】：

索引维护和更新策略

聚集索引的维护和更新策略对于保持索引的有效性和性能至关重要。索引维护的目的是确保索引始终与表中的数据保持同步，并且索引的结构和统计信息是准确和最新的。

#索引维护策略

索引维护策略是指一套用于维护索引有效性和性能的方法和技术。常见的索引维护策略包括：

*在线索引维护：在线索引维护是指在表中插入、更新或删除数据时，同时对索引进行相应的更新。这种策略可以确保索引始终与表中的数据保持同步，但可能会导致数据库性能的下降。

*离线索引维护：离线索引维护是指在表中进行大量数据修改操作后，再对索引进行一次性更新。这种策略可以避免在线索引维护对数据库性能的影响，但可能会导致索引与表中的数据暂时不一致，降低查询性能和查询结果的准确性。

*增量索引维护：增量索引维护是指只对表中发生变化的数据进行索引更新。这种策略可以减少索引维护的开销，提高数据库性能，但需要额外的机制来跟踪表中发生变化的数据。

#索引更新策略

索引更新策略是指在表中插入、更新或删除数据时，如何处理索引的更新。常见的索引更新策略包括：

*立即更新：立即更新是指在表中插入、更新或删除数据时，立即对索引进行相应的更新。这种策略可以确保索引始终与表中的数据保持同步，但可能会导致数据库性能的下降。

*延迟更新：延迟更新是指在表中插入或更新数据时，不立即更新索引，而是等到表中发生一定数量的数据修改操作后，再对索引进行一次性更新。这种策略可以减少索引更新的开销，提高数据库性能，但可能会导致索引与表中的数据暂时不一致，降低查询性能和查询结果的准确性。

*批量更新：批量更新是指在表中插入、更新或删除数据时，将数据修改操作缓存起来，等缓存达到一定数量后，再对索引进行一次性更新。这种策略可以减少索引更新的开销，提高数据库性能，并且可以确保索引始终与表中的数据保持同步。

#索引维护和更新策略的选择

索引维护和更新策略的选择取决于数据库的具体情况，包括数据库的规模、并发性、查询负载、数据修改操作的频率和类型等。一般来说，对于大规模数据库、高并发数据库和经常进行数据修改操作的数据库，采用在线索引维护策略和立即更新策略比较合适。对于小规模数据库、低并发数据库和很少进行数据修改操作的数据库，采用离线索引维护策略和延迟更新策略比较合适。

在选择索引维护和更新策略时，还需要考虑数据库的性能目标和可用性要求。如果数据库需要高性能，可以选择在线索引维护策略和立即更新策略。如果数据库需要高可用性，可以选择离线索引维护策略和延迟更新策略。第四部分预取技术与并行查询处理关键词关键要点【预取技术】：

1.预取技术是指在实际需要之前提前读取数据并将其存储在缓存中，从而减少后续访问数据时的延迟。

2.预取技术可以用于聚集索引的并行处理，通过预取索引页或数据页来提高查询性能。

3.预取技术可以通过预测查询模式、使用多线程预取数据、使用预取队列等方式来实现。

【并行查询处理】：

#预取技术与并行查询处理

预取技术

预取技术是一种用于提高数据库系统性能的技术，它通过预先加载可能被查询的数据来减少查询延迟。预取技术可以应用于各种不同的数据库系统，包括关系数据库、多维数据库和数据倉庫。

预取技术的工作原理是，当系统检测到一个查询正在执行时，它会自动加载可能被该查询访问的数据。这些数据可以来自内存、文件或其他存储介质。预取技术可以极大提高查询性能，特别对于那些需要访问大量数据的大型查询。

预取技术有几种不同的实现方式，包括：

*基于规则的预取:这是一种最简单和最常见的预取技术。它根据一组预定义的规则来预取数据。例如，系统可能被配置为在执行任何对客户表的查询时预取客户地址表。

*基于成本的预取:这是一种更复杂和更有效的预取技术。它根据预取数据和查询成本之间的权衡来预取数据。例如，系统可能被配置为在执行对客户表的查询时预取客户地址表，但只有当预取数据不会导致查询成本增加超过一定数量时。

*基于学习的预取:这是一种最复杂和最有效的预取技术。它通过学习查询模式来预取数据。例如，系统可能被配置为在执行对客户表的查询时预取客户地址表，但只有当它以前执行过类似的查询并且发现预取数据可以提高性能时。

并行查询处理

并行查询处理是一种用于提高数据库系统性能的技术，它通过在多个处理器上并行执行查询来减少查询延迟。并行查询处理可以应用于各种不同的数据库系统，包括关系数据库、多维数据库和数据倉庫。

并行查询处理的工作原理是，当系统检测到一个查询正在执行时，它会将该查询分解为多个子查询，然后将这些子查询发送到多个处理器上执行。一旦子查询都执行完成，系统就会把结果汇总在一起，并返回给用户。并行查询处理可以极大提高查询性能，特别对于那些需要访问大量数据的大型查询。

并行查询处理有几种不同的实现方式，包括：

*基于线程的并行查询处理:这是一种最简单和最常见的并行查询处理方式。它使用多个线程来执行查询的子查询。例如，系统可能使用4个线程来执行一个查询，每个线程负责执行查询的四分之一。

*基于过程的并行查询处理:这是一种更复杂和更有效的并行查询处理方式。它使用多个独立的数据库服务器（或数据库服务器节点）来处理查询的子查询。例如，系统可能使用4个数据库服务器来处理一个查询，每个数据库服务器负责执行查询的四分之一。

*基于内存的并行查询处理:这是一种最复杂和最有效的并行查询处理方式。它使用内存来存储查询的数据，并使用多个内存线程来处理查询的子查询。例如，系统可能使用4个内存线程来处理一个查询，每个内存线程负责处理查询的四分之一。

预取技术和并行查询处理的优劣势

预取技术和并行查询处理都是提高数据库系统性能的有效技术，但两者也有各自的优劣势：

预取技术的优势包括：

*它可以极大提高查询性能，特别对于那些需要访问大量数据的大型查询。

*它很容易实现，并且可以与任何数据库系统一起使用。

*它不需要专门的数据库服务器或其他资源。

预取技术的劣势包括：

*它可能会导致查询计划的复杂性增加，这可能会导致查询性能降低。

*它可能会导致内存使用量的增加，这可能会导致系统性能降低。

*它可能会导致预取数据不必要的情况，这可能会导致系统资源的利用率降低。

并行查询处理的优势包括：

*它可以极大提高查询性能，特别对于那些需要访问大量数据的大型查询。

*它可以很好地扩展到多个处理器，这可以进一步提高查询性能。

*它可以与任何数据库系统一起使用。

并行查询处理的劣势包括：

*它可能需要专门的数据库服务器或其他资源，这可能会导致系统成本的增加。

*它可能需要对数据库进行修改以支持并行查询处理，这可能会导致系统复杂性的增加。

*它可能会导致查询计划的复杂性增加，这可能会导致查询性能降低。

预取技术和并行查询处理的适用场景

预取技术和并行查询处理都是提高数据库系统性能的有效技术，但两者也有各自的适用场景：

预取技术更适合:

*那些需要访问大量数据的大型查询。

*那些需要访问经常被访问的数据的查询。

*那些不太可能导致查询计划复杂性增加的查询。

并行查询处理更适合:

*那些需要访问大量数据的大型查询。

*那些不太可能导致查询计划复杂性增加的查询。

*那些可以在多个处理器上轻松并行执行的查询。

小结

预取技术和并行查询处理都是提高数据库系统性能的有效技术，但两者也有各自的优劣势和适用场景。系统设计人员和数据库管理人员在选择使用哪种技术时，应该根据具体情况进行权衡和选择。第五部分内存管理和缓冲池优化关键词关键要点【内存管理优化】：

1.优化内存分配策略：合理分配内存空间，避免内存碎片和过度分配，确保索引缓冲池和数据缓冲池有足够的空间存储数据。

2.调整内存分配大小：根据索引大小和访问模式调整内存分配大小，避免频繁的内存分配和释放，提高内存利用率。

3.使用大型页面：使用大型页面可以减少页表条目的数量，提高内存访问速度和减少内存开销。

【缓冲池优化】：

内存管理和缓冲池优化

内存管理和缓冲池优化是聚集索引并行处理的重要组成部分，可以有效提高查询效率和系统性能。优化策略包括：

1.增加内存容量：为数据库服务器分配更多内存，特别是对于具有大量数据和频繁查询的系统。更多的内存可以提高缓冲池的大小，允许更多数据驻留在内存中，减少磁盘I/O操作。

2.优化内存配置：合理分配内存给不同的数据库组件，如缓冲池、共享池和重做日志缓冲区等。根据系统负载和使用情况调整内存分配，确保关键组件获得足够的内存资源。

3.使用大页内存：使用大页内存可以减少内存页表条目数，提高内存访问速度。大页内存通常是4KB或更大的内存页，比标准的4KB内存页具有更高的效率。

4.优化缓冲池大小：缓冲池是内存中用于存储fréquemment访问的数据块的区域。一个合理大小的缓冲池可以减少磁盘I/O操作，提高查询性能。缓冲池大小应根据系统负载和数据访问模式进行调整。

5.使用预读功能：预读功能允许数据库服务器在需要之前预先读取数据块到缓冲池中。这可以减少查询延迟，特别是对于顺序访问大量数据的情况。

6.使用异步I/O：异步I/O允许数据库服务器在执行其他任务的同时进行磁盘I/O操作。这可以提高系统的整体吞吐量，减少查询等待时间。

7.使用NUMA架构：NUMA（非一致性内存访问）架构中，内存访问速度取决于内存的位置和处理器的距离。合理分配内存节点，确保fréquemment访问的数据块存储在与处理第六部分查询优化器与代价估算关键词关键要点【查询优化器与代价估算】：

1.查询优化器的作用是选择最优的查询执行计划，以最小化查询执行时间。

2.代价估算器是查询优化器的一个重要组成部分，其作用是估计不同查询执行计划的执行时间。

3.代价估算器的准确性对查询优化器的性能至关重要，因为不准确的代价估算会导致查询优化器选择错误的执行计划，从而导致查询执行时间变长。

【索引的并行处理】：

#查询优化器与代价估算

查询优化器是数据库系统中的一个重要组件，它负责将用户查询转换为高效的执行计划。代价估算是查询优化器的一个重要环节，它用于估计执行不同查询计划的代价，并选择代价最小的计划。

代价估算

代价估算的目标是为查询中的每个操作符估计一个代价，然后将这些代价累加起来，得到整个查询计划的代价。代价估算器通常使用以下信息来估计代价：

*表大小：表大小是代价估算的一个重要因素，因为表越大，扫描表所需的时间就越长。

*索引大小：索引大小也是代价估算的一个重要因素，因为索引越大，查找索引所需的时间就越长。

*索引覆盖率：索引覆盖率是指索引中包含查询所需列的比例。索引覆盖率越高，使用索引执行查询时所需的I/O次数就越少。

*查询谓词：查询谓词是用来过滤查询结果的条件。查询谓词越复杂，使用索引执行查询时所需的I/O次数就越多。

代价估算器使用这些信息来估计每个操作符的代价，然后将这些代价累加起来，得到整个查询计划的代价。代价估算器还会考虑其他因素，例如并行处理和缓冲区大小，来估计查询计划的代价。

查询优化器

查询优化器使用代价估算器估计不同查询计划的代价，并选择代价最小的计划。查询优化器还会考虑其他因素，例如查询并发性和资源利用率，来选择最佳的查询计划。

查询优化器通常使用以下步骤来选择最佳的查询计划：

1.解析查询：查询优化器首先将用户查询解析成一个内部表示。

2.生成查询计划：查询优化器根据内部表示生成一个或多个查询计划。

3.估计查询计划的代价：查询优化器使用代价估算器估计每个查询计划的代价。

4.选择最佳的查询计划：查询优化器选择代价最小的查询计划作为最佳的查询计划。

查询优化器通常使用启发式算法来生成查询计划。启发式算法是一种不保证找到最优解的算法，但它通常可以找到一个接近最优的解。查询优化器还使用动态规划来优化查询计划。动态规划是一种将复杂问题分解成多个子问题，然后逐个解决这些子问题的算法。动态规划可以帮助查询优化器找到代价最小的查询计划。

查询优化器是数据库系统中的一个重要组件，它通过代价估算和查询计划优化来提高查询性能。查询优化器通常使用啟发式算法和动态规划来找到代价最小的查询计划。第七部分统计信息收集与维护统计信息收集与维护

聚集索引的有效性很大程度上取决于统计信息的准确性，因此统计信息收集与维护对于聚集索引的性能至关重要。

统计信息收集

统计信息收集主要包括以下几个方面：

*表大小和行数：

表大小和行数是最基本的统计信息，用于估算查询的成本和优化器的选择。

*列的基数和分布：

列的基数是列中不同值的个数，列的分布是指不同值在列中出现的频率。基数和分布对于优化器选择合适的访问路径非常重要。

*索引的大小和分布：

索引的大小和分布对于估算索引扫描的成本非常重要。

*查询的执行计划：

查询的执行计划可以帮助优化器收集统计信息。例如，如果优化器知道某个查询总是使用索引扫描，那么它就可以收集有关该索引的更多统计信息。

统计信息维护

统计信息收集完成后，还需要对其进行维护，以确保统计信息的准确性。统计信息维护主要包括以下几个方面：

*自动维护：

数据库系统通常会自动维护统计信息。例如，当表或索引发生变化时，数据库系统会自动更新相关的统计信息。

*手动维护：

DBA也可以手动维护统计信息。例如，DBA可以根据业务情况和查询负载对某些表的统计信息进行更新。

统计信息的使用

统计信息主要用于以下几个方面：

*查询优化：

优化器使用统计信息来选择合适的访问路径。例如，如果优化器知道某个索引的基数很高，那么它就会选择使用该索引扫描来访问表。

*空间分配：

数据库系统使用统计信息来分配表和索引的空间。例如，如果优化器知道某个表的行数很多，那么它就会为该表分配更多的空间。

*备份和恢复：

数据库系统使用统计信息来估计备份和恢复所需的时间。例如，如果优化器知道某个表的行数很多，那么它就会估计备份和恢复该表所需的时间。

统计信息的局限性

统计信息虽然对于数据库系统的性能非常重要，但它也存在一定的局限性。例如：

*统计信息可能不准确：

统计信息是根据历史数据收集的，因此它可能不反映当前的数据分布情况。

*统计信息可能过时：

统计信息可能会随着时间的推移而过时。例如，如果表或索引发生变化，那么相关的统计信息就会过时。

*统计信息可能不完整：

统计信息可能不包含所有相关的信息。例如，统计信息可能不包含有关列的相关性或依赖关系的信息。

如何减少统计信息的局限性

为了减少统计信息的局限性，DBA可以采取以下措施：

*定期更新统计信息：

DBA应该定期更新统计信息，以确保统计信息的准确性和完整性。

*使用更高级的统计信息收集技术：

DBA可以使用更高级的统计信息收集技术，例如自适应统计信息收集技术，来提高统计信息的准确性和完整性。

*使用更多的数据源：

DBA可以使用更多的数据源，例如日志文件和监控数据，来收集统计信息。

*使用机器学习技术：

DBA可以使用机器学习技术来分析统计信息，并发现统计信息中的模式和趋势。第八部分索引选择性与基数估计关键词关键要点【索引选择性与基数估计】：

1.索引选择性是指索引条目与表记录的比率，它反映了索引对查询的筛选能力。选择性越高，索引越有效。

2.基数估计是指索引列中不同值的个数，它可以帮助查询优化器估计查询的返回结果集大小。基数估计越准确，查询计划越优化。

3.索引选择性和基数估计对查询性能有很大影响。选择性高的索引可以减少需要扫描的表记录数量，基数估计准确可以帮助查询优化器选择最优的执行计划。

【索引冗余与数据膨胀】：

索引选择性和基