インデックスの パフォーマンス 調べてみた matumoto

自己紹介 ● ハンドルネーム：matumoto ● 本名：松本響輝 ● 学年：28期 ● 趣味：イカᔦꙬᔨ ● やってきた技術： ○ ゲーム作り ○ フロントエンド ○ AtCoder 水💧 ● Twitter：@matumoto_1234

インデックスについて

インデックスとは？ ● インデックスとは、データの検索速度を向上させるために、どの行がどこにあるかを示した索引のこ と (https://www.techscore.com/tech/sql/15_01 より引用) ● DBのテーブルに適切にインデックスを作ることで、パフォーマンス向上につながる ● MySQLなどではCREATE TABLEなどの文でインデックスを指定できる ● 例. CREATE TABLE people ( id INT, name VARCHAR(512), age INT, INDEX name_INDEX (name) )

インデックスがどう使われるのか？ ● クエリに対応して、インデックスが自動で使われる ● 例. ○ peopleという名前の、こんなテーブルがあったとする id name age 1 matumoto 20 2 Aizu Taro 256 ● SELECT id FROM people WHERE name = 'matumoto' というような、nameカラムに対しての検索クエリが きたとき、name_INDEXが使われる ● SELECT idFROM people WHERE age = 20 というような、ageカラムに対しての検索クエリがきたらイン デックスは使われず、テーブル全体がそのまま読み込まれる

インデックスのパフォーマンス ● インデックスは基本的に、ユニーク（重複がない）なもののほうがパフォーマンスが良い ○ 例. PRIMARY KEYに基づくインデックスやUNIQUE制約のついたインデックスなど →なぜパフォーマンスが良いのか？（本題） →後述

インデックスの内部構造

インデックスを作るとどうなるか ● インデックスを作ってもテーブル自体に変更が加わるわけではない ● テーブルとは別にインデックス用の領域が取られ、まずはそこにアクセスする テーブル インデックス クエリ ソートとかはされていない！ テーブルの場所が効率よく検索で きるように保存されている

インデックスはどうなっているか ● B-treeというようなデータ構造がよく使われている ○ 厳密にはB+treeや、B*treeという改良版が使われることが多い

B-treeとは？ ● B-treeは平衡探索木の一種 ○ よくある、平衡二分探索木とかとは違って多分木 ○ BはBinaryではなく、Balanceの略 ○ よくデータベース管理システムや、ファイルシステムで使用される 5 70 2 1 3 8 6 20 82 91 71 85 97

B-treeの特徴 ● B-treeの特徴 ○ 完全に平衡になっている(根から任意の葉までのパスの長さが一定 ) ○ ノードにいくつかの値を持つ ○ 一つのノードにm個以下の枝があるものをオーダー mのB-treeと呼ぶ ○ これはオーダー3のB-tree 5 70 2 1 3 8 6 20 82 91 71 85 97

挿入操作でB-treeの平衡はどうやって保っているの？ ● A. 気合い http://wwwa.pikara.ne.jp/okojisan/t23-java/index.html より図を引用

削除操作でB-treeの平衡はどうやって保っているの？ ● A. もちろん気合い http://wwwa.pikara.ne.jp/okojisan/t23-java/index.html より図を引用

B-treeの計算量 ● B-treeの計算量 ○ nを要素数とする ○ 挿入：O(log n) ○ 削除：O(log n) ○ 検索：O(log n) ● AVL木や、赤黒木といった平衡二分探索木より速い？ ○ そんなことはなくて、遅い ○ オーダーmのB-treeのノードを辿るときにO(m)回の値比較を行うので遅い ○ データベース管理システムなどで使われるのは、「枝を辿るコスト」 >「値比較のコスト」な ため

B-treeの亜種 ● B+treeというのが存在する ○ 葉ノードがつながっており、範囲クエリに強い ○ 葉ノードに実際のレコードが全て存在している ○ MySQL/InnoDBなどで使われている https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html より図を引用

インデックスの パフォーマンス

インデックスのパフォーマンス ● SQLクエリをEXPLAINすると表示される「type」 ● 主なものとしては、以下がある ○ const：PRIMARY KEYのインデックスやUNIQUEインデックスを使う。最速 ○ eq_ref：JOINのときにPRIMARY KEYのインデックスやUNIQUEインデックスを使う ○ ref：ユニークでないインデックスを使ったときの等価検索など ○ range：インデックスを用いた範囲検索 (0 <= key <= 10を満たすkeyを検索するなど) ○ index：フルインデックススキャン。インデックス全体を見る ○ all：フルテーブルスキャン。インデックスが使用されていない ● なぜユニークだと早くなる傾向にあるのか？

インデックスのパフォーマンス ● 検索で遅くなるのは葉ノードの走査が大きな原因の一つとしてある ● 検索対象がユニークなら、見つけ次第終了できるが、ユニークでない場合は他の 葉ノードを見る必要がある ● 例. 20を見つけたとしても、20が他にあるかもしれないので葉ノードを辿る必要があ る https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html より図を引用

まとめ

まとめ ● インデックスの内部構造はB-treeがベースになっていることが多くて、計算量は だ いたい O(log n) ○ 範囲クエリでk個の要素がみつかるときは、 O(log n + k) 程度

ご静聴ありがとうございました