1700509450
当数据库的SQL解释器拿到这个谓词之后，由于无法通过B-TREE树的二分查找原理避开相应的数据块，因此只能进行穷举查找，这时索引将会失效。
1700509451
1700509452
3．QUBE模型
1700509453
1700509454
如果在扫描时，结果集中的数据量在整个扫描数据集中占比非常小，就表示索引的效果非常好，反之，索引速度就会变慢。这是为什么呢？熟悉Oracle的朋友应该知道，Oracle的SQL策略优化是基于一个叫作“CBO模型”（Cost-Based Optimizer）的东西。CBO模型从中文直译的角度看就是一种基于成本（Cost）的优化器，这个成本是指访问成本。有一个与CBO模型近似的成本评估模型叫作“QUBE模型”（Quick Upper-Bound Estimation）。这个模型很简洁，也便于我们研究和评估。
1700509455
1700509456
QUBE模型有几个重要的公式：
1700509457
1700509458
1700509459
1700509460
1700509461
其中，“LRT”代表“Local response time”，“TR”代表“Number of random touches”，“TS”代表“Number of sequential touches”，“F”代表“Number of successful FETCHes”。
1700509462
1700509463
这个公式的含义是：
1700509464
1700509465
响应时间=随机读的次数×10ms+顺序读的次数×0.01ms+处理的记录数×0.1ms
1700509466
1700509467
在这个模型中有一个假设，就是一次随机读取时间大约为10ms。这10ms是怎么估算出来的呢？以SCSI硬盘为例，转速为10000～15000rpm，则每秒转动167～250圈，平均每圈耗时4～6ms。除了转动消耗的4～6ms外，还有排队时间、传输时间。计算可知，共计约10ms完成一次完整的访问。每次每条记录的读取耗时0.01ms，这个假设的前提是磁盘带宽为40MB/s，一个数据块（4KB）上平均存放10条记录。每条记录的传输时间是
1700509468
1700509469
1700509470
1700509471
1700509472
因此，有如下推论。
1700509473
1700509474
假设索引的选择率（Selectivity）是s，表中的记录数是N，按照QUBE模型会得到
1700509475
1700509476
1700509477
1700509478
1700509479
单位都是ms。
1700509480
1700509481
经过计算，当s ＜ 0.001时，使用索引的时间才会小于全表扫描的时间（因为索引访问本身也有成本）。在工程实践中，结合使用缓存等诸多因素，s通常会取到10％～20％。如果s再大一些，就建议使用全表扫描。在这个讨论中有特殊的数值假设，在实际应用中会使用指标不同的硬件设备，所以会对s临界值的估算会有一定影响。在这里，我们只讨论考虑问题的思路，具体的场景要在具体的环境中测算和推定，切莫刻舟求剑。
1700509482
1700509483
1700509484
1700509485
1700509486
数据科学家养成手册 [:1700503628]
1700509487
数据科学家养成手册 13.6 稳定最重要
1700509488
1700509489
在存储这个层面来说，稳定是非常关键的。这里说的稳定不是指物理层面的硬件不要损坏或者发生其他故障，而是指读写性能方面的稳恒。
1700509490
1700509491
不论支持任何种业务，通常我们都希望完成单项任务的时间是以时间μ为平均值，以尽可能小的值σ为方差的正态分布（如图13-11和图13-12所示）。
1700509492
1700509493
1700509494
1700509495
图13-11 μ=10, σ=2的正态分布 图13-12 μ=10, σ=0.8的正态分布 一次标准读写的完成时间，第二种情况通常要比第一种情况理想。我们都有这样的体会：在一次任务中，如果每次完成的时间都稳定在一个值附近，体验就会显得非常平稳。这种稳定的时间长度由于预期性很好，所以可以基于它去做各种相关任务时间的估算——这些时间的估算值也是稳定且可靠的。例如，使用B-TREE树索引对表中的非重字段查找进行加速时，时间复杂度为O(log n)，从“根”到任何一片“叶子”所花费的时间非常稳定。但是，如果不使用这种方式（例如直接使用顺序查找），麻烦就大了。
1700509496
1700509497
1700509498
在不使用索引进行顺序查找的情况下，在对非重字段进行查找时，由于任何一条数据成为被选中数据的概率相同，所以查找的时间复杂度就是O(n)，平均每次理论查找次数为。然而，每个样本被查找时所花费的时间迥异，第1个样本被查找到的时间为1，第2个为2，第n个为n。查找时间统计模型方差为
1700509499